運(yùn)動(dòng)目標(biāo)檢測(cè)中背景更新算法研究

摘 要：針對(duì)視頻動(dòng)態(tài)目標(biāo)檢測(cè)中背景實(shí)時(shí)更新問題，在運(yùn)動(dòng)目標(biāo)覆蓋的平均時(shí)間小于不被運(yùn)動(dòng)目標(biāo)覆蓋時(shí)間的情況下，提出了一種結(jié)合近似中位數(shù)法和三幀差分法的背景建模算法。該算法首先運(yùn)用近似中位數(shù)法獲取更新背景，利用三幀差分法得到差分圖像，將差分圖像與背景減除法確定的運(yùn)動(dòng)目標(biāo)區(qū)域相結(jié)合，從而得到可靠的運(yùn)動(dòng)區(qū)域。通過與三幀差分法、近似中位數(shù)法和混合高斯法實(shí)驗(yàn)對(duì)比，提出的算法準(zhǔn)確率高、運(yùn)行速度快、能滿足實(shí)時(shí)檢測(cè)的要求。

關(guān)鍵詞：三幀差分法；近似中位數(shù)法；背景建模

中圖分類號(hào)：TB

文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：1672-3198（2014）11-0194-01

視頻序列中運(yùn)動(dòng)目標(biāo)檢測(cè)是圖像處理和計(jì)算機(jī)視覺領(lǐng)域的研究熱點(diǎn)，具有十分廣泛的應(yīng)用領(lǐng)域。運(yùn)動(dòng)目標(biāo)的有效檢測(cè)、提取是目標(biāo)跟蹤、識(shí)別等后續(xù)處理的基礎(chǔ)，同時(shí)也是視頻監(jiān)控系統(tǒng)的關(guān)鍵技術(shù)之一。識(shí)別運(yùn)動(dòng)對(duì)象的通用方法有：光流法、幀差法和背景減除算法和基于特征的方法等，其中背景減除法因?qū)崿F(xiàn)簡(jiǎn)單、方便快捷而受到廣泛應(yīng)用，但其容易受光線、天氣等外界條件變化的影響。因此，如何建立背景模型和實(shí)時(shí)更新模型參數(shù)以適應(yīng)背景變化，就顯得尤其重要。本文在對(duì)動(dòng)態(tài)實(shí)時(shí)壞境下，著重對(duì)視頻背景模型更新方法進(jìn)行了詳細(xì)研究，利用背景減除法實(shí)現(xiàn)了對(duì)運(yùn)動(dòng)物體的檢測(cè)。

1 背景算法建模

1.1 算法思想

背景建模是運(yùn)動(dòng)目標(biāo)檢測(cè)參考模型，建立有效的背景模型是背景減法的核心部分。目前，背景提取的算法有很多，主要有基于時(shí)間軸的濾波方法、基于統(tǒng)計(jì)模型的方法、非參數(shù)模型等。三幀差分法、近似中位數(shù)法是常見的兩種算法，具有算法簡(jiǎn)單、易于實(shí)現(xiàn)且效果較好的特點(diǎn)。

本文首先運(yùn)用近似中位數(shù)法獲取更新背景，但是，當(dāng)運(yùn)動(dòng)目標(biāo)的灰度與背景圖像灰度相近時(shí)，背景相減法就不能將運(yùn)動(dòng)物體有效的檢測(cè)出來，因此通過三幀差分法得到差分圖像，將差分圖像與背景減除法確定的運(yùn)動(dòng)目標(biāo)區(qū)域相結(jié)合，從而得到可靠的運(yùn)動(dòng)區(qū)域，如圖1所示。

具體步驟：

（1）采用近似中位數(shù)算法獲得運(yùn)動(dòng)場(chǎng)景的背景圖像，并將當(dāng)前圖像幀與背景圖像相減獲得運(yùn)動(dòng)物體的區(qū)域；

（2）采取三幀差分法對(duì)連續(xù)三幀的灰度圖像序列進(jìn)行絕對(duì)差運(yùn)算，將得到的兩個(gè)二值圖像進(jìn)行邏輯或運(yùn)算，并對(duì)二值圖像進(jìn)行形態(tài)學(xué)處理；

（3）將差分圖像與背景減除法確定的運(yùn)動(dòng)目標(biāo)區(qū)域進(jìn)行邏輯“或”運(yùn)算，從而得到可靠的運(yùn)動(dòng)區(qū)域；

（4）通過運(yùn)動(dòng)區(qū)域提取運(yùn)動(dòng)目標(biāo)。

1.2 近似中位數(shù)法

中位數(shù)法背景更新的假設(shè)是：在一個(gè)短時(shí)間中，視頻場(chǎng)景中的像素點(diǎn)，在經(jīng)過很多圖像序列后，處于動(dòng)態(tài)目標(biāo)上的時(shí)間小于處于背景狀態(tài)的時(shí)間，并且處于動(dòng)態(tài)目標(biāo)上的時(shí)候，其強(qiáng)度值是隨機(jī)分布的，處于背景狀態(tài)時(shí)其強(qiáng)度分布變化較小且是平緩的。

對(duì)于固定場(chǎng)景，當(dāng)運(yùn)動(dòng)物體在運(yùn)動(dòng)，且速度較快時(shí)，絕大多數(shù)時(shí)間內(nèi)人們看到的背景都是靜止的，因此圖像上某個(gè)像素點(diǎn)作為前景的時(shí)間相對(duì)作為背景的時(shí)間要短得多。因此使用中位數(shù)法能很好的進(jìn)行背景恢復(fù)。但此方法不適合同時(shí)檢測(cè)大量目標(biāo)的場(chǎng)景，如交通擁堵時(shí)的車輛檢測(cè)。

近似中位數(shù)法算法原理：在被觀測(cè)的視頻幀圖像序列中，我們等分地抽取n幀圖像（n表示中值濾波樣本數(shù)位的奇數(shù)），如果在位置（x，y）處像素處于動(dòng)態(tài)目標(biāo)上的時(shí)間小于處于背景狀態(tài)的時(shí)間，在這n幀圖像上強(qiáng)度值表示為fnx，y，在此情況下，fnx，y所有值的中值即為背景強(qiáng)度，此算法比較簡(jiǎn)單。

本文的中位數(shù)法背景建模以車道上的交通視頻監(jiān)控為例進(jìn)行的，我們選取幀間隔為4幀的9幀圖像序列，根據(jù)蘇禮坤等證明，車輛的平時(shí)時(shí)速為每小時(shí)60公里，車輛平均長(zhǎng)度為6米，當(dāng)幀間隔n>3.6時(shí)，樣本更新的視頻時(shí)間段為1.08s，在此時(shí)間段內(nèi)更新背景，可以認(rèn)為背景是沒有變化的，能夠很好地恢復(fù)背景。

1.3 三幀差分法

幀差分法是利用當(dāng)前幀圖像的像素值與前面某幀圖像的像素值進(jìn)行差分來獲得運(yùn)動(dòng)區(qū)域的，通過差值圖像可以快速檢測(cè)出差值的兩幅圖像中運(yùn)動(dòng)目標(biāo)所產(chǎn)生的運(yùn)動(dòng)范圍，如式1所示。

fi-fi-1>Ts（1）

這種方法在表示圖像變化時(shí)可轉(zhuǎn)化為一個(gè)二值圖像來表示：

fbx，y，i-1，i=1，iffix，y-fi-1x，y>T OR fbx，y，i-1，i=0（2）

fi表示第i幀的幀圖像，T是已設(shè)置的閾值，當(dāng)像素值

2 實(shí)驗(yàn)結(jié)果分析

本文以Visual C++2006、OpenCV為軟件開發(fā)工具，在PC機(jī)（Intel Pentium 3.0GHz，4GB內(nèi)存）上對(duì)一段交通監(jiān)控視頻進(jìn)行測(cè)試，處理速度為每秒30幀，視頻圖像大小為120×160像素。采用三幀法、近似中位數(shù)法、混合高斯法以及本文提出的算法進(jìn)行實(shí)驗(yàn)，檢測(cè)結(jié)果分別得以證明。

實(shí)驗(yàn)結(jié)果中依次為采用三幀差法、近似中位數(shù)法、混合高斯法和本文算法獲得的目標(biāo)結(jié)果。

從實(shí)驗(yàn)結(jié)果可以看出，三幀差法檢測(cè)結(jié)果有“雙影”現(xiàn)象且有明顯的空洞問題；近似中位數(shù)法必須在物體處于動(dòng)態(tài)上的時(shí)間小于50%時(shí)，才能夠很好的恢復(fù)背景，但檢測(cè)結(jié)果出現(xiàn)“拖影”；混合高斯法對(duì)場(chǎng)景動(dòng)態(tài)變化有較強(qiáng)的魯棒性，且能夠完整的檢測(cè)出運(yùn)動(dòng)物體，但是出現(xiàn)了明顯的陰影現(xiàn)象，以獨(dú)立點(diǎn)噪聲，且混合高斯法檢測(cè)的實(shí)時(shí)性不好；然而本文提出的算法，有效地利用了近似中位數(shù)法和三幀差法的優(yōu)勢(shì)，在目標(biāo)形體和尺度上的檢測(cè)結(jié)果較混合高斯法要好，獲得了比較完整的運(yùn)動(dòng)目標(biāo)檢測(cè)結(jié)果。

3 結(jié)論

本文針對(duì)傳統(tǒng)的視頻序列中運(yùn)動(dòng)目標(biāo)檢測(cè)算法，提出了一種新的目標(biāo)檢測(cè)算法，在背景被運(yùn)動(dòng)目標(biāo)覆蓋的平均時(shí)間小于不被運(yùn)動(dòng)目標(biāo)覆蓋的時(shí)間的條件下，該算法充分發(fā)揮了近似中位數(shù)法和三幀差分法的優(yōu)勢(shì)，能夠克服光照變化等對(duì)背景減除的影響，有效消除幀差法帶來的空洞現(xiàn)象，實(shí)驗(yàn)結(jié)果也表明，在目標(biāo)形體上，本文提出的算法檢測(cè)結(jié)果要優(yōu)于比混合高斯法。

參考文獻(xiàn)

[1]王亮，胡衛(wèi)明，譚鐵牛.人運(yùn)動(dòng)的視覺分析綜述[J].計(jì)算機(jī)學(xué)報(bào)，2002，25（3）：225-237.

[2]高輝，杜慶靈.視頻監(jiān)控系統(tǒng)中動(dòng)目標(biāo)檢測(cè)算法研究[J].計(jì)算機(jī)與數(shù)字工程，2008，36（9）：34-37.

[3]方帥，薛方正，徐心和.基于背景建模的動(dòng)態(tài)目標(biāo)檢測(cè)算法的研究與仿真[J].系統(tǒng)仿真學(xué)報(bào)，2005，17（1）：159-165.