復(fù)雜環(huán)境下運(yùn)動(dòng)目標(biāo)檢測(cè)的改進(jìn)算法

梁義濤,張德善

(河南工業(yè)大學(xué)信息科學(xué)與工程學(xué)院,河南鄭州450001)

復(fù)雜環(huán)境下運(yùn)動(dòng)目標(biāo)檢測(cè)的改進(jìn)算法

梁義濤,張德善

(河南工業(yè)大學(xué)信息科學(xué)與工程學(xué)院,河南鄭州450001)

針對(duì)復(fù)雜環(huán)境下運(yùn)動(dòng)目標(biāo)檢測(cè)的抗噪性能較差,提出改進(jìn)的高斯背景建模檢測(cè)算法.引入眾數(shù)法提取理想的初始背景幀,建立適合的初始高斯模型;相對(duì)于傳統(tǒng)的初始幀法和均值法,眾數(shù)法能夠在運(yùn)動(dòng)目標(biāo)存在的情況下準(zhǔn)確地提取背景圖像,為下一幀的目標(biāo)檢測(cè)提供準(zhǔn)確的參數(shù).在提取背景圖像后,為消除由于背景輕微變化而產(chǎn)生的對(duì)差分圖像的擾動(dòng)影響,還引入了膨脹和腐蝕運(yùn)算處理差分圖像,最終獲取了較為理想的運(yùn)動(dòng)目標(biāo)前景圖像.實(shí)驗(yàn)結(jié)果表明,算法能夠完整地提取運(yùn)動(dòng)目標(biāo),抗干擾能力強(qiáng),實(shí)時(shí)性好.

運(yùn)動(dòng)目標(biāo)檢測(cè);高斯背景建模;眾數(shù)法

運(yùn)動(dòng)目標(biāo)檢測(cè)是指在視頻或者圖像序列中把有價(jià)值的并且運(yùn)動(dòng)的目標(biāo)與背景區(qū)分開來、標(biāo)志出來[1],廣泛地應(yīng)用于人工智能、安全監(jiān)控、人機(jī)交互、智能機(jī)器等領(lǐng)域,是近年來理論和應(yīng)用的研究熱點(diǎn).

目前對(duì)運(yùn)動(dòng)目標(biāo)檢測(cè)的研究可分為理想環(huán)境下的研究和復(fù)雜環(huán)境下的研究.所謂理想環(huán)境是指:除了運(yùn)動(dòng)目標(biāo)運(yùn)動(dòng)外,其他的背景都靜止并且不會(huì)產(chǎn)生偽目標(biāo);在這種理想的環(huán)境下,經(jīng)常采用光流法、背景差分法和幀間差分法等傳統(tǒng)的目標(biāo)檢測(cè)方法.但是在現(xiàn)實(shí)的環(huán)境中,在絕大多數(shù)情況下背景圖像等都是不理想的,例如:環(huán)境光線的變化、樹葉的抖動(dòng)所產(chǎn)生的偽目標(biāo)以及背景中物體的陰影等因素的影響,對(duì)于復(fù)雜環(huán)境下運(yùn)動(dòng)目標(biāo)的研究,已經(jīng)成為現(xiàn)今的研究熱點(diǎn).這一領(lǐng)域的檢測(cè)算法有很多種,如:文獻(xiàn)[2]提出了幀間差分與背景差分相結(jié)合的算法;文獻(xiàn)[3]提出五幀差分與背景差分的結(jié)合算法;文獻(xiàn)[4]提出高斯背景建模與背景差分的結(jié)合算法;文獻(xiàn)[5-9]利用高斯背景模型檢測(cè)目標(biāo)等.

對(duì)于背景差分來說,首先要做的就是初始背景的選取,初始背景的選取直接影響下一步的檢測(cè)效果.如果初始背景提取準(zhǔn)確,根據(jù)遞推原理,后面的目標(biāo)檢測(cè)在準(zhǔn)確性上也會(huì)提高,所以初始背景幀的選取在整個(gè)背景建模過程中是非常重要的.本文引入眾數(shù)法來提取初始背景幀,進(jìn)而建立高斯模型,為下一幀準(zhǔn)確的判斷背景和前景提供支持;背景中會(huì)含有輕微擾動(dòng)的對(duì)象,如樹枝、樹葉的搖動(dòng),擾動(dòng)部分不應(yīng)被看作前景目標(biāo),針對(duì)這類噪聲,本文引入膨脹、腐蝕運(yùn)算,使得算法的抗噪性能得到進(jìn)一步改善.

1 改進(jìn)的高斯背景建模算法

背景建模也稱為背景估計(jì),其主要目的是把序列圖像的運(yùn)動(dòng)目標(biāo)檢測(cè)問題轉(zhuǎn)換為二分類問題,將所有像素劃分為背景和前景兩類,進(jìn)而對(duì)分類結(jié)果進(jìn)行處理,得到最終的檢測(cè)結(jié)果.高斯分布即正態(tài)分布,是最常見的概率分布模型,在圖像處理、模式識(shí)別、計(jì)算機(jī)視覺中經(jīng)常被用來刻畫一些隨機(jī)量的變化情況,如噪聲、特征分布、像素灰度;正態(tài)分布反映了自然界中普遍存在的有關(guān)變化量的一種統(tǒng)計(jì)規(guī)律.基于高斯分布背景模型的差分方法,在原理上通過背景的分布模型判斷一個(gè)像素點(diǎn)是否屬于背景點(diǎn),以此區(qū)分前景點(diǎn)和背景點(diǎn),前景點(diǎn)就構(gòu)成分割出來的物體.

高斯模型認(rèn)為,對(duì)于背景圖像來說,它的像素的亮度的分布滿足高斯分布,即背景圖像B(x,y)像素點(diǎn)的亮點(diǎn)滿足

式(1)中μ為均值,σ為方差.

本文在高斯背景建模的初始參數(shù)的提取方面,引入改進(jìn)的算法,讓高斯背景建模在抗干擾方面有了很好的提高.高斯背景模型的建立主要包括下面幾個(gè)過程.

1.1 初始均值和方差的提取

初始參數(shù)的提取直接影響對(duì)物體跟蹤監(jiān)測(cè)的準(zhǔn)確性.初始參數(shù)μ、σ的獲取有很多方法.

1.1.1 傳統(tǒng)的方法

(1)初始幀法

用采集到的第一幀的像素點(diǎn)的灰度值作為均值μ,將標(biāo)準(zhǔn)方差σ設(shè)為0;即

式(2)中fi(x,y)序列i幀對(duì)應(yīng)圖像像素點(diǎn)的灰度值.

(2)均值法

用公式可以表示為

式(3)中fi(x,y)表示視頻序列i幀對(duì)應(yīng)像素點(diǎn)的灰度值,n為采集的視頻幀數(shù).

用初始幀作為背景圖像,雖然方法簡(jiǎn)單,但當(dāng)初始幀中存在運(yùn)動(dòng)目標(biāo)時(shí),這種方法就會(huì)失效.而均值法雖然可以減弱運(yùn)動(dòng)目標(biāo)的影響,但提取的背景幀常會(huì)夾雜運(yùn)動(dòng)目標(biāo)的陰影.針對(duì)以上問題,本文嘗試引入眾數(shù)法進(jìn)行改進(jìn).

1.1.2 改進(jìn)的方法——眾數(shù)法 所謂眾數(shù)是指一組數(shù)據(jù)中出現(xiàn)次數(shù)最多的那個(gè)數(shù)據(jù).該算法不受個(gè)別極端數(shù)據(jù)的影響,如樹葉的擺動(dòng)、光照的突變、目標(biāo)的運(yùn)動(dòng)等因素而造成某像素點(diǎn)的個(gè)別的突變數(shù)據(jù),這些突變數(shù)據(jù)在數(shù)據(jù)集合中所占的比例要比正常數(shù)據(jù)小,采用眾數(shù)法可以消除這些數(shù)據(jù)的影響.眾數(shù)法可以統(tǒng)計(jì)出最能代表背景圖像的像素點(diǎn)的值,找到合適的背景圖像.具體做法如下:采集n幀一定時(shí)間間隔的視頻序列,統(tǒng)計(jì)這n幀圖像中出現(xiàn)次數(shù)最多的像素值作為初始背景,然后高斯分布的初始均值μ等于該初始背景的像素值,方差σ取0,公式如下:

式(4)中MODE(f1(x,y):fn(x,y))表示這n幀圖像對(duì)應(yīng)像素點(diǎn)的眾數(shù).

1.2 背景更新

隨著時(shí)間的變化,背景圖像也會(huì)發(fā)生緩慢的變化,這時(shí)要對(duì)高斯模型的均值和方差進(jìn)行不斷的更新,否則檢測(cè)效果會(huì)隨時(shí)間的變化而變得不再準(zhǔn)確.如果某一像素點(diǎn)的值為背景,則對(duì)該像素點(diǎn)的高斯模型進(jìn)行更新,更新算法可以表示為

式(5)中fi(x,y)為當(dāng)前視頻序列的像素值,μi為第i幀所計(jì)算出的均值,σi為第i幀所計(jì)算出的方差,α為更新因子,若α取值太小,會(huì)使背景模型跟不上實(shí)際場(chǎng)景背景的更新速度,若取值太大則可能將運(yùn)動(dòng)速度較慢的目標(biāo)更新為背景模型的一部分,使運(yùn)動(dòng)目標(biāo)檢測(cè)出現(xiàn)孔洞與拖尾現(xiàn)象,甚至丟失目標(biāo),如果α取1,則高斯背景模型退化為幀間差分法.本文的α取經(jīng)驗(yàn)值0.05.

1.3 目標(biāo)的檢測(cè)

根據(jù)高斯模型的原理,如果圖像的像素點(diǎn)不滿足高斯分布,則認(rèn)為是前景圖像的像素點(diǎn),否則屬于背景,公式如下

式(6)中fi(x,y)為當(dāng)前視頻序列的像素值,μi-1為前一幀所計(jì)算出的均值,σi-1為前一幀所計(jì)算出的方差.

2 腐蝕與膨脹

本文選用數(shù)學(xué)形態(tài)學(xué)中腐蝕與膨脹算法對(duì)二值的差分圖像進(jìn)行去噪處理.盡管數(shù)學(xué)形態(tài)學(xué)運(yùn)算簡(jiǎn)單,但卻可以產(chǎn)生比較理想的圖像處理效果.常見的基本運(yùn)算有膨脹、腐蝕、開啟、閉合等.腐蝕運(yùn)算能夠把比結(jié)構(gòu)元素小的物體剔除,利用尺寸不同的結(jié)構(gòu)元素可以剔除圖像中尺寸不同的噪聲對(duì)象.在二值圖像中存在的噪聲常見的特點(diǎn):零散、面積小,因此可以利用腐蝕運(yùn)算消除圖像中的噪聲區(qū)域.膨脹運(yùn)算是將與物體接觸的所有背景點(diǎn)合并到該物體中的過程,使物體的面積增大相應(yīng)數(shù)量的點(diǎn).結(jié)構(gòu)元素的選取對(duì)去噪效果非常重要,結(jié)構(gòu)元素越小對(duì)運(yùn)動(dòng)目標(biāo)的還原越有好處,但對(duì)面積較大的噪聲可能無法完全剔除.

3 實(shí)驗(yàn)與結(jié)果分析

本文采用眾數(shù)法對(duì)室外復(fù)雜環(huán)境的視頻流進(jìn)行初始背景提取,得到較為準(zhǔn)確的初始高斯模型;并且引入膨脹、腐蝕算法對(duì)背景中的噪聲進(jìn)行濾除.本文選用DM643硬件開發(fā)平臺(tái)進(jìn)行結(jié)果驗(yàn)證,平臺(tái)的軟硬件介紹參見文獻(xiàn)[10].

3.1 初始背景的提取及分析

選取20幀一定時(shí)間間隔的視頻圖像,該時(shí)間間隔為10幀.利用這20幀不連續(xù)的圖像通過初始幀法、均值法和眾數(shù)法得到初始背景圖像;通過實(shí)驗(yàn)效果進(jìn)行比較,從而驗(yàn)證眾數(shù)法的優(yōu)勢(shì).這3種方法得到的背景圖像的效果如圖1所示.

圖1 背景圖像效果Fig.1 The effect of background diagram

由圖1可知,采用初始幀法得到背景,雖然方法簡(jiǎn)單,但初始幀如果存在運(yùn)動(dòng)目標(biāo),由圖1-a中的方框可以看出:很難把圖像中的運(yùn)動(dòng)目標(biāo)過濾掉;采用均值法可以消除運(yùn)動(dòng)目標(biāo)的部分影響,但還會(huì)存在部分運(yùn)動(dòng)目標(biāo)的陰影,如圖1-b中的方框中所示.通過圖1-c的方框中可以看出,眾數(shù)法在提取背景幀時(shí)可以較好地剔除運(yùn)動(dòng)目標(biāo),得到理想的初始背景幀.綜上,本文提出的眾數(shù)法是三者中最理想的.

3.2 算法性能及分析

本文采用眾數(shù)法得到理想的初始背景,從而得到高斯模型的準(zhǔn)確的初始均值和方差;圖2-a是通過眾數(shù)法得到的初始背景圖像,圖2-b為采集到的當(dāng)前實(shí)時(shí)圖像,圖2-c顯示了目標(biāo)檢測(cè)的效果.

圖2 目標(biāo)檢測(cè)效果Fig.2 The effect of target diagram detection

通過圖2-c不難看出,運(yùn)動(dòng)目標(biāo)可以被理想地提取出來.但由于室外環(huán)境比較復(fù)雜,背景上物體的輕微擾動(dòng)(如光照發(fā)生突變、樹葉擺動(dòng)等)的情況發(fā)生時(shí),也會(huì)使這些背景點(diǎn)被錯(cuò)誤地歸類為運(yùn)動(dòng)目標(biāo)點(diǎn).這些點(diǎn)在差分圖像上常常表現(xiàn)為孤立的噪聲點(diǎn)或小范圍的干擾區(qū)域,因此要進(jìn)行去噪處理.

3.3 去噪效果及分析

膨脹腐蝕運(yùn)算的關(guān)鍵是結(jié)構(gòu)元素的選取,結(jié)構(gòu)元素過大會(huì)影響目標(biāo)的還原效果,而結(jié)構(gòu)元素過小會(huì)無法去除噪聲.本文利用2*2的結(jié)構(gòu)元素,對(duì)二值圖像進(jìn)行腐蝕,可以消除細(xì)小噪聲區(qū)域,平滑較大運(yùn)動(dòng)目標(biāo)的邊界但不明顯地改變其面積;然后再利用膨脹運(yùn)算填充運(yùn)動(dòng)目標(biāo)內(nèi)細(xì)小的空洞,還原運(yùn)動(dòng)目標(biāo)的大小.圖3、圖4分別對(duì)圖2-c進(jìn)行不同結(jié)構(gòu)元素的腐蝕和膨脹運(yùn)算.

圖3 腐蝕效果Fig.3 The effect diagram of corrosion

圖4膨脹效果Fig.4 The effect diagram of expansion

圖3、圖4中的a、b、c小圖的結(jié)構(gòu)元素大小分別為2*2、3*3、4*4.由圖3可知,利用2*2的結(jié)構(gòu)元素既可以消除零散的噪聲又不會(huì)過多地削弱運(yùn)動(dòng)目標(biāo).由圖4可以看出選取2*2的結(jié)構(gòu)元素獲得的運(yùn)動(dòng)目標(biāo)是比較理想的.

4 小結(jié)

本文以TI的多媒體DSP處理器TMS320DM643為測(cè)試平臺(tái),針對(duì)室外復(fù)雜環(huán)境下運(yùn)動(dòng)目標(biāo)檢測(cè)的效果不理想,提出改進(jìn)的高斯背景建模檢測(cè)算法.引入眾數(shù)法,消除樹葉擺動(dòng)、光照變化和運(yùn)動(dòng)目標(biāo)出現(xiàn)等因素對(duì)背景提取的影響,為初始高斯模型的準(zhǔn)確建立提供支持.將該算法的實(shí)驗(yàn)效果與常用的初始幀法和均值法進(jìn)行對(duì)比.比較結(jié)果顯示:眾數(shù)法可以消除外界影響、提取理想的背景幀.并在目標(biāo)檢測(cè)的后續(xù)步驟中加入了腐蝕和膨脹運(yùn)算,一方面消除環(huán)境噪聲的影響,提高了抗干擾能力;一方面可還原運(yùn)動(dòng)目標(biāo),保證目標(biāo)的完整性.實(shí)驗(yàn)結(jié)果證明了此方法的有效性.

在背景建模中,初始幀的選取往往要求準(zhǔn)確、快捷,眾數(shù)法比傳統(tǒng)方法有很大的優(yōu)勢(shì),但對(duì)系統(tǒng)來說還需對(duì)前n幀圖像進(jìn)行存儲(chǔ),這往往會(huì)增加系統(tǒng)負(fù)擔(dān),下一步研究的方向就是找出一種能夠利用當(dāng)前幀或者前n幀(n很小)得到理想的初始幀的方法.

[1]MAQY,NIEDD.Objectdetectionalgorithmbasedonmultipleshapetemplates[J].JournalofInformationandComputationalScience, 2014,11:2309-2315.

[2]LU G Q,YANG K H,ZHAO L L.A combined frame difference with a background subtraction algorithm of moving object detection[J].WIT Transactions on Information and Communication Technologies,2014,55:213-222.

[3]郝毫剛,陳家琪.基于五幀差分和背景差分的運(yùn)動(dòng)目標(biāo)檢測(cè)算法[J].計(jì)算機(jī)工程,2012,38(4):146-148.

[4]盧官明,謝雙.自適應(yīng)背景更新及運(yùn)動(dòng)目標(biāo)檢測(cè)算法[J].南京郵電大學(xué)學(xué)報(bào):自然科學(xué)版,2013,33(3):12-17.

[5]LI Z H,YU P B,ZHANG Q C.Gauss background modeling method based on multi-scale feature[J].Applied Mechanics and Materials,2013,385/386:1439-1442.

[6]SUN X Y,CHANG F L.Background model combining Gauss model with local binary pattern feature[J].Journal of Convergence Information Technology,2012,7(17):174-180.

[7]BAI Q C,JIN C X,YANG D L,et al.The target motion detection algorithm based on gauss mixture model[J].Communications in Computer and Information Science,2012,346:261-266.

[8]華媛蕾,劉萬軍.改進(jìn)混合高斯模型的運(yùn)動(dòng)目標(biāo)檢測(cè)算法[J].計(jì)算機(jī)應(yīng)用,2014,34(2):580-584.

[9]喻旭勇,王直杰.一種基于改進(jìn)單高斯模型的運(yùn)動(dòng)目標(biāo)提取方法[J].科學(xué)技術(shù)與工程,2013,13(13):3609-3614.

[10]LIANG Y T,ZHANG D S,WANG F,et al.Method of Multi-object detecting and tracking based on DM643[J/OL].Mathematical Problems in Engineering,2014.[2015-06-13].http://www.hindawi.com/journals/mpe/2014/365480.

（責(zé)任編輯：盧奇）

An improved algorithm of moving object detection under complex environment

LIANG Yitao,ZHANG Deshan
(School of Information Science and Engineering,Henan University of Technology,Zhengzhou 45001,China)

The effect of object detection is influenced by noise under complex environment.As a response to this issue,in the paper,an improved algorithm based on Gauss background modeling was proposed.The initial frame of ideal background was extracted by using model algorithm,which is the key for the establishment of initial Gauss model.Compared with the traditional algorithm of initial frame and average algorithm,background is extracted accurately by model algorithm under the condition of the presence of moving target,and then accurate parameters are passed to object detection of next frame.The erosion and dilation operation to eliminate noise in image was also introduced in this paper.The experiment results showed that object could be extracted accurately by using the improved algorithm based on Gauss background modeling and the performance of real-time and accuracy was improved by using this algorithm.

moving object detection;Gauss background modeling;model algorithm

TP391.41

：A

：1008-7516（2015）05-0053-05

10.3969/j.issn.1008-7516.2015.05.012

2015-06-23

國家自然科學(xué)基金(31171775);國家863計(jì)劃(2012AA101608);河南省科技攻關(guān)項(xiàng)目(142102210148)

梁義濤(1972-),男,山東肥城人,博士,教授.主要從事光電信息檢測(cè)、圖像處理圖像視頻處理及DSP實(shí)現(xiàn)研究.