融合背景差分法和幀間差分法的運(yùn)動(dòng)目標(biāo)檢測(cè)

陳媛，胡娜，余秋月

（武漢科技大學(xué)城市學(xué)院機(jī)電工程學(xué)部，武漢430083）

0 引言

現(xiàn)今社會(huì)人口密度越來(lái)越大，社會(huì)關(guān)系日益復(fù)雜，各種異常突發(fā)事件時(shí)有發(fā)生，從安防角度考慮，不管是企業(yè)、商場(chǎng)、學(xué)校還是小區(qū)都設(shè)置有視頻監(jiān)控。運(yùn)動(dòng)目標(biāo)的檢測(cè)是視頻監(jiān)控系統(tǒng)逐步信息化和智能化的關(guān)鍵技術(shù)之一，在當(dāng)今熱門(mén)的計(jì)算機(jī)視覺(jué)領(lǐng)域占有一席之位，相關(guān)的基礎(chǔ)研究開(kāi)展得也比較多，具有廣闊的應(yīng)用前景[1]。

運(yùn)動(dòng)目標(biāo)檢測(cè)是通過(guò)應(yīng)用計(jì)算機(jī)圖像處理方面的知識(shí)，將運(yùn)動(dòng)目標(biāo)從視頻圖像的背景中分割出來(lái)。應(yīng)用于目標(biāo)檢測(cè)的方法大致可以分為三類(lèi)：背景差分法、幀間差分法和光流法。背景差分法是將待測(cè)幀圖像與背景圖像做差，然后二值化提取前景目標(biāo)。該方法的關(guān)鍵是要建立合適的背景模型，對(duì)光照和環(huán)境的影響敏感[2]。幀間差法也是用圖像做差來(lái)檢測(cè)運(yùn)動(dòng)目標(biāo)，所選取的圖像一般是連續(xù)的或相隔的幾幀圖像。該方法原理簡(jiǎn)單，運(yùn)算方便，但是檢測(cè)出的目標(biāo)物常常輪廓不連續(xù)，內(nèi)部會(huì)出現(xiàn)“空洞”[3]。光流法是通過(guò)引入速度矢量的概念，分析圖像像素點(diǎn)的速度矢量來(lái)進(jìn)行運(yùn)動(dòng)目標(biāo)檢測(cè)的一種方法[4]。由于要分析各個(gè)像素點(diǎn)速度矢量，因此計(jì)算耗時(shí)，實(shí)時(shí)性差。本文提出一種改進(jìn)的背景差分和幀間差分相結(jié)合的運(yùn)動(dòng)目標(biāo)檢測(cè)算法，能較好地解決背景差分法對(duì)光照突變的敏感和幀間差法檢測(cè)的目標(biāo)物輪廓不完整的問(wèn)題，具有一定的魯棒性。

1 背景差分法

1.1 基本原理

背景差分法是將待測(cè)幀圖像與背景圖像做差，然后二值化提取前景目標(biāo)。用公式描述如下：

式（1）中fi(x,y)為待測(cè)幀圖像，Bi(x,y)為背景圖像，Di(x,y)為兩者的差分結(jié)果。式（2）中，通常根據(jù)經(jīng)驗(yàn)選擇恰當(dāng)?shù)拈撝礣，對(duì)差分圖像Di(x,y)做二值化處理，得到二值化圖像Ri(x,y)。當(dāng)Di(x,y)≥T時(shí)，二值化結(jié)果為1，該像素位置判定為運(yùn)動(dòng)目標(biāo)區(qū)域；當(dāng)Di(x,y)＜T時(shí)，二值化結(jié)果為0，則該像素位置判定為背景。

1.2 改進(jìn)的均值法背景建模

背景建模是背景差分法的關(guān)鍵步驟，常見(jiàn)的背景建模法有均值法、中值法、單高斯法以及混合高斯法等。本文采用方便快捷的均值法進(jìn)行背景建模。考慮到現(xiàn)實(shí)場(chǎng)景的光照突變影響，引入光照補(bǔ)償模型進(jìn)行均值法建模，具體過(guò)程如下：

第一步，將一段時(shí)間內(nèi)采集到的多幀序列圖像進(jìn)行相加再平均，將其作為初始化光照補(bǔ)償模型，記為P(x,y)。

第二步，將待測(cè)幀圖像分別與P(x,y)相加再平均，公式如下：

式（2）中，i=1,…,N，Ii(x,y)表示待檢測(cè)的第i幀序列圖像，F(xiàn)i(x,y)表示經(jīng)過(guò)光照補(bǔ)償后的第i幀序列圖像。

第三步，將光照補(bǔ)償后的新視頻序列進(jìn)行均值建模[5]，公式如下：

式（4）中B(x,y)表示背景圖像，N表示平均幀數(shù)。

完成以上步驟后，再將待測(cè)幀圖像與得到的背景圖像做差，然后對(duì)差分后的圖像進(jìn)行二值化處理。

2 幀間差分法

幀間差法是選取連續(xù)的或相隔的幾幀圖像做差分運(yùn)算來(lái)檢測(cè)運(yùn)動(dòng)目標(biāo)。本文選取相連的三幀圖像進(jìn)行檢測(cè)研究。

2.1 三幀差分法的原理

三幀差分法是選取連續(xù)的三幀圖像進(jìn)行差分，其算法思想如下[6]。

（1）選取連續(xù)的三幀圖像Ii-1(x,y)，Ii(x,y)，Ii+1(x,y)，進(jìn)行差分運(yùn)算：

（2）根據(jù)經(jīng)驗(yàn)選取適當(dāng)?shù)拈撝礣進(jìn)行二值化：

（3）進(jìn)行邏輯“與”操作：

2.2 改進(jìn)的三幀差分法

在上述第二步選取的閾值是根據(jù)經(jīng)驗(yàn)選取的，通常是一個(gè)固定值，這會(huì)使得檢測(cè)的結(jié)果有一定的誤差，對(duì)于環(huán)境變化的適應(yīng)性較差。靈活的選取閾值也成為準(zhǔn)確檢測(cè)運(yùn)動(dòng)目標(biāo)的一個(gè)關(guān)鍵因素。本文在傳統(tǒng)三幀差分法的分析基礎(chǔ)上，通過(guò)最大模糊熵法則確定最優(yōu)閾值，以進(jìn)一步提高檢測(cè)運(yùn)動(dòng)目標(biāo)的準(zhǔn)確性。

Fig. 8 illustrates a scanning electron microscopy (SEM)image of ZnS films deposited on a Si substrate (100) by 200 W RF sputtering. This image shows that our thin ZnS layer has a smooth and homogeneous surface, and reveals small grains of average size less than 50 nm.

設(shè)差分圖像X的灰度級(jí)為L(zhǎng)，大小為M×N，用xmn表示像素點(diǎn)(m,n)的灰度值。將差分圖像劃分為目標(biāo)（bright）和背景（dark）兩個(gè)模糊集，它們的隸屬度函數(shù)分別定義如下：

式中，[a,b]為模糊區(qū)間，[0,a]和[b,L-1]為非模糊區(qū)間。μbright(xmn)表示像素點(diǎn)，(m,n)屬于目標(biāo)的程度，μdark(xmn)表示像素點(diǎn)(m,n)屬于背景的程度，且μbright(xmn)+μdark(xmn)=1。當(dāng)xmn=(a+b)/2時(shí)，表明像素點(diǎn)(m,n)屬于目標(biāo)和背景的程度均為 0.5，則可選xmn=(a+b)/2為分割閾值。

灰度級(jí)小于(a+b)/2的像素屬于背景區(qū)域，灰度級(jí)大于(a+b)/2的像素屬于目標(biāo)區(qū)域。

圖像的模糊熵為：

其中：

一個(gè)事件的熵越大，則事件本身越真實(shí)。那么，如果圖像的熵越大，則目標(biāo)和背景的區(qū)分程度就越好。由此可得最優(yōu)的模糊參數(shù)aopt和bopt，以及最優(yōu)閾值(aopt+bopt)/2。

改進(jìn)后的三幀差分算法流程圖如圖1所示。

圖1 改進(jìn)三幀差分算法的流程圖

3 算法融合

將以上改進(jìn)的背景差分法和改進(jìn)的三幀差分法相結(jié)合，得到本文提出的融合背景差分和幀間差分的運(yùn)動(dòng)目標(biāo)檢測(cè)算法，其算法流程圖如圖2所示。

圖2 本文算法流程圖

4 實(shí)驗(yàn)結(jié)果與分析

為了驗(yàn)證本文算法的有效性，實(shí)驗(yàn)選取某小區(qū)進(jìn)出口的監(jiān)控視頻，視頻幀尺寸大小為352×240。本文的仿真實(shí)驗(yàn)是在OpenCV軟件完成，電腦配置為Intel Core i5-5200 CPU，2.20 GHz，內(nèi)存為 12GB，Microsoft Windows 7操作系統(tǒng)。本文分別使用改進(jìn)的背景差分法、改進(jìn)的幀間差分法和兩者融合的算法進(jìn)行實(shí)驗(yàn)，仿真結(jié)果如圖3所示。

圖3 實(shí)驗(yàn)仿真結(jié)果

圖3 （a）是原始幀圖像，圖3（b）是采用光照補(bǔ)償模型的均值背景建模的背景差分法檢測(cè)的結(jié)果，圖3（c）是采用最大模糊熵閾值分割的三幀差分法檢測(cè)的結(jié)果，圖3（d）是本文提出的將兩種算法相融合的檢測(cè)結(jié)果。由圖可知，本文所采用的融合改進(jìn)的背景差分和改進(jìn)的幀間差分算法檢測(cè)出的運(yùn)動(dòng)目標(biāo)更加清晰準(zhǔn)確，進(jìn)一步提高了檢測(cè)的有效性。

5 結(jié)語(yǔ)

本文首先介紹了背景差分的基本原理，在建立背景圖像的過(guò)程中，提出采用帶光照補(bǔ)償模型的均值法建模進(jìn)行算法改進(jìn)；然后介紹了幀間差分法中的三幀差分法，提出采用最大模糊熵閾值進(jìn)行圖像的二值化處理；最后將兩種改進(jìn)的算法進(jìn)行相融，提出了改進(jìn)的背景差分和幀間差分相融合的運(yùn)動(dòng)目標(biāo)檢測(cè)算法，在一定程度上克服了傳統(tǒng)的背景差分和幀間差分的缺點(diǎn)，能較好地檢測(cè)出運(yùn)動(dòng)目標(biāo)，具有一定的魯棒性。