基于灰度區間統計的背景自適應更新算法

羅松飛++楊兆祥

摘 要：視頻中運動目標檢測與提取是計算機自動識別技術的重要環節，如何快速且準確的提取運動目標是研究熱點。目前通常使用背景差分算法來進行運動目標檢測，而背景差分的關鍵在于背景提取的好壞和閾值設定上，并且為達到實時檢測的目的，背景還要能夠適應光照的變化而進行實時更新。針對于傳統的mode算法在背景提取時沒有考慮到統計幀的背景灰度值是波動的情況，本文提出基于灰度區間統計的背景提取算法。算法是將0～255灰度范圍進行區間劃分，判斷灰度值落在哪些區間并且統計區間的樣本個數，然后對樣本量最大的區間的樣本求平均值，從而得到初始化的背景效果圖，最后通過對樣本數據進行離散分析來自適應更新背景。

關鍵詞：背景差分 灰度區間 自適應更新

中圖分類號：TP311 文獻標識碼：A 文章編號：1672-3791（2017）09（b）-0179-02

1 傳統背景提取算法

傳統的背景提取算法總的來說有兩類：一類是時域濾波[2]，另一類是基于直方圖統計分析的方法。前者是通過建立背景模型而獲取背景，建立模型的方法由概率密度函數和估計方法的不同而不同，如單高斯模型和混合高斯模型[4]。單高斯模型適用于靜態的背景提取，無法獲取動態變化的背景。在場景比較復雜的情況下，通常要利用多個高斯分布來描述真實場景，即是混合高斯模型，混合高斯算法適用于背景變化小而快的運動目標檢測，但是它同樣也有缺點，比如對外界光照強度突然變化時比較敏感；對大而慢的目標檢測效果理想。

第二類是基于直方圖統計分析的方法，這類方法包括統計中值法、統計平均法以及mode算法[3]等。這些算法的原理都是基于概率統計的方法，利用的是運動目標在多幀圖像內某點像素出現概率比較小的條件下而初始化背景。算法簡單描述：獲取N幀圖像，將N幀圖像在點（x，y）位置處的灰度值存入到數組Arayy當中。統計中值法是對數組Arayy進行排序繼而求得數組內數據的中值，中值即為（x，y）出的背景灰度值；統計平均法是求取數組內數據的平均值，平均值即為當前背景灰度值；mode算法和統計中值法類似，但是它求取的是數組內數據的眾數，將眾數看作為背景灰度值。

從算法描述中可以看出統計平均法是將運動目標所在位置的像素值看作為噪聲，對多幀像素進行求和平均的方法來消除噪聲，這種算法優點是簡單易懂，但是受到了前景噪聲的干擾，有時背景提取的效果不理想。mode算法和中值算法在一定程度上可以消除的前景噪聲的干擾，但是mode算法沒有考慮到背景灰度值在統計時間段內因光照變化而引起的波動現象。利用mode算法提取的背景，對圖像序列在A點灰度值而進行的統計（A點是獲取背景結果中出現殘影的某一點）。從可以看到A點在0～15幀灰度值比較穩定，在15～100幀波動比較明顯，用mode算法最后得到的背景灰度值為38，與實際背景灰度值不符。基于此本文提出了基于區間統計的背景自適應算法。

2 新的背景提取算法

2.1 算法流程圖

算法流程圖如圖1所示。

2.2 算法描述

本文針對傳統的mode算法的不足之處，提出了將灰度范圍進行區間劃分的背景自適應更新算法。算法主要分為三個模塊：首先是灰度區間劃分，然后是初始化背景，最后進行背景自適應更新。

模塊一：灰度區間劃分。

為了解決背景像素點的灰度值在一定時間內出現的波動，我們把灰度值范圍進行更小的區間劃分。數字圖像的灰度值大小范圍是在0～255之間，將這個區間劃分成若干個相同大小的小區間，設置小區間長度為L，L是2的倍數且小于256，那么小區間個數為256L。所有小區間數學表示如下：

其中N的大小為。

模塊二：初始化背景。

讀取n幀視頻圖像序列，記為（），將第幀圖像在位置處的灰度值命名為，同時定義二維數組Array[i][j]，它是用來存儲落入各個區間的數據，i的值為，落入區間像素個數記為，其初始值都為0，j是存儲落入各個區間的像素灰度值，初始化背景過程如下：

判斷當時，將灰度值存入到對應區間的二維數組Array[i][j]中，并且像素個數加1，而后對所有區間的像素個數求取眾數，即

計算N_s對應區間所有灰度值的平均值，平均值即為背景灰度值，其中數組下標i等于s。

模塊三：背景自適應更新。

通過對數據的離散程度進行分析來確定如何對背景進行更新，離散程度大受到前景干擾就比較強，反之干擾就比較弱。通常用方差衡量數據的離散程度，考慮到方差計算量比較大，本文使用數據和均值差值的絕對值并求和來代替方差。其算法步驟如下：

再次獲取n幀圖像，分別計算前后n幀圖像在（x，y）處所有灰度值的均值。即

其中是新獲取n幀圖像的第j幀在（x，y）位置處的灰度值。計算前后n幀圖像的離散程度記為。

，

，

比較和的大小，若小于，則使用后n幀數據對背景進行更新。

2.3 效果圖展示與分析

本文提取了室外5min的監控視頻作為實驗數據，在matlab實驗環境下使用新的背景更新算法對視頻進行了處理。基于灰度區間統計的背景提取結果，區間大小為8，相比于傳統的mode算法，新的背景提取算法去除了一些前景噪聲干擾，背景獲取的效果比較理想。多次對背景進行自適應更新而得到的結果，從圖中可以看到背景在多次自適應更新后基本上去除了前景噪聲，此時的背景灰度值趨于穩定。

3 結語

本文提出了基于灰度區間統計的背景自適應算法，該算法不僅能夠很好解決傳統mode算法不足之處，而且本文通過對比數據的離散程度來進行背景自適應更新，從而達到自適應獲取背景的目的。在后續的使用背景差分法提取運動目標上，該算法減小了設定閾值而進行背景差分的難度，并且能夠快速準確的提取出運動目標。

參考文獻

[1] 魏志強，紀筱鵬，馮業偉.基于自適應背景圖像更新的運動目標檢測方法[J].電子學報，2005（12）：2261-2264.

[2] 李曉飛，梅中輝.一種基于直方圖統計與多幀平均混合的背景提取算法[J].南京郵電大學學報，2008（6）：74-75.

[3] 曾艷，于濂.一種新的道路交通背景提取算法及研究[J].中國圖像圖形學報，2008（13）：593-599.

[4] 劉靜，王玲.混合高斯模型背景法的一種改進算法[J].計算機工程與應用，2010（46）：168-170.endprint