基于改進(jìn)ViBe算法的動(dòng)態(tài)目標(biāo)檢測(cè)

肖紅軍 白冰鑫

開發(fā)設(shè)計(jì)

基于改進(jìn)ViBe算法的動(dòng)態(tài)目標(biāo)檢測(cè)

肖紅軍 白冰鑫

（佛山科學(xué)技術(shù)學(xué)院，廣東 佛山 528225）

針對(duì)傳統(tǒng)ViBe算法在動(dòng)態(tài)目標(biāo)檢測(cè)過程中出現(xiàn)鬼影的問題，提出一種改進(jìn)ViBe算法。利用連續(xù)多幀圖像代替原有單幀圖像進(jìn)行與、或運(yùn)算獲取背景模型；加入Otsu算法，計(jì)算ViBe算法和Otsu算法的前景置信度，并對(duì)Otsu算法前景置信度設(shè)置衰減因子，雙重判定并計(jì)算圖像最佳分割閾值來代替?zhèn)鹘y(tǒng)閾值。實(shí)驗(yàn)結(jié)果表明：改進(jìn)ViBe算法具有良好的魯棒性。

ViBe算法；Otsu算法；去除鬼影；目標(biāo)檢測(cè)

0 引言

運(yùn)動(dòng)目標(biāo)檢測(cè)是機(jī)器視覺的一個(gè)熱門方向，廣泛應(yīng)用于智能交通、航空航天、軍事安防等領(lǐng)域。常用的運(yùn)動(dòng)目標(biāo)檢測(cè)方法有光流法[1]、幀差法[2]和背景差分法[3]。光流法可在動(dòng)態(tài)背景下獲取大量的運(yùn)動(dòng)信息，但抗噪性較差、計(jì)算復(fù)雜，且受硬件影響較大。幀差法算法簡(jiǎn)單、計(jì)算快，但易產(chǎn)生空洞現(xiàn)象，導(dǎo)致目標(biāo)信息獲取不完整。背景差分法簡(jiǎn)單、應(yīng)用方便，但對(duì)外部環(huán)境變化較敏感，對(duì)更新背景模型策略依賴性高。若能建立較完善的背景模型[4]，該方法在運(yùn)動(dòng)目標(biāo)檢測(cè)中具有較好表現(xiàn)，其中最具代表性的算法是GMM算法[5]和ViBe算法[6]。

GMM算法可準(zhǔn)確地檢測(cè)目標(biāo)，但計(jì)算復(fù)雜、工程量大且光敏度較差。ViBe算法是一種像素級(jí)視頻背景建模算法[7]，僅占用較少的硬件內(nèi)存空間，且樣本衰減較為明顯。本文利用ViBe算法提取運(yùn)動(dòng)目標(biāo)，但在檢測(cè)過程中會(huì)出現(xiàn)鬼影區(qū)域。針對(duì)這一關(guān)鍵難題，眾多學(xué)者提出多種改進(jìn)方案。文獻(xiàn)[8]提出一種結(jié)合Surendra算法快速更新背景多次迭代的方法對(duì)ViBe算法進(jìn)行改進(jìn)，得到純凈背景，但多次迭代增加了算法復(fù)雜度，實(shí)時(shí)性較差；文獻(xiàn)[9]利用ViBe前景檢測(cè)算法提取前景輪廓，結(jié)合粒子濾波檢測(cè)目標(biāo)，提高了算法精度，但運(yùn)算量大，動(dòng)態(tài)背景下實(shí)時(shí)性差；文獻(xiàn)[10]采用三幀差分結(jié)合邊緣檢測(cè)方法對(duì)傳統(tǒng)ViBe算法進(jìn)行改進(jìn)，將視頻幀的前50幀作為樣本集來獲取背景模型，消除鬼影區(qū)域，算法較簡(jiǎn)單，但背景模型建立效率不高且場(chǎng)景存在局限性；文獻(xiàn)[11]采用改進(jìn)的平均背景法獲得真實(shí)背景，對(duì)其進(jìn)行樣本初始化，利用ViBe算法結(jié)合形態(tài)學(xué)，可有效消除鬼影；文獻(xiàn)[12]利用前景和鄰域背景，設(shè)立直方圖相似度匹配閾值，在YCbCr空間結(jié)合CLBP算子提取紋理特征，該方法檢測(cè)精度高、錯(cuò)分率低，能夠快速消除鬼影干擾。

本文針對(duì)傳統(tǒng)ViBe算法首幀背景建模及固定閾值方法易造成鬼影的問題提出十幀與、或建模法；并加入Otsu算法，計(jì)算ViBe算法和Otsu算法的前景置信度，獲取背景與前景類間方差最大的最優(yōu)分割閾值，代替?zhèn)鹘y(tǒng)ViBe算法固定閾值。

1 ViBe算法

ViBe算法由BARNICH O等學(xué)者在2009年提出，是一種像素級(jí)視頻幀適用于眾多環(huán)境的算法[7]。該算法的具體思想：算法為視頻幀中每個(gè)像素點(diǎn)存儲(chǔ)一個(gè)樣本集，其中這一像素點(diǎn)在過去所在的像素值以及該點(diǎn)周邊的像素值組成該樣本集中的采樣值；通過隨機(jī)性背景更新和鄰域擴(kuò)散的特點(diǎn)更新背景樣本。在建立背景模型時(shí)，參照相近像素值的空間相似性[9]，效率較高。

背景模型初始化即對(duì)一個(gè)像素點(diǎn)建立模型樣本值，樣本值的選擇具有隨機(jī)性。樣本值為該像素點(diǎn)的鄰邊像素值，模型公式為

當(dāng)樣本個(gè)數(shù)大于閾值時(shí)，像素點(diǎn)為背景點(diǎn)；反之為前景點(diǎn)。

圖1 ViBe算法前景檢測(cè)

由式(3)可知，背景更新與時(shí)間無關(guān)。

傳統(tǒng)ViBe算法在創(chuàng)建背景模型時(shí)，僅使用視頻幀的第1幀圖像。如果第1幀圖像存在1個(gè)原本靜止的目標(biāo)，建立背景模型時(shí)，會(huì)將該靜止目標(biāo)覆蓋的區(qū)域錯(cuò)誤地檢測(cè)為背景區(qū)域，在接下來的背景更新中很難消除，即鬼影區(qū)域[4]。而前景檢測(cè)過程中采用固定閾值判別目標(biāo)的方法，無法克服外界環(huán)境發(fā)生突變的情況。

2 改進(jìn)ViBe算法

背景模型初始化：改進(jìn)ViBe算法采用十幀與、或運(yùn)算方式建立背景模型。改進(jìn)ViBe算法并未使算法復(fù)雜繁瑣，同時(shí)還提高了背景建模效率，降低錯(cuò)檢現(xiàn)象的發(fā)生。

在樣本初始化階段，選取由第1幀開始后的連續(xù)10幀圖像作為樣本集

通過上述操作，獲得背景模型。

Otsu算法、自適應(yīng)分割閾值算法、迭代閾值算法等是常用的圖像閾值分割算法。其中，Otsu算法被認(rèn)為是圖像分割閾值選取中較為出色的算法，又稱為最大類間方差法。在圖像分割閾值選取的算法中，其在直方圖上根據(jù)灰度特性，計(jì)算類間最大方差求取閾值進(jìn)行二值化分割，計(jì)算方法簡(jiǎn)單。本文前景檢測(cè)利用Otsu算法計(jì)算類間最大方差來獲取最佳分割閾值，代替?zhèn)鹘y(tǒng)固定閾值區(qū)分前景區(qū)域和背景區(qū)域的方法。

在此過程中，閾值選取十分重要，而Otsu對(duì)噪聲、光照及目標(biāo)大小十分敏感，外界條件影響會(huì)使閾值選取不合適，導(dǎo)致目標(biāo)圖像錯(cuò)檢為背景圖像。為降低Otsu誤檢率，本文采用Otsu進(jìn)行二次判別。首先，計(jì)算ViBe被判定為前景的置信度，即前景占背景模板個(gè)數(shù)比例；同時(shí)計(jì)算Otsu的前景置信度，即像素和最佳像素差的比例；然后，比較Otsu算法和ViBe算法的前景置信度。針對(duì)算法過于依賴Otsu問題，對(duì)Otsu的置信度設(shè)置衰減因子，在視頻幀數(shù)越來越大時(shí)，降低Otsu算法對(duì)改進(jìn)ViBe算法的影響。

3 實(shí)驗(yàn)結(jié)果與分析

為驗(yàn)證本文改進(jìn)ViBe算法在復(fù)雜背景下鬼影抑制的效果，分別選取PETS2006測(cè)試視頻第940幀~1040幀圖像、Highway測(cè)試視頻第660幀~760幀圖像進(jìn)行實(shí)驗(yàn)驗(yàn)證。本實(shí)驗(yàn)在Windows7操作系統(tǒng)下，使用OpenCV4.0.0的Visual Studio2015編寫運(yùn)行。本文改進(jìn)ViBe算法與傳統(tǒng)ViBe算法對(duì)比的實(shí)驗(yàn)結(jié)果如圖2所示。

在PETS2006視頻幀中，傳統(tǒng)ViBe算法在多目標(biāo)情況下未能快速準(zhǔn)確地檢測(cè)出目標(biāo)，未能準(zhǔn)確分辨前景與背景；而改進(jìn)ViBe算法因采用Otsu算法雙重判定，可及時(shí)完成背景更新，選擇最優(yōu)閾值，準(zhǔn)確去除人消失后遺留的鬼影問題，且能同時(shí)檢測(cè)多目標(biāo)，檢測(cè)效果明顯，魯棒性較好。

在Highway視頻幀中，道路交通情況較為復(fù)雜，車輛的運(yùn)動(dòng)速度快導(dǎo)致目標(biāo)變化較大。723視頻幀中的車輛速度較快，車輛消失在圖像中，傳統(tǒng)ViBe算法檢測(cè)出來的目標(biāo)依舊存在鬼影，效果不佳，目標(biāo)前景車輛不完整；而改進(jìn)ViBe算法可準(zhǔn)確去除鬼影。

統(tǒng)計(jì)數(shù)值可反映算法的性能特征，本文選用召回率（recall, Re）、精確度（precision, Pre）、誤匹配率（percentage of bad classifications, PBC）、真負(fù)率（specificity, SP）、誤檢率（false positive rate, FPR）、漏檢率（false negative rate, FNR）、綜合評(píng)價(jià)指標(biāo)（F-measure, FM）作為算法的評(píng)價(jià)指標(biāo)。

通過對(duì)PETS2006及Highway測(cè)試視頻幀的評(píng)價(jià)指標(biāo)計(jì)算，得到改進(jìn)ViBe算法的性能評(píng)價(jià)指標(biāo)，并與傳統(tǒng)ViBe算法比較，評(píng)價(jià)結(jié)果如表1、表2所示。

表1 PETS2006視頻幀下算法的性能指標(biāo)評(píng)價(jià)結(jié)果

表2 Highway視頻幀下算法的性能指標(biāo)評(píng)價(jià)結(jié)果

算法的評(píng)價(jià)指標(biāo)一般主要看Re，Pre和FM 3個(gè)指標(biāo)。其中，Re是衡量檢測(cè)前景像素點(diǎn)覆蓋有效點(diǎn)的標(biāo)準(zhǔn)；Pre表示前景像素分割的精準(zhǔn)度；FM是衡量算法性能的整體性指標(biāo)。從表1、表2可以看出：本文改進(jìn)ViBe算法的主要3個(gè)指標(biāo)都優(yōu)于傳統(tǒng)ViBe算法；傳統(tǒng)ViBe算法對(duì)運(yùn)動(dòng)目標(biāo)狀態(tài)改變的適應(yīng)能力存在一定缺陷，而改進(jìn)ViBe算法可獲得更好的數(shù)據(jù)指標(biāo)，抑制孤立的噪聲點(diǎn)。

4 結(jié)語(yǔ)

傳統(tǒng)ViBe算法圖像幀初始化導(dǎo)致動(dòng)態(tài)目標(biāo)在動(dòng)態(tài)背景干擾下易產(chǎn)生鬼影區(qū)域，且檢測(cè)運(yùn)動(dòng)狀態(tài)時(shí)的拖影現(xiàn)象較為嚴(yán)重。針對(duì)這些問題，本文提出以連續(xù)多幀圖像代替原有單幀圖像進(jìn)行與、或運(yùn)算獲取完整的背景模型；然后加入Otsu算法，計(jì)算ViBe算法和Otsu算法的前景置信度，并對(duì)Otsu置信度設(shè)置衰減因子，雙重判定并計(jì)算出圖像最佳分割閾值。實(shí)驗(yàn)結(jié)果表明：在動(dòng)態(tài)環(huán)境下，改進(jìn)ViBe算法可很好地去除鬼影、抑制拖影現(xiàn)象，具有良好的魯棒性。由于本文算法以連續(xù)多幀圖像獲取背景模型，當(dāng)圖像在緩慢移動(dòng)時(shí)，可能無法完全去除鬼影，應(yīng)用場(chǎng)景具有一定局限性。后期將會(huì)對(duì)算法作進(jìn)一步優(yōu)化。

[1] 胡瑞卿,田杰榮.基于光流法的運(yùn)動(dòng)目標(biāo)檢測(cè)算法研究[J].電子世界,2019(5):58-61.

[2] 黃金海.背景幀間差分法的移動(dòng)目標(biāo)跟蹤研究[J].中國(guó)儀器儀表,2019(1):62-65.

[3] 句建國(guó),邢進(jìn)生.基于平滑幀差法的混合高斯模型的研究與應(yīng)用[J].陜西科技大學(xué)學(xué)報(bào),2018,36(3):160-166.

[4] SEKI M, WADA T, FUJIWARA H, et al. Background subtraction based on cooccurrence of image variations[C]. Proceedings of IEEE Computer Society Conference on Computer Vision and Pattern Recognition, 2003.

[5] 李曉瑜,馬大中,付英杰.基于三幀差分混合高斯背景模型運(yùn)動(dòng)目標(biāo)檢測(cè)[J].吉林大學(xué)學(xué)報(bào)(信息科學(xué)版),2018,36(4): 414-422.

[6] BARNICH O, VAN DROOGENBROECK M. ViBe: a powerful random technique to estimate the background in video sequences[C]. 2009 IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP) , Taipei, Taiwan, 2009.

[7] BARNICH O, VAN DROOGENBROECK M. ViBe: a universal background subtraction algorithm for video sequences[J]. IEEE Transactions on Image Processing, 2011, 20(6): 1709-1724.

[8] 劉春,翟志強(qiáng).改進(jìn)的ViBe運(yùn)動(dòng)目標(biāo)檢測(cè)算法[J].傳感器與微系統(tǒng),2017,36(1):123-126.

[9] 陳霖,尤楓,胡偉.監(jiān)控場(chǎng)景中的運(yùn)動(dòng)物體提取技術(shù)研究[J].計(jì)算機(jī)工程與應(yīng)用,2015,51(22):158-162,205.

[10] 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.

[11] 馬永杰,陳夢(mèng)利,劉培培,等.ViBe算法鬼影抑制方法研究[J/OL].激光與光電子學(xué)進(jìn)展:1-11[2019-11-27].http://kns. cnki.net/kcms/detail/31.1690.TN.20190710.1524.012.html.

[12] 方嵐,于鳳芹.去除鬼影及陰影的視覺背景提取運(yùn)動(dòng)目標(biāo)檢測(cè)算法[J].激光與光電子學(xué)進(jìn)展,2019,56(13):71-78.

Dynamic Target Detection Based on Improved ViBe Algorithm

Xiao Hongjun Bai Bingxin

(Foshan University, Foshan 528225, China)

Aiming at the ghost problem of traditional vibe algorithm in dynamic target detection, this paper proposes an improved algorithm, which replaces the original single frame image with continuous multi frame image to obtain the background model by "and" or "operation; adds the Otsu algorithm, calculates the foreground confidence of vibe algorithm and Otsu algorithm, and determines the best segmentation threshold of image to replace the traditional fixed threshold. Experimental results show that the improved algorithm has good robustness.

ViBe algorithm; Otsu algorithm; removing ghosts; object detection

肖紅軍，男，1979年生，碩士生導(dǎo)師，副教授，主要研究方向：智能檢測(cè)與智能控制。E-mail:86209513@qq.com

白冰鑫，女，1995年生，碩士研究生，主要研究方向：圖像處理與智能檢測(cè)。E-mail: 934019120@qq.com

TP391.4

A

1674-2605(2020)05-0006-05

10.3969/j.issn.1674-2605.2020.05.006