改進(jìn)型ViBe算法及其在運(yùn)動(dòng)目標(biāo)提取中的應(yīng)用

摘 要：提出一種基于閾值半徑自適應(yīng)更新及陰影與鬼影檢測(cè)的改進(jìn)型ViBe算法，解決運(yùn)動(dòng)場(chǎng)景下ViBe算法的目標(biāo)提取效果易受背景高頻擾動(dòng)、攝像機(jī)抖動(dòng)、陰影、鬼影的影響問(wèn)題。算法設(shè)計(jì)中，依據(jù)當(dāng)前幀的像素點(diǎn)梯度與背景圖序列對(duì)應(yīng)像素點(diǎn)的灰度均方差設(shè)計(jì)閾值自適應(yīng)更新策略;依據(jù)背景圖在HSV空間中的像素值設(shè)計(jì)陰影去除規(guī)則;利用前景-鄰域直方圖的相似度匹配規(guī)則設(shè)計(jì)鬼影清除規(guī)則。實(shí)驗(yàn)結(jié)果表明，改進(jìn)型ViBe算法在保留原有的高效性的同時(shí)，能夠較好地消除視頻圖像中隱含的陰影和鬼影，以及抖動(dòng)對(duì)目標(biāo)提取的影響。

關(guān)鍵詞：ViBe算法;鬼影檢測(cè);陰影消除;閾值半徑自適應(yīng)更新

中圖分類(lèi)號(hào)：TP391

文獻(xiàn)標(biāo)識(shí)碼： A

運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤是動(dòng)態(tài)場(chǎng)景下運(yùn)動(dòng)目標(biāo)行為分析的關(guān)鍵問(wèn)題，也是視頻分析的重要環(huán)節(jié)，對(duì)有效提取運(yùn)動(dòng)目標(biāo)和正確分析目標(biāo)的運(yùn)動(dòng)行為具有重要的現(xiàn)實(shí)意義。已有的背景建模法種類(lèi)繁多，如幀間差分法[1]、基于關(guān)鍵點(diǎn)的建模法[2]、光流法[3]、混合高斯算法[4]、ViBe算法[5]等。ViBe算法是一種被較為廣泛采納的背景建模方法，由于其不考慮目標(biāo)運(yùn)動(dòng)速度對(duì)目標(biāo)提取效果的影響，因此相較于幀間差分法和基于關(guān)鍵點(diǎn)的建模法，獲得的噪聲模型更能恰當(dāng)反映實(shí)時(shí)場(chǎng)景的背景狀況;與此同時(shí)，相較于光流法和混合高斯算法，ViBe算法的設(shè)計(jì)思想簡(jiǎn)單、計(jì)算量小，能滿(mǎn)足實(shí)時(shí)目標(biāo)檢測(cè)的要求?？墒牵摲椒ǖ碾S機(jī)更新策略也導(dǎo)致目標(biāo)提取的效果受到鬼影、陰影、背景高頻擾動(dòng)和攝像機(jī)抖動(dòng)的影響。鬼影是因視頻初始幀存在運(yùn)動(dòng)目標(biāo)而產(chǎn)生，其對(duì)后續(xù)目標(biāo)的檢測(cè)會(huì)造成較大影響;已有研究成果中[6-8]，胡小冉[6]利用視頻幀前n幀構(gòu)建初始背景，進(jìn)而此背景進(jìn)行背景建模。該方法在背景簡(jiǎn)單情形下，運(yùn)動(dòng)目標(biāo)提取的效果較為明顯，但在當(dāng)場(chǎng)景較為復(fù)雜時(shí)其自適應(yīng)能力弱。陰影是由運(yùn)動(dòng)目標(biāo)受到光源的照射而產(chǎn)生[9-10]，其包含目標(biāo)的輪廓和位置信息，對(duì)目標(biāo)與背景分離處理會(huì)產(chǎn)生較大影響;張榮剛[11]利用視頻幀的色度信息確定候選陰影區(qū)域，并借助區(qū)域梯度閥值消除目標(biāo)提取時(shí)的陰影信息;該方法在一定條件下可獲得較好的目標(biāo)提取效果，但魯棒性差且計(jì)算量大。對(duì)于影響背景建模的高頻擾動(dòng)和攝像機(jī)抖動(dòng)抑制問(wèn)題，閔衛(wèi)東[12]提出一種自適應(yīng)動(dòng)態(tài)閾值方法來(lái)提取背景信息，但對(duì)光照的靈敏度高且較難抑制抖動(dòng)的影響;隨后，莫邵文[13]等借助時(shí)間子采樣因子的自適應(yīng)策略，利用閃爍程度矩陣設(shè)計(jì)自適應(yīng)匹配閾值方案，進(jìn)而在傳統(tǒng)ViBe算法基礎(chǔ)上獲得改進(jìn)型視覺(jué)背景提取方法，能解決抖動(dòng)問(wèn)題，但魯棒性有待提高。

綜上，盡管對(duì)ViBe算法的改進(jìn)已有一定的成果，但大多以削弱基本ViBe算法的固有特性為代價(jià)來(lái)?yè)Q取前景效果的提升，算法的魯棒性和運(yùn)行效率均有待提高。為此，本文在文獻(xiàn)[13]的算法基礎(chǔ)上，提出一種改進(jìn)型ViBe方法（Improved ViBe Approach， IViBeA）。實(shí)驗(yàn)表明，該方法能較好地消除鬼影、陰影、高頻擾動(dòng)、攝像機(jī)抖動(dòng)對(duì)背景建模的影響，使目標(biāo)提取的效果較好。

1 "基本ViBe算法的描述與分析

ViBe算法是由Barnich等[14]于2011年提出的一種基于像素級(jí)的背景建模方法。它相較于經(jīng)典的基于運(yùn)動(dòng)特征的前景檢測(cè)算法，首次把隨機(jī)抽樣思想和鄰域傳播機(jī)制引入到背景建模和更新中。 由于它利用視頻序列的第一幀初始化背景模型，所以具有很高的實(shí)時(shí)性和魯棒性[15]。算法的描述如下：

2 IViBeA的設(shè)計(jì)與描述

ViBe算法的隨機(jī)抽樣和無(wú)記憶的背景灰度值更新策略使得它獲得的前景效果較好[16-18]，可是鬼影、陰影、背景高頻擾動(dòng)和攝像機(jī)抖動(dòng)現(xiàn)象制約著其廣泛應(yīng)用。針對(duì)于此，圍繞閾值半徑R的自適應(yīng)性以及鬼影和陰影的清除問(wèn)題提出改進(jìn)策略。具體如下：

（1）閾值半徑的自適應(yīng)性

在背景高頻擾動(dòng)及攝像機(jī)抖動(dòng)場(chǎng)景下，如果當(dāng)前灰度圖中像素點(diǎn)的鄰域半徑R保持不變，則從該圖中提取的前景必包含多個(gè)噪聲點(diǎn)，從而影響前景提取的效果。另一方面，背景的復(fù)雜程度也影響R的設(shè)置;若背景較復(fù)雜，則R需取較大的值，反之則需取較小值。因此，R的取值應(yīng)隨著當(dāng)前場(chǎng)景的變化而作自適應(yīng)調(diào)整。在此，將當(dāng)前灰度圖中像素點(diǎn)（x，y）的梯度信息Grad（x，y）和K個(gè)背景圖在像素點(diǎn)（x，y）處像素值的均方差σ（x，y）加權(quán)來(lái)刻畫(huà)當(dāng)前灰度圖在該點(diǎn)處的背景復(fù)雜程度，即

（2） 陰影檢測(cè)

在動(dòng)態(tài)場(chǎng)景下的目標(biāo)檢測(cè)中，陰影通常是在光源較強(qiáng)下由目標(biāo)形成的偽目標(biāo)區(qū)域，在目標(biāo)提取時(shí)常與目標(biāo)一起被提取，因此設(shè)計(jì)陰影去除策略顯得尤為重要?；谏鹊年幱皺z測(cè)是目前應(yīng)用最廣的方法，如文獻(xiàn)[19]利用陰影在HSV空間中具有穩(wěn)定的特征，得到當(dāng)前幀圖像的陰影在所在區(qū)域內(nèi)每個(gè)像素點(diǎn)處的色度H、飽和度S、亮度V之和小于背景圖像中對(duì)應(yīng)點(diǎn)的色調(diào)h、飽和度s、亮度v之和的結(jié)論?；诖?，引入檢測(cè)當(dāng)前幀的像素點(diǎn)是否為陰影點(diǎn)的規(guī)則，即若當(dāng)前幀中位置（x，y）處的H、S、V的平方和小于K個(gè)背景圖中對(duì)應(yīng)點(diǎn)的平均色度h-、平均飽和度s-和平均亮度v-的平方和，以及當(dāng)前幀位置（x，y）處的亮度V在[av-，v-]內(nèi)，則當(dāng)前幀中像素點(diǎn)（x，y）為陰影點(diǎn)，否則則為前景點(diǎn)。在此，a為陰影調(diào)節(jié)因子且0.5≤alt;1。

（3）鬼影檢測(cè)

基本的ViBe算法中并未涉及鬼影去除的方法，因而不能及時(shí)、有效地去除鬼影。文獻(xiàn)[20]利用當(dāng)前幀的前景區(qū)域與前第n幀的同一位置的前景區(qū)域的顏色直方圖來(lái)檢測(cè)鬼影，可以較好地識(shí)別鬼影，但需保存額外的n幀信息且沒(méi)有采取有效的鬼影消除手段，致使鬼影存在的區(qū)域?qū)罄m(xù)目標(biāo)檢測(cè)造成影響。在此，通過(guò)前景-鄰域直方圖的相似度匹配方式檢測(cè)鬼影是否存在，進(jìn)而利用鬼影區(qū)域?qū)Ρ尘澳Ｐ瓦M(jìn)行二次更新。具體而言，假設(shè)當(dāng)前幀中有m個(gè)前景區(qū)域， F1， F2，…， Fm; 區(qū)域Fk的最小矩形框設(shè)為Bk，在Bk中去除Fk之后獲得的區(qū)域用Gk表示（在此，稱(chēng)為鄰域）。于是，鬼影檢測(cè)規(guī)則是：若Fk和Gk依次對(duì)應(yīng)的直方圖的相似度大于閾值T，則前景區(qū)域Fk為鬼影，否則則為前景。圖1～2給出了前景-鄰域的直方圖分布。

以上算法中，通過(guò)步5.1給每個(gè)像素點(diǎn)i設(shè)定一個(gè)自適應(yīng)閾值半徑，使其能夠適應(yīng)各種復(fù)雜場(chǎng)景，增強(qiáng)算法的魯棒性，同時(shí)在算法中加入鬼影和陰影檢測(cè)策略，避免了后續(xù)處理中對(duì)圖像整體的遍歷，可極大削減計(jì)算量。

3 數(shù)值實(shí)驗(yàn)

本實(shí)驗(yàn)在Windows7（CPU/3.70 GHz，RAM/4GB）/python3.6/OpenCV 3.4環(huán)境下進(jìn)行。為檢測(cè)以上算法在視頻幀出現(xiàn)背景高頻擾動(dòng)及攝像機(jī)抖動(dòng)和含有陰影、鬼影情形下是否能有效提取運(yùn)動(dòng)目標(biāo)，選取參與比較的算法包括三幀差法、GMM和ViBe算法。測(cè)試樣本為4組開(kāi)源視頻（A1：PETS2006; A2： Canoe; A3： Traffic; A4： Weizeman），如下圖3所示。參與比較的算法的參數(shù)設(shè)置與相應(yīng)文獻(xiàn)的參數(shù)設(shè)置相同;IViBeA的參數(shù)設(shè)置是：背景模型數(shù)N=20， 背景更新概率p=1/16，匹配閾值σ=2，初始半徑閾值R0=35，背景復(fù)雜度閾值H=20，陰影檢測(cè)因子a=0.65，鬼影檢測(cè)閾值T=0.8。

（1）算法比較分析

在圖3的視頻序列中，視頻序列（a）的場(chǎng)景為交通車(chē)輛場(chǎng)景，場(chǎng)景中攝像機(jī)存在抖動(dòng);視頻序列（b）為公園小湖中劃船場(chǎng)景，場(chǎng)景中存在水紋;視頻序列（c）為室內(nèi)商場(chǎng)場(chǎng)景，運(yùn)動(dòng)目標(biāo)隨帶有陰影;視頻序列（d）為視頻第一幀包含運(yùn)動(dòng)目標(biāo)的場(chǎng)景。依據(jù)本文要處理的問(wèn)題，分析以上視頻是否存在攝像機(jī)抖動(dòng)現(xiàn)象、背景高頻擾動(dòng)、陰影和鬼影。將以上四種算法依次作用于視頻序列（a）～（d）， 各算法獲得每種視頻的目標(biāo)提取效果圖（Traffic第715幀、Canoe第868幀、PEST2006第109幀、Winzeman中daria_walk的第18幀）如圖4所示。

借助圖3的視頻序列，圖4表明，以上四種算法獲得的目標(biāo)提取效果有明顯差異。雖然三幀差法對(duì)光照不敏感且處理速度快，但獲取目標(biāo)的信息量較少，僅能獲取目標(biāo)的輪廓信息，因此僅適用于背景較為簡(jiǎn)單的場(chǎng)景且要求運(yùn)動(dòng)目標(biāo)的運(yùn)動(dòng)速度快。相較于此方法，GMM、ViBe、IViBeA具有明顯優(yōu)勢(shì);GMM能較完整地提取目標(biāo)信息，不會(huì)存在鬼影現(xiàn)象，但對(duì)光照敏感且較難清除陰影，不適用于存在背景高頻擾動(dòng)及攝像機(jī)抖動(dòng)的場(chǎng)景;ViBe能較為完整地提取目標(biāo)信息且有一定的陰影去除能力，但對(duì)噪聲干擾較大的信息較難清除，且也不能及時(shí)去除鬼影;IViBeA不僅具有GMM、ViBe的優(yōu)點(diǎn)，而且對(duì)于干擾較大的噪聲具有強(qiáng)的抑制能力，能夠及時(shí)檢測(cè)出陰影和鬼影，適用于現(xiàn)實(shí)環(huán)境中的多種場(chǎng)景。

4 結(jié)論

為了解決ViBe算法應(yīng)用于運(yùn)動(dòng)目標(biāo)提取易受背景高頻擾動(dòng)、攝像機(jī)抖動(dòng)、陰影及鬼影影響的問(wèn)題，本文在分析ViBe算法存在的缺陷基礎(chǔ)上，提出一種改進(jìn)型ViBe算法。該算法利用自適應(yīng)閾值增強(qiáng)算法對(duì)環(huán)境的適應(yīng)能力，可有效消除背景高頻擾動(dòng)和攝像機(jī)抖動(dòng)對(duì)目標(biāo)提取的影響。針對(duì)前景中包含陰影或鬼影的問(wèn)題，在檢測(cè)出前景點(diǎn)基礎(chǔ)上，結(jié)合陰影點(diǎn)在HSV空間的分布情況，設(shè)計(jì)一種陰影檢測(cè)策略，并在消除陰影后利用前景-鄰域直方圖相識(shí)度匹配及背景二次更新策略消除陰影和鬼影對(duì)目標(biāo)提取的影響。實(shí)驗(yàn)結(jié)果表明，以上改進(jìn)型ViBe算法能有效抑制背景高頻擾動(dòng)、攝像機(jī)抖動(dòng)、陰影與鬼影對(duì)目標(biāo)提取的影響。

參考文獻(xiàn)：

[1]唐佳林， 李熙瑩， 羅東華，等. 一種基于幀差法的夜間車(chē)輛檢測(cè)方法[J]. 計(jì)算機(jī)測(cè)量與控制， 2008， 16（12）： 1811-1813.

[2]魏洪峰，韓志艷.運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤[J].渤海大學(xué)學(xué)報(bào)（自然科學(xué)版），2017，38（4）：370-377.

[3]楊葉梅. 基于改進(jìn)光流法的運(yùn)動(dòng)目標(biāo)檢測(cè)[J]. 計(jì)算機(jī)與數(shù)字工程， 2011， 39（9）： 108-110.

[4]焦波， 李國(guó)輝， 涂丹，等. 一種用于運(yùn)動(dòng)目標(biāo)檢測(cè)的快速收斂混合高斯模型[J]. 中國(guó)圖象圖形學(xué)報(bào)， 2008， 13（11）： 2139-2143.

[5]Yu Y， Cao M， Yue F. EVibe：An improved Vibe algorithm for detecting moving objects[J]. Chinese Journal of """"Scientific Instrument， 2014， 35（4）：924-931.

[6]胡小冉， 孫涵. 一種新的基于ViBe的運(yùn)動(dòng)目標(biāo)檢測(cè)方法[J]. 計(jì)算機(jī)科學(xué)， 2014， 41（2）： 149-152.

[7]陳亮， 陳曉竹， 范振濤. 基于Vibe的鬼影抑制算法[J]. 中國(guó)計(jì)量大學(xué)學(xué)報(bào)， 2013， 24（4）： 425-429.

[8]金標(biāo)， 胡文龍. 基于邊緣相似性的背景差鬼影判別方法[J]. 計(jì)算機(jī)工程， 2011， 37（11）：1-3.

[9]Leone A， Distante C. Shadow detection for moving objects based on texture analysis[J]. Pattern Recognition， 2007， 40（4）：1222-1233.

[10]付萍， 方帥， 徐心和，等. 視頻監(jiān)控系統(tǒng)中運(yùn)動(dòng)目標(biāo)檢測(cè)的陰影去除方法[J]. 計(jì)算機(jī)工程， 2007， 33（10）：22-24.

[11]張榮剛， 顧強(qiáng). 基于ViBe的動(dòng)態(tài)目標(biāo)檢測(cè)算法優(yōu)化[J]. 機(jī)械與電子， 2017， 35（4）： 21-26.

[12]閔衛(wèi)東， 郭曉光， 韓清. 改進(jìn)的ViBe算法及其在交通視頻處理中的應(yīng)用[J]. 光學(xué)精密工程， 2017， 25（3）： 806-811.

[13]莫邵文， 鄧新蒲， 王帥，等. 基于改進(jìn)視覺(jué)背景提取的運(yùn)動(dòng)目標(biāo)檢測(cè)算法[J]. 光學(xué)學(xué)報(bào)， 2016（6）： 196-205.

[14]Su Y， Li A. Improved visual background extractor model for moving objects detecting algorithm[J]. Journal of Computer-Aided Design amp; Computer Graphics， 2014， 26（2）：232-240.

[15] Zhu Z， Chi C， Zhao Y. Multi-scale based enhanced ViBe for background modeling[J]. Journal of Beijing Jiaotong University， 2015， 39（2）：1-6.

[16]吳珍榮， 毛征， 曲勁松，等. 一種改進(jìn)的快速目標(biāo)檢測(cè)算法[J]. 中國(guó)科技論文， 2013， 8（4）： 327-329.

[17]Wang H， Song J X. Threshold based adaptive vibe target detection algorithm[J]. Computer Science， 2015， 42（6A）：154-157.

[18]Sun S， Qin Y， Xianbing M A. ViBe foreground detection algorithm and its improvement with morphology post-processing for outdoor scene[J]. Computer Engineering amp; Applications， 2013， 49（10）：159-162.

[19]徐柱. 運(yùn)動(dòng)目標(biāo)檢測(cè)與陰影消除的研究[D]. 蘇州：江蘇大學(xué)， 2010.

[20]吳亮， 周東翔， 范才智， 等.基于直方圖匹配的鬼影檢測(cè)算法[J]. 計(jì)算機(jī)工程與科學(xué)， 2008（7）：57-60.

（責(zé)任編輯：曾 晶）