一種快速的前景檢測算法

易向陽 莫 林 周 贊 陳大海

（廣西大學計算機與電子信息學院，廣西 南寧 530004）

一種快速的前景檢測算法

易向陽 莫 林 周 贊 陳大海

（廣西大學計算機與電子信息學院，廣西 南寧 530004）

文章提出一種快速前景檢測算法，通過對背景差分得到的前景區域進行處理分析，能夠區分出正確的運動區域和由于光線突變而引起的運動區域。首先使用快速背景更新算法建立背景模型及分割出前景，然后提取運動區域，再對運動區域和差分圖像進行分析處理，識別出由于光線突變而引起的運動區域，最后對背景進行修正。采用該方法能準確地提取前景中的運動目標區域，同時達到了自適應背景更新的目的，并且算法實現簡單，實時性較高。

背景差分；區域分析；背景更新；前景檢測

（一）引言

近年來，隨著視頻監控的迅速發展和廣泛應用，視頻監控是對視頻場景內感興趣的區域和目標進行檢測、跟蹤、識別和預警。而前景檢測是后繼處理的基礎，制約著整個視頻監控系統穩定性、可靠性。對于視頻背景靜止不動的情況，前景檢測算法有幀差分法、背景差分法兩大類。幀差分法速度快，能準確地獲取運動目標的邊緣，但獲取的前景目標上有較多空洞，對于運動速度快的目標，檢測時會產生拖尾現象，而且無法檢測靜止目標。背景差分法是先對背景圖像進行建模，然后計算輸入幀和背景圖像之差，以檢測前景物體。這種方法相對簡單，能夠比較完整地提取運動目標，也能適應環境變化，有一定的抗干擾能力，但是這種方法對背景質量的要求較高。典型背景建模方法有平均背景法、混合高斯算法等。在背景差分法中，為了獲得準確的前景，需要對背景進行實時更新，背景更新方法關系到檢測到的前景是否準確，對前景檢測的實時性也有很大影響。

同時，前景檢測還受光照變化的影響，如路燈的突然開和閉、閃電、天氣光照、物體的陰影和反光等產生的干擾。背景更新時，有很多干擾會影響到背景更新，有些干擾會引起背景緩慢變化，如環境光線變化不大時。有些干擾會引起背景劇烈變化，如路燈的突然開啟和關閉等。對于緩慢變化，可以用背景的更新方法將這些變化融入新的背景中。而對于劇烈變化則會產生新的干擾目標。前景檢測應該判斷出背景的變化是劇烈變化還是緩慢變化，如果是劇烈變化，則要對背景進行修正，以得到準確的背景。前景檢測要識別出干擾目標區域，對干擾目標區域用背景幀像素更新背景，對非干擾目標區域用當前幀像素更新背景。

（二）快速的前景檢測算法

視頻環境的變化有緩變和突變的情況，多數情況下為緩慢變化，但也有突變，如路燈的突然開啟和關閉。背景突變時，如果不對背景模型進行修正，就不能準確地提取前景中的運動目標。為了準確地提取前景目標，本實驗提出一種新方法，能夠快速地去除背景突變時產生的干擾。

前景檢測算法流程圖如圖1所示。

圖1 前景檢測算法流程圖

1.背景減除法檢測運動前景

設當前幀圖像為 Ct(x,y)，生成的背景圖像為 Bt( x,y)，檢測到的前景圖像為 Dt(x,y)。可以采用背景差分法生成前景：計算當前幀圖像 Ct(x,y)像素與上一幀背景圖像 Bt?1(x,y)像素的差值，若差值大于閾值ε，則認為該像素是前景像素點，否則是背景像素點。

其中ε為設定的閾值，Dt(i , j)=0為背景像素，Dt(i , j)=1為前景像素。

獲得差分圖像為： Ft( i , j)=Ct(i,j)?Bt?1(i,j)，然后再把差分圖像區分出前景區和背景區：

2.自適應背景更新

由于視頻環境在不斷地變化，特別是突變的光照，會造成背景圖像的變化，所以需要及時對背景進行更新。通過當前幀圖像Ct(x,y)和前一幀生成的背景圖像 Bt?1( x,y)獲得當前幀的背景圖像，更新算法如下：

這種背景更新方法只適用于背景變化緩慢的情況，當背景變化劇烈時，必須識別出劇烈變化的區域，背景更新時，必須對這些區域進行背景修正。

3.背景修正

由于背景的光照劇烈變化，背景更新時會把這種變化誤認為是前景目標，從而造成背景更新錯誤。背景更新時必須識別出這樣的劇烈變化，并對背景進行修正。

（1）提取連通區域

在D(i,j)中檢測出一系列矩形區域 Sk,設Imax,k是區域 Sk的上邊界,Imin,k是區域Sk的下邊界，Jmax,k是區域Sk的右邊界，Jmin,k是區域 Sk的左邊界。這樣就可以計算出矩形區域 Sk的高度 Hk、寬度 Wk，也可以計算出該矩形區域內前景像素點的個數SUMk。即

矩形區域面積用像素點的個數SUMk表示：

count=0

for

(i=Imin,k,j=Jmin,k;

{

if Sk(i,j) =1 then

count=count+1;

}

SUMk=count;

（2）分析處理連通區域

光照劇烈變化，而背景還沒有及時更新時，會產生干擾運動目標。為了提高背景更新的精度，必須排除由于亮度突變產生的前景目標區域。本實驗采用像素灰度的均值對檢測到的所有前景目標進行判斷，能夠快速區分出這些區域是亮度劇烈變化產生的變化區域，還是真正運動目標區域。

1）前景目標區域處理與分析

設為Sk(i,j)中某像素的灰度值為 v( i,j)，先分別計算出該區域內像素灰度的均值μij和差分圖像背景區 Ft" ( i,j)內像素的均值μB和標準差σB。

參考均值μB是非常重要的參數，它是判斷前景目標區域是否為希望檢測的運動區域的重要依據。為使μB體現更多的背景信息，引入學習機制，對μB進行更新，即μB=α×μB+( 1－α)×μij，α為更新率，其值一般在( 0.5,1) 區間選取，實驗中α值均設定為0.8。

然后再對該前景目標區域進行逐點掃描，判別該區域Sk( i,j)內的像素是屬于背景點或前景點。判斷方法如下：

①count=0; 統計v( i,j)屬于背景點的數目；

②if | v( i,j)-μB| ＜ T1 count=count+1; 即 v( i,j)∈背景點；

③if count / SUMk＞= T2

其中，T2為分類閾值設為 0.8，分類閾值 T1設為 3σB，而Sk" ( i ,j)是正確的運動目標，而 Sk'(i,j)是亮度劇烈變化產生的變化區域，是虛假的運動目標。

2）修正背景

準確區分出需要檢測的運動目標區域和干擾產生的運動區域后，就需要把這些干擾區域的進行修正，修正的方法就是用當前幀的像素值對這些干擾區域進行更新。

若 Sk(i,j)為亮度劇烈變化產生的變化區域，則用當前幀圖像 Ct(x ,y)中的相應點像素值更新； 若 Sk(i,j)為正確的運動目標，則用背景圖像 Bt?1(x,y) 中的相應點像素值更新。

（三）實驗結果

本實驗采用C++和OpenCV 為開發工具，在Pentium(R)4 CPU為3.0GHz，內存為512MB的微型機上，提出對一段視頻進行實驗、測試，獲得處理速度為每秒15 幀。下圖是視頻序列中截取的突然開燈時，如圖（a），程序分別用無背景修正和有背景修正算法，對視頻序列進行前景檢測。無背景修正時，得到圖（b）前景，突然亮起的燈也被檢測為前景目標。而有背景修正算法時，突然亮起的燈則被正確地更新到背景中，沒有被檢測出來。可見，本文提出的算法能夠有效地適應背景光照突然變化，并能夠正確檢測出前景目標，如圖（c）。果表明該方法快速、準確，有廣泛的適用性。

（四）總結

[1] Takashi Matsuyama , Toshikazu Wada , Hitoshi Habe , et al .Background Subtraction Under Varying Illumination[C] .Systems and Computers in Japan[A] . 2006 ,37 (4) :77288.

[2] Chris Stauffer , Grimson W E L. Adaptive Background Mixture Models for Real2time Tracking[C].Computer Vision and Pat2 tern Recognition ,1999.IEEE Computer Society Conference,1999:2462252.

[3] 莫林,廖鵬,劉勛.一種基于背景減除與三幀差分的運動目標檢測算法[J].微計算機信息,2009,(12).

[4] 邱尚斌,李剛,林凌.一種新的運動目標檢測和背景更新方法[J].遼寧工學院學報,2005,(2).

[5] 鄒承明,李偉.一種改進的自適應背景更新算法[J].武漢理工大學學報,2009,(2).

TP301.6

A

1008-1151(2011)06-011-02

2011-04-01

易向陽，廣西大學計算機與電子信息學院工程碩士研究生。