基于視頻圖像序列移動(dòng)目標(biāo)的檢測(cè)與跟蹤

許向陽(yáng) 姚洪猛

摘要 針對(duì)三幀差法前景檢測(cè)時(shí)出現(xiàn)“空洞”現(xiàn)象，本文提出了一種融合三幀差法與自適應(yīng)碼本算法的前景檢測(cè)方法。首先利用三幀差法對(duì)目標(biāo)進(jìn)行前景檢測(cè)得到目標(biāo)的輪廓信息，利用自適應(yīng)碼本算法對(duì)目標(biāo)進(jìn)行前景檢測(cè)得到目標(biāo)的內(nèi)部信息。其次將檢測(cè)出目標(biāo)的輪廓信息與內(nèi)部信息作邏輯或運(yùn)算，便可以得到完整的目標(biāo)前景信息。然后利用Camshift跟蹤算法對(duì)運(yùn)動(dòng)目標(biāo)實(shí)時(shí)跟蹤，最后將運(yùn)動(dòng)目標(biāo)的輪廓和運(yùn)動(dòng)軌跡標(biāo)記出來(lái)。實(shí)驗(yàn)表明，在目標(biāo)的顏色相對(duì)比較明顯的情況下該方法具有很好的魯棒性和精確性。

【關(guān)鍵詞】空洞現(xiàn)象 三幀差法 碼本算法Camshift 算法

隨著智能監(jiān)控技術(shù)的不斷發(fā)展，能否準(zhǔn)確的檢測(cè)出視頻中移動(dòng)的目標(biāo)，對(duì)后期的目標(biāo)分析起到了很大作用。傳統(tǒng)的檢測(cè)方法有幀差法、光流法等。幀差法是一種通過(guò)圖像序列相鄰幀作差獲得移動(dòng)目標(biāo)運(yùn)動(dòng)信息的方法，該方法計(jì)算量相對(duì)較小、處理簡(jiǎn)單、對(duì)動(dòng)態(tài)場(chǎng)景有較強(qiáng)的適應(yīng)性、能夠快速有效的檢測(cè)出移動(dòng)目標(biāo)的運(yùn)動(dòng)情況，但幀差法不能提取出完整的目標(biāo)前景信息，它往往存在“空洞”現(xiàn)象;光流法計(jì)算量較復(fù)雜，既可以對(duì)目標(biāo)進(jìn)行檢測(cè)也可以對(duì)目標(biāo)進(jìn)行跟蹤，但光流法需要特定的硬件對(duì)其支持，一般很難滿足實(shí)時(shí)跟蹤的要求。

因此，本文提出一種融合三幀差法與自適應(yīng)碼本算法目標(biāo)前景檢測(cè)法，并采用質(zhì)心算法與經(jīng)典Camshift跟蹤方法相結(jié)合對(duì)該方法進(jìn)一步的驗(yàn)證。

1 三幀差法

本文基于固定場(chǎng)景下對(duì)目標(biāo)進(jìn)行檢測(cè)，為了能夠檢測(cè)到相對(duì)完整的前景信息，將目標(biāo)前景信息從目標(biāo)的輪廓信息和目標(biāo)的內(nèi)部信息兩方面分別去考慮。

為了能夠提取出完整的目標(biāo)輪廓信息，本文采用三幀差法對(duì)目標(biāo)的輪廓信息進(jìn)行提取。由于三幀差法主要檢測(cè)的是前后兩幀相對(duì)變化的部分，無(wú)法檢測(cè)出重疊的部分，導(dǎo)致檢測(cè)出的目標(biāo)具有明顯的“空洞”現(xiàn)象，但是前景卻保留了目標(biāo)的輪廓信息。

根據(jù)三幀差法的思想，首先選取圖像序列連續(xù)三幀圖像Ik-1（X，y），Ik（X，y），Ik+l（X，y），通過(guò)公式（1）、公式（2）計(jì)算出相鄰兩幀圖像的差值DSR（k，k-1）、DSRck+l，k）。再通過(guò)公式（3）、公式（4）選擇合適閾值T進(jìn)行圖像二值化處理。利用公式（5）對(duì)每一個(gè)像素點(diǎn)得到二值圖像進(jìn)行邏輯與運(yùn)算，得到中間幀圖像Ik（x，y）的二值化圖像Dk（x，y），最后將二值化圖像進(jìn)行形態(tài)學(xué)處理，提取出相對(duì)完整目標(biāo)輪廓信息。

2 碼本算法

碼本算法是Kim等提出的一種新穎的背景建模方法。為了能夠提取出目標(biāo)的內(nèi)部信息，本文采用自適應(yīng)碼本算法，通過(guò)實(shí)時(shí)更新碼本中的碼字，來(lái)建立新的碼本模型。具體步驟如下：

首先，建立背景模型。根據(jù)公式（6）、公式（7）為當(dāng)前圖像中的每一個(gè)像素點(diǎn)建立一個(gè)碼本（CB）數(shù)組，每一個(gè)碼本（CB）數(shù)組由n個(gè)碼字（CE）組成，每一個(gè)碼字是由6個(gè)元素組成的數(shù)組。

CB= {CE1，CE2，CE3，…，CEn，T}

（6）

式中：n為一個(gè)碼本中所包含的碼字?jǐn)?shù)目，當(dāng)n較小時(shí)，退化為簡(jiǎn)單背景;當(dāng)n較大時(shí)，可以對(duì)復(fù)雜背景進(jìn)行建模，T為碼本更新的次數(shù)。

式中：learnHigh和learnLow分別為更新時(shí)的學(xué)習(xí)上下界;max和mm分別為記錄當(dāng)前像素的最大值和最小值;lastUpDate為上次更新的時(shí)間;stale為陳舊時(shí)間，用來(lái)刪除很少使用的碼字。

其次，檢測(cè)像素是否更新。令當(dāng)前訓(xùn)練圖像P中的一個(gè)像素為P（x，y），背景閾值的增長(zhǎng)判定閾值為Bounds。該像素的碼本更新算法步驟如下，如圖1。

Step1：遍歷碼本中的每一個(gè)碼字，若滿足條件： leamLow<=P（x，y）<=learnHigh，則跳轉(zhuǎn)到step3;

Step2：創(chuàng)建一個(gè)新的碼字并添加到碼本數(shù)組中，將新添加的碼字的max與mm都賦值為P（x，y）、learnHigh賦值為P（x，y）+Bounds、learnLow賦值為P（x，y）-Bounds，再跳轉(zhuǎn)到step5;

Step3：更新該碼字的上次更新時(shí)間的lastUpDate，若當(dāng)前像素值P（x，y）大于該碼字的max，則將P（x，y）值賦予max;若當(dāng)前像素值P（x，y）小于該碼字的max，則將P（x，y）值賦予mm;

Step4：更新該碼字的學(xué)習(xí)上下界，以增加背景模型對(duì)于復(fù)雜背景的適應(yīng)能力。若leamHigh< P（x，y）+ Bounds，則 learnHigh +1;若leamLow> P（x，y） - Bounds，則learnLoW-l;

Step5：更新碼本中每一個(gè)碼字的時(shí)間stale，如此反復(fù)更新;

然后，前景和背景的分離。對(duì)于當(dāng)前待檢測(cè)圖像上的像素P（x，y）。遍歷它對(duì)應(yīng)像素背景模型碼本中的每一個(gè)碼字，若存在碼字使得P（x，y）< max+ maxMod并且P（x，y）>min minMod，則P（x，y）被判斷為背景，否則被判斷為前景。其中：前景的范圍上下界為minMod和maxMod。

最后，分離出的前景信息將包含大部分目標(biāo)的內(nèi)部信息，再腐蝕膨脹操作使目標(biāo)的內(nèi)部信息盡可能的全部提取出來(lái)。

3 改進(jìn)算法

針對(duì)三幀差法的對(duì)目標(biāo)前景檢測(cè)時(shí)出現(xiàn)“空洞現(xiàn)象”。本文提出一種融合三幀差法的碼本算法。主要將三幀差法與自適應(yīng)碼本算法相結(jié)合，提取出相對(duì)完整前景信息。改進(jìn)算法流程圖如圖1所示。

為了減小光照對(duì)目標(biāo)信息的提取的影響，首先對(duì)目標(biāo)是否受外界光照因素的影響進(jìn)行判斷。若是，則通過(guò)混合高斯建模，來(lái)降低光照對(duì)目標(biāo)的干擾后。再對(duì)目標(biāo)進(jìn)行前景的信息提取;若否，直接對(duì)目標(biāo)進(jìn)行前景的信息提取。然后將提取出的前景信息進(jìn)行背景差分計(jì)算后，與三幀差法提取出目標(biāo)的輪廓信息進(jìn)行或操作，來(lái)彌補(bǔ)三幀差法前景檢測(cè)時(shí)內(nèi)部“空洞”現(xiàn)象。最后，對(duì)目標(biāo)作形態(tài)學(xué)處理，使前景圖像更加清晰、完整便于后期對(duì)移動(dòng)目標(biāo)作實(shí)時(shí)跟蹤處理。

4 實(shí)驗(yàn)結(jié)果與分析

4.1 前景檢測(cè)結(jié)果與分析

實(shí)驗(yàn)在window7系統(tǒng)下，采用開(kāi)源OpenCV2庫(kù)和軟件VS2012，對(duì)移動(dòng)目標(biāo)進(jìn)行實(shí)驗(yàn)仿真。圖2（a）為室內(nèi)視頻場(chǎng)景;圖2（b）采用傳統(tǒng)的三幀差法;圖2（c）采用碼本算法;圖2（d）為本文方法。

由圖2（b）分析得：傳統(tǒng)的三幀差法經(jīng)過(guò)腐蝕膨脹可以有效的提取目標(biāo)的輪廓信息;圖2（c）分析得：碼本算法通過(guò)對(duì)背景的實(shí)時(shí)更新，有效提取了前景的內(nèi)部信息;圖2（d）分析得：本文方法能有效的提取出相對(duì)完整的前景信息，抑制外部環(huán)境對(duì)前景檢測(cè)的影響，提高了移動(dòng)目標(biāo)前景檢測(cè)的魯棒性。

4.2 跟蹤結(jié)果與分析

本文采用Camshift算法與質(zhì)心算法結(jié)合對(duì)目標(biāo)進(jìn)行跟蹤，進(jìn)一步說(shuō)明本文方法對(duì)前景檢測(cè)的優(yōu)越性。圖3為三幀差法跟蹤效果圖，圖4為本文方法跟蹤效果圖。

由圖3分析得：在采用相同的跟蹤方法下。由于三幀差法前景檢測(cè)時(shí)出現(xiàn)空洞現(xiàn)象，邊緣并不是連續(xù)的，導(dǎo)致再對(duì)目標(biāo)進(jìn)行連通區(qū)域連接時(shí)會(huì)將目標(biāo)分為多個(gè)子目標(biāo)，從而出現(xiàn)多個(gè)被標(biāo)記的目標(biāo)，導(dǎo)致標(biāo)記出現(xiàn)偏差或者多個(gè)目標(biāo)被標(biāo)記。圖4分析得：目標(biāo)在跟蹤窗口中移動(dòng)，移動(dòng)目標(biāo)運(yùn)動(dòng)的方向和路徑波動(dòng)不大。有效的解決移動(dòng)目標(biāo)遮擋問(wèn)題，當(dāng)目標(biāo)發(fā)生尺寸變化，其跟蹤窗口也隨之改變，有效避免了目標(biāo)跟蹤丟失問(wèn)題。

5 結(jié)束語(yǔ)

本文采用融合三幀差法與自適應(yīng)碼本算法的前景檢測(cè)方法。通過(guò)驗(yàn)證：該方法能夠提取出相對(duì)完整前景對(duì)象，有效解決了三幀差法前景檢測(cè)時(shí)，目標(biāo)出現(xiàn)“空洞”的問(wèn)題;該方法結(jié)合Camshift跟蹤算法，有效解決了目標(biāo)變形、遮擋時(shí)目標(biāo)跟蹤丟失的問(wèn)題;該方法結(jié)合質(zhì)心算法能夠直觀的觀察到移動(dòng)目標(biāo)的運(yùn)動(dòng)狀態(tài)和軌跡。因此，在智能監(jiān)控系統(tǒng)中，對(duì)移動(dòng)目標(biāo)進(jìn)行檢測(cè)與跟蹤分析時(shí)，本文方法可以提取相對(duì)完整的前景信息，在環(huán)境相對(duì)簡(jiǎn)單情況下，可以對(duì)目標(biāo)做到實(shí)時(shí)跟蹤處理，便于對(duì)監(jiān)控視頻中移動(dòng)目標(biāo)的內(nèi)容分析。

參考文獻(xiàn)

[1]張英，車(chē)進(jìn)，牟曉凱等，改進(jìn)的Meanshift運(yùn)動(dòng)目標(biāo)跟蹤算法[J]電視技術(shù)，201 6，40 （10）： 97-100.

[2]周同雪，朱明，視頻圖像中的運(yùn)動(dòng)目標(biāo)檢測(cè)[J].液晶與顯示，2017，32 （01）： 40-47.

[3]葉勇，管業(yè)鵬，李晶晶，基于混合高斯模型與碼本算法的前景目標(biāo)檢測(cè)[J].計(jì)算