基于改進Jung方法的實時背景提取算法

張 挺，趙向東，李文軍，柴 智

（光學與電磁輻射國防科技重點實驗室，北京 100854）

智能視頻監控系統通過對攝像機獲取的視頻圖像序列進行處理，檢測出運動目標，對異常目標自動報警。準確、實時的運動目標檢測是智能視頻監視系統的關鍵技術。

運動目標檢測的主要方法有光流法[1]、幀間差分法[2]和背景差分法[2]。光流法檢測精度高，但實現過程復雜耗時，不適用于實時目標檢測應用；幀間差分法通過對視頻相鄰圖像幀差分實現運動檢測。由于運動目標的速度和大小存在差異，且運動速度會隨時變化，因此，如果差分間隔幀數選擇不當，差分后的圖像存在較大空洞，影響檢測效果。背景差分法首先提取視頻中靜止物體圖像作為背景圖像，通過當前幀圖像和背景圖像差分運算獲取圖像中運動目標。背景差分法克服了幀間差分法需要人工選擇幀頻的缺點，同時能夠更加完整地檢測出運動目標。背景差分法的關鍵在于能否準確、快速地提取背景。針對背景提取問題，本文提出了改進的基于Jung[3]算法的背景提取算法。該算法繼承了Jung算法原理簡單、易于實現和不容易受到噪聲影響等優點，同時通過判斷相鄰圖像幀差異自適應地提高了背景更新速率。

1 背景提取算法簡介

背景差分法中已有的背景提取算法主要有多幀均值法[4]、多幀中值法[5]、Surendra背景更新算法[6]和基于混合高斯模型的背景提取算法等。

1.1 多幀均值法

多幀均值法對視頻中的k幀圖像進行平均作為背景圖像，如式（1）所示：

其中，Ii（x，y）代表采集的第 i幀中坐標（x，y）處像素值，B（x，y）代表計算出的背景圖像中坐標（x，y）處像素值。

多幀均值法運算原理簡單、速度快，但圖像每一幀的變化都會影響背景提取結果，準確度低。

1.2 多幀中值法

多幀中值法取視頻序列圖像的統計中值作為背景圖像，如式（2）所示：

其中，Ii（x，y）代表采集的第 i幀中坐標（x，y）處像素值，B（x，y）代表計算出的背景圖像中坐標（x，y）處像素值，Med表示取中值。

多幀中值法克服了均值法的缺點，對圖像變化的干擾有一定的抑制作用，但計算過程中需要對多幀像素值進行排序操作，運算速度慢。

1.3 Surendra背景更新算法

Surendra背景提取算法的思想是：對相鄰幀差分圖像進行閾值分割，保持相鄰幀變化小的區域像素值，對變化大的區域以學習率進行加權更新，更新過程描述如下。

（1）求當前幀和前一幀的差分BWk，如式（3）所示：

其中，Bk（x，y）和 BWk（x，y）分別為背景圖像和二值圖像在點（x，y）處的值，α 為更新速度因子。

Surendra背景提取算法在采用合適閾值對差分圖像進行分割的情況下具有良好的背景提取效果，但針對不同視頻分割閾值有所差異。選擇合適的固定閾值需要先驗知識，如果對每一幀差分圖像進行自適應分割，時間開銷大，不能滿足實時性要求。

1.4 混合高斯模型法

混合高斯模型法對視頻圖像幀中的像素點采用混合高斯模型建模，依據模型參數計算出背景圖像。此算法建立的背景圖像準確度高，但建模過程運算量大，很難達到實時性要求。

2 改進的基于Jung算法的背景提取算法

針對以上幾種算法的缺陷，本文提出了改進的基于Jung算法的背景提取算法。

2.1 Jung背景提取算法

Jung提出的基于迭代更新的背景圖像提取算法可以描述為：

其中 ，Bk（x，y）和 Ik（x，y）分 別表示 第 k 次迭代 后 ，背 景 圖像和當前圖像在（x，y）坐標處的像素值。

Jung算法的背景更新策略為：如果當前圖像幀像素值大于當前背景幀對應像素值，則更新后背景幀為當前背景幀對應像素值加1；否則，當前背景幀像素值減1。Jung算法的背景更新策略示意圖如圖1所示。

圖1 Jung算法的背景更新示意圖

Jung背景提取算法不容易受到背景中噪聲的影響，即使很大的噪聲也只造成背景像素一個灰度級的改變；同時該算法結構簡單，只用到加減運算，處理速度快。該算法也存在明顯的缺陷，即每幀更新變化量為1個灰度級，更新速度慢，對于背景中物體變化的適應性差。

2.2 改進的基于Jung算法的背景提取算法

為了提高Jung算法背景提取速率，本文提出一種改進的更新算法，即：

如果當前幀和當前背景幀對應像素的差值在1個灰度級內，則更新過程中不對該像素進行改變，以保持對噪聲干擾的魯棒性；當灰度差值大于1個灰度級時，為了自適應地提高更新速率，按照m個灰度級進行更新。m的取值規則可以表示為：

式（7）中定義，如果連續兩幀圖像在某一像素點數值沒有明顯變化且都與當前背景有明顯區別時，按照當前幀與背景幀的像素差對背景幀進行以更新率為α的加權更新。像素更新值m體現了當前幀與相鄰幀以及當前背景幀的差異信息。改進的算法保持了原有算法運算簡單、計算量小及對干擾的魯棒性強等優點，同時提高了算法對背景變化時的適應能力。改進算法的背景更新策略示意圖如圖2所示。

圖2 基于Jung算法的改進算法的背景更新示意圖

3 實驗結果與分析

通過對比實驗對本文提出的算法的有效性進行驗證。實驗平臺為普通PC（CPU為 Core 2 Duo@2.6 GHz，內存為2 GB），編程環境為Matlab R2009a。實驗結果如圖3和圖4所示。

圖3（a）為視頻序列中的某一幀，圖中車和人進入場景，不斷移動；圖 3（b）為通過本算法提取的背景圖像；圖3（c）為背景差分圖像，運動前景中的人和車都被完整地檢測出來。改進的Jung迭代更新算法能較好地恢復出背景圖像，同時運算效率高，能夠滿足實時性要求。本文更新率參數α=0.4。

圖4為在同一場景下5種背景提取算法得到的結果比較。使用的樣本為 PETS2001，分辨率為 350×700，選取900幀，每隔20幀抽取一幀，進行背景更新。

圖4（a）為真實的背景圖像，圖中白色小車和停在弧頂處黑色小車進入視野并長期停留成為背景一部分；圖4（b）為多幀均值法提取的背景圖像，白色小車和弧頂處黑色小車顏色較淺；圖4（c）為多幀中值法提取的背景圖像，白色小車顏色有淺有深；圖 4（d）是 Surendra算法提取的背景；圖4（e）是Jung算法提取的背景，白色小車和黑色小車都非常虛，形成了“鬼影”現象；圖 4（f）是改進的Jung算法提取的背景圖像。5種算法的用時如表1所示。

表1 5種算法用時

多幀均值法提取的背景受所有視頻幀影響，對背景中曾經處于運動狀態的物體提取不充分。多幀中值法的效果較均值法有所改善，但多種運動目標在同一區域出現影響了背景提取效果；同時中值法排序過程非常耗時，影響了算法的實時性。Surendra背景提取算法在閾值選取合適的前提下效果較好，本文通過大量實驗，選擇閾值T=10。由于Surendra算法閾值選取需要人工參與，閾值選取不同，背景提取后的效果也差別較大，同時對于不同的場景，閾值選取也不同，因此增加了背景提取的難度。Jung算法由于更新速率過慢，當背景改變較大時不能及時更新，圖中白色小車和弧頂處黑色小車提取都不充分，形成了“鬼影”現象。改進的Jung算法克服了Jung算法的缺點，在算法效果和運行速度上均取得了尚佳的表現，同時算法中沒有待定參數，也克服了Surendra算法的缺點。

本文提出了一種改進的基于Jung算法的背景提取算法，該算法充分考慮了幀間差分信息以及當前幀和背景幀信息，原理簡單、計算量小、易于實現、運算效率高且背景提取效果良好，能夠較好地處理運動前景成為背景或者背景中物體運動成為前景的情況；同時利用幀間差分信息，自適應地對背景進行更新，有效地克服了Jung算法更新速率過慢的缺陷。實驗結果表明，本文提出的算法具有良好的實用價值。

[1]LUCAS B，KANADE T.An iterative image registration technique with an application to stereo vision[C].Proceedings of DARPA IU Workshop，1981：121-130.

[2]LEE S U， CHUNG S Y， PARK R H.A comparative performance study of several global thresholding techniques for segmentation[J].Computer Vision，Graphics and Image Processing， 1990，50（2）：171-190.

[3]JUNG Y K，LEE K W，HO Y S.Content-based event retrieval using semantic scene interpretation for automated traffic surveillance[J].IEEE Transactions on Intelligent Transportion Systems， 2001，2（3）：151-152.

[4]何云，許建龍，孫樹森，等.一種改進的視頻監控背景更新算法[J].浙江理工大學學報，2010，27（4）：585-587.

[5] GLOYER B， AGHAJAN H K， SIUK Y， et al.Videobased freeway monitoring system using recursive vehicle tracking[C].Image and Video Processing， 1995： 173-180.

[6]GUPTE S， MASOUD O， MARTIN R F K.Detection and classification of vehicles[J].IEEE Transactions on Intelligent Transportation Systems， 2002，3（1）：37-40.