基于Surendra改進(jìn)的運(yùn)動(dòng)目標(biāo)檢測(cè)算法

龍騰

（武漢科技大學(xué) 信息科學(xué)與工程學(xué)院，湖北 武漢 430081）

當(dāng)今世界科技的日新月異，智能視頻監(jiān)控系統(tǒng)在日常生活中正發(fā)揮著舉足輕重的作用，而常用到的運(yùn)動(dòng)目標(biāo)檢測(cè)則是智能視頻監(jiān)控系統(tǒng)的核心技術(shù)。常用的運(yùn)動(dòng)目標(biāo)檢測(cè)的方法有光流場(chǎng)法[1]，背景差分法，鄰幀差分法。鄰幀差分法的優(yōu)點(diǎn)是對(duì)環(huán)境要求不高，卻容易在所檢測(cè)的目標(biāo)區(qū)域出現(xiàn) “空洞”現(xiàn)象，使得到的運(yùn)動(dòng)目標(biāo)不完整；盡管光流場(chǎng)法不需場(chǎng)景的先驗(yàn)知識(shí)，但其對(duì)復(fù)雜背景檢測(cè)的穩(wěn)定性較差，計(jì)算量也較大；可以很容易的利用背景差分法分離出目標(biāo)區(qū)域，可是此法對(duì)動(dòng)態(tài)環(huán)境卻較為敏感。

針對(duì)各種常用檢測(cè)算法的優(yōu)缺點(diǎn)，為了提高檢測(cè)算法的穩(wěn)定性及準(zhǔn)確性，在實(shí)際的運(yùn)動(dòng)目標(biāo)檢測(cè)算法中常常會(huì)用到自適應(yīng)的背景更新算法，通過背景更新算法對(duì)背景圖像進(jìn)行實(shí)時(shí)更新從而得到準(zhǔn)確的背景，穩(wěn)定可靠的背景對(duì)于圖像的運(yùn)動(dòng)目標(biāo)提取起著重要作用。

1 背景建立

在背景實(shí)時(shí)更新和背景建模這方面，如今已有許多自適應(yīng)的算法：混合高斯模型法[2]，自適應(yīng)中值濾波法，統(tǒng)計(jì)平均法。

1）混合高斯模型法是基于統(tǒng)計(jì)學(xué)的一種算法，其主要思想為：連續(xù)輸入n幀圖像，先利用圖像各點(diǎn)的亮度擬合出正態(tài)分布情況，得出均值與方差，再利用這兩個(gè)參數(shù)求出置信區(qū)間，把處于置信區(qū)間的像素作為背景像素。該算法的優(yōu)點(diǎn)是可以得到較清晰的背景圖像，但背景更新速率較慢，且多高斯模型的計(jì)算量很大。

2）自適應(yīng)中值濾波算法[3]是由中值濾波算法改進(jìn)而來，其基本思想是：如果輸入的圖像像素的灰度值比原背景中處在相同位置的小，則對(duì)應(yīng)背景在該位置的像素灰度值減1，反之會(huì)加1，這樣重復(fù)做，到最后背景像素的灰度值會(huì)收斂到一個(gè)中值。可用數(shù)學(xué)表達(dá)式：

該算法的優(yōu)點(diǎn)是可以節(jié)省存儲(chǔ)空間，但實(shí)時(shí)并性較差，每次像素變化只是增減1，所以也不能檢測(cè)高速的目標(biāo)。

3）統(tǒng)計(jì)平均法，該算法能夠?qū)⒚繋瑘D像都用到背景的更新上，而且運(yùn)算較為簡(jiǎn)單，但其建立的背景準(zhǔn)確度并較低，這樣在與目標(biāo)進(jìn)行差分處理后會(huì)產(chǎn)生許多非目標(biāo)區(qū)域，會(huì)對(duì)后續(xù)的檢測(cè)與追蹤有較大影響。

針對(duì)以上算法優(yōu)缺點(diǎn)，本文提出利用Surendra[4]算法的思想對(duì)背景更新作了一些改進(jìn)：利用幀間差分法找出運(yùn)動(dòng)目標(biāo)區(qū)域，然后標(biāo)記運(yùn)動(dòng)目標(biāo)區(qū)域內(nèi)的像素，在非目標(biāo)區(qū)域的背景像素則進(jìn)行實(shí)時(shí)更新，使得目標(biāo)區(qū)域的像素就不會(huì)參與到平均運(yùn)算[5]，從而解決了統(tǒng)計(jì)平均法的弊端。

具體的步驟如下：

①將第一幀圖像作為背景，此時(shí) bk（x，y）=fk（x，y），k=1；

②與相鄰幀進(jìn)行差分處理，再選取閾值T（一般為27）進(jìn)行二值轉(zhuǎn)化：

③第二步中的g（x，y）是用來標(biāo)記運(yùn)動(dòng)目標(biāo)像素的位置，而背景更新圖像 b（x，y）：

上面公式中用到的λ是背景更新的一個(gè)系數(shù)，其大小會(huì)對(duì)背景更新的質(zhì)量和速率有所影響，當(dāng)λ偏大時(shí)，算法可以較快的適應(yīng)場(chǎng)景的一些變化，噪聲卻時(shí)常混入進(jìn)來，使得差分的結(jié)果不夠理想；當(dāng)λ偏小時(shí)，雖然背景更新速率較穩(wěn)定，卻無(wú)法滿足實(shí)時(shí)性能。因此λ大小的選擇對(duì)于算法的效果至關(guān)重要，本文中對(duì)λ取值做了一些改進(jìn)，在下面會(huì)詳細(xì)介紹。

④當(dāng)?shù)螖?shù)k=k+1，回到②，迭代的次數(shù)k可以人為設(shè)定，也可以就為輸入的幀數(shù)，迭代到最后b（x，y）的可視為需要的背景圖像。

上面算法中的用到的背景更新系數(shù)λ是一固定常數(shù)，沒法做到與背景像素相關(guān)，這樣很難對(duì)場(chǎng)景的變化有實(shí)時(shí)性效果，所以在此對(duì)系數(shù)λ作出調(diào)整，改變后的系數(shù)能夠反應(yīng)背景亮度值的變化。

此時(shí)的 λ 是與背景變化率有關(guān)的系數(shù)，當(dāng) bk-1（x，y）-fk（x，y）=0時(shí)背景像素的灰度值保持不變，λ的變化也反應(yīng)了背景像素的改變，當(dāng)λ變小時(shí)，背景更新速率相應(yīng)變慢，而當(dāng)λ增大時(shí)，背景像素的實(shí)時(shí)更新也跟著變快了，這樣就滿足了實(shí)時(shí)性的要求。

基于Surendra改進(jìn)后的背景更新算法，可以較好的反映背景像素的變化，且能很好的控制背景更新的速率，最終獲取穩(wěn)定且準(zhǔn)確的背景圖像。

2 目標(biāo)提取

將用靜止攝像機(jī)獲取的視頻序列中取兩幀用鄰幀差分法[6]獲取變化區(qū)域，利用第一節(jié)中的算法得到的背景，使其與運(yùn)動(dòng)區(qū)域圖像差分運(yùn)算得到運(yùn)動(dòng)目標(biāo)圖像，最后再對(duì)運(yùn)動(dòng)目標(biāo)進(jìn)行二值化處理。

①首先對(duì)輸入視頻序列Ak（x，y）中的每對(duì)相鄰兩幀圖像都進(jìn)行差分運(yùn)算，得到差分圖像 Uk（x，y）：

②如圖 2，將差分圖像 Uk（x，y）與背景圖像 Bk（x，y）進(jìn)行差分獲取運(yùn)動(dòng)目標(biāo) Wk（x，y）：

③最后將運(yùn)動(dòng)目標(biāo)Wk（x，y）二值化處理得到二值圖像Pk（i，j）：

在得到的二值圖像中，背景像素是灰度為0的點(diǎn)，前景像素灰度為1的像素點(diǎn)。

3 圖像后處理

噪聲的存在，使得在檢測(cè)的時(shí)候會(huì)把應(yīng)該為背景的點(diǎn)被當(dāng)成了運(yùn)動(dòng)目標(biāo)，在圖像進(jìn)行二值化后也不可避免的會(huì)出現(xiàn)一些目標(biāo)“空洞”，為了消除這些影響，需要對(duì)所獲取的二值圖像先進(jìn)行中值濾波處理，再使用3×3的結(jié)構(gòu)元素進(jìn)行開-閉運(yùn)算[7]，去除目標(biāo)“空洞”，這樣就可以無(wú)缺失的得到出運(yùn)動(dòng)目標(biāo)。

4 實(shí)驗(yàn)結(jié)果與討論

以本文所述算法為指導(dǎo)，在工作室把同學(xué)的運(yùn)動(dòng)的視頻圖像當(dāng)作對(duì)象來進(jìn)行實(shí)驗(yàn)，所用圖像格式是240×320的RGB圖像。如圖1是取自視頻圖像中的第10幀和11幀圖像。

圖1 第10、11幀圖像Fig.1 The 10、11 frame image

圖2 本文算法所得背景與運(yùn)動(dòng)區(qū)域圖像Fig.2 Background and moving regions image of this algorithm

圖3 實(shí)驗(yàn)結(jié)果圖像Fig.3 Image of experimental results

從實(shí)驗(yàn)結(jié)果如圖3可以看出幀間差分法對(duì)環(huán)境不敏感，卻在目標(biāo)區(qū)域容易產(chǎn)生“空洞”，而背景差分法可以較完整的分離出整個(gè)目標(biāo)區(qū)域，但是受到環(huán)境背景的干擾太大，本文的算法能有效去除“空洞”，得到準(zhǔn)確可靠的背景，提取完整的運(yùn)動(dòng)目標(biāo)，并且可以很容易區(qū)分出背景和運(yùn)動(dòng)區(qū)域。

5 結(jié)束語(yǔ)

在分析傳統(tǒng)的運(yùn)動(dòng)目標(biāo)檢測(cè)算法的基礎(chǔ)上，針對(duì)運(yùn)動(dòng)目標(biāo)檢測(cè)中的關(guān)鍵因素，提出基于Surendra思想的改進(jìn)的背景更新算法，得到穩(wěn)定可靠的背景，采用了鄰幀差分，背景差分，閾值分割，去噪處理，形態(tài)學(xué)運(yùn)算，實(shí)驗(yàn)結(jié)果證明，該算法能夠有效克服傳統(tǒng)單一檢測(cè)算法的缺陷，能適應(yīng)多種不確定因素性。當(dāng)然本算法也存在一定的缺陷，閾值分割時(shí)背景與目標(biāo)灰度相近會(huì)出現(xiàn)“空洞”，而檢測(cè)中必須是靜態(tài)背景（攝像機(jī)靜止），并且改進(jìn)的背景更新算法對(duì)于更復(fù)雜的場(chǎng)景所得到的效果可能會(huì)很差。我會(huì)在今后的學(xué)習(xí)研究中對(duì)這些問題作進(jìn)一步的解析與改善。

[1]FANG Yu-qiang，DAI Bin.An improved moving target detecting and tracking based on Optical Flow technique and Kalman filter[C]//Computer Science&Education，ICCSE'09.4th International Conference on，1197-1202.

[2]劉亞，艾海舟，徐光佑.一種基于背景模型的運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤算法[J].信息與控制，2008，8（31）:316-318.LIU Ya，AI Hai-zhou，XU Guang-you.A moving target detection and tracking algorithm based on background model[J].Information and Control，2002，8（31）:316-318.

[3]張旭明，徐濱士，董士運(yùn).用于圖像處理自適應(yīng)中值濾波[J].計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)報(bào)，2005，17（2）:106-108.ZHANG Xu-ming，XU Bing-shi，DONG Shi-yun.Adaptive median filter used for image processing [J].Journal of Computer-aided Design and Graphics，2005，17（2）:106-108.

[4]YU Hong-shan，WANG Yao-nan，KUANG Fei.Multi-moving targets detecting and tracking in a surveillance system[C]//Intelligent Control and Automation，2004.WCICA 2004.Fifth World Congress on，2004：5253-5257.

[5]Fred Nicolls，Gerhard de Jager.Optimality in detecting targets with unknown location[J].Signal Processing，2007（87）:841-852.

[6]劉鴻偉.數(shù)字化視頻監(jiān)控系統(tǒng)中運(yùn)動(dòng)目標(biāo)檢測(cè)關(guān)鍵技術(shù)及實(shí)現(xiàn)[D].北京:北京科技大學(xué)，2005.

[7]徐方明，盧官明.基于改進(jìn)Surendra背景更新算法的運(yùn)動(dòng)目標(biāo)檢測(cè)算法[J].山西電子技術(shù)，2009（5）:39-40.XU Fang-ming，LU Guan-ming.A moving target detection algorithm based on improved surebdra background update[J].Shan Xi Electronic Technology，2009（5）:39-40.