基于改進ViBe算法的動態目標檢測

肖紅軍 白冰鑫

開發設計

基于改進ViBe算法的動態目標檢測

肖紅軍 白冰鑫

（佛山科學技術學院，廣東 佛山 528225）

針對傳統ViBe算法在動態目標檢測過程中出現鬼影的問題，提出一種改進ViBe算法。利用連續多幀圖像代替原有單幀圖像進行與、或運算獲取背景模型；加入Otsu算法，計算ViBe算法和Otsu算法的前景置信度，并對Otsu算法前景置信度設置衰減因子，雙重判定并計算圖像最佳分割閾值來代替傳統閾值。實驗結果表明：改進ViBe算法具有良好的魯棒性。

ViBe算法；Otsu算法；去除鬼影；目標檢測

0 引言

運動目標檢測是機器視覺的一個熱門方向，廣泛應用于智能交通、航空航天、軍事安防等領域。常用的運動目標檢測方法有光流法[1]、幀差法[2]和背景差分法[3]。光流法可在動態背景下獲取大量的運動信息，但抗噪性較差、計算復雜，且受硬件影響較大。幀差法算法簡單、計算快，但易產生空洞現象，導致目標信息獲取不完整。背景差分法簡單、應用方便，但對外部環境變化較敏感，對更新背景模型策略依賴性高。若能建立較完善的背景模型[4]，該方法在運動目標檢測中具有較好表現，其中最具代表性的算法是GMM算法[5]和ViBe算法[6]。

GMM算法可準確地檢測目標，但計算復雜、工程量大且光敏度較差。ViBe算法是一種像素級視頻背景建模算法[7]，僅占用較少的硬件內存空間，且樣本衰減較為明顯。本文利用ViBe算法提取運動目標，但在檢測過程中會出現鬼影區域。針對這一關鍵難題，眾多學者提出多種改進方案。文獻[8]提出一種結合Surendra算法快速更新背景多次迭代的方法對ViBe算法進行改進，得到純凈背景，但多次迭代增加了算法復雜度，實時性較差；文獻[9]利用ViBe前景檢測算法提取前景輪廓，結合粒子濾波檢測目標，提高了算法精度，但運算量大，動態背景下實時性差；文獻[10]采用三幀差分結合邊緣檢測方法對傳統ViBe算法進行改進，將視頻幀的前50幀作為樣本集來獲取背景模型，消除鬼影區域，算法較簡單，但背景模型建立效率不高且場景存在局限性；文獻[11]采用改進的平均背景法獲得真實背景，對其進行樣本初始化，利用ViBe算法結合形態學，可有效消除鬼影；文獻[12]利用前景和鄰域背景，設立直方圖相似度匹配閾值，在YCbCr空間結合CLBP算子提取紋理特征，該方法檢測精度高、錯分率低，能夠快速消除鬼影干擾。

本文針對傳統ViBe算法首幀背景建模及固定閾值方法易造成鬼影的問題提出十幀與、或建模法；并加入Otsu算法，計算ViBe算法和Otsu算法的前景置信度，獲取背景與前景類間方差最大的最優分割閾值，代替傳統ViBe算法固定閾值。

1 ViBe算法

ViBe算法由BARNICH O等學者在2009年提出，是一種像素級視頻幀適用于眾多環境的算法[7]。該算法的具體思想：算法為視頻幀中每個像素點存儲一個樣本集，其中這一像素點在過去所在的像素值以及該點周邊的像素值組成該樣本集中的采樣值；通過隨機性背景更新和鄰域擴散的特點更新背景樣本。在建立背景模型時，參照相近像素值的空間相似性[9]，效率較高。

背景模型初始化即對一個像素點建立模型樣本值，樣本值的選擇具有隨機性。樣本值為該像素點的鄰邊像素值，模型公式為

當樣本個數大于閾值時，像素點為背景點；反之為前景點。

圖1 ViBe算法前景檢測

由式(3)可知，背景更新與時間無關。

傳統ViBe算法在創建背景模型時，僅使用視頻幀的第1幀圖像。如果第1幀圖像存在1個原本靜止的目標，建立背景模型時，會將該靜止目標覆蓋的區域錯誤地檢測為背景區域，在接下來的背景更新中很難消除，即鬼影區域[4]。而前景檢測過程中采用固定閾值判別目標的方法，無法克服外界環境發生突變的情況。

2 改進ViBe算法

背景模型初始化：改進ViBe算法采用十幀與、或運算方式建立背景模型。改進ViBe算法并未使算法復雜繁瑣，同時還提高了背景建模效率，降低錯檢現象的發生。

在樣本初始化階段，選取由第1幀開始后的連續10幀圖像作為樣本集

通過上述操作，獲得背景模型。

Otsu算法、自適應分割閾值算法、迭代閾值算法等是常用的圖像閾值分割算法。其中，Otsu算法被認為是圖像分割閾值選取中較為出色的算法，又稱為最大類間方差法。在圖像分割閾值選取的算法中，其在直方圖上根據灰度特性，計算類間最大方差求取閾值進行二值化分割，計算方法簡單。本文前景檢測利用Otsu算法計算類間最大方差來獲取最佳分割閾值，代替傳統固定閾值區分前景區域和背景區域的方法。

在此過程中，閾值選取十分重要，而Otsu對噪聲、光照及目標大小十分敏感，外界條件影響會使閾值選取不合適，導致目標圖像錯檢為背景圖像。為降低Otsu誤檢率，本文采用Otsu進行二次判別。首先，計算ViBe被判定為前景的置信度，即前景占背景模板個數比例；同時計算Otsu的前景置信度，即像素和最佳像素差的比例；然后，比較Otsu算法和ViBe算法的前景置信度。針對算法過于依賴Otsu問題，對Otsu的置信度設置衰減因子，在視頻幀數越來越大時，降低Otsu算法對改進ViBe算法的影響。

3 實驗結果與分析

為驗證本文改進ViBe算法在復雜背景下鬼影抑制的效果，分別選取PETS2006測試視頻第940幀~1040幀圖像、Highway測試視頻第660幀~760幀圖像進行實驗驗證。本實驗在Windows7操作系統下，使用OpenCV4.0.0的Visual Studio2015編寫運行。本文改進ViBe算法與傳統ViBe算法對比的實驗結果如圖2所示。

在PETS2006視頻幀中，傳統ViBe算法在多目標情況下未能快速準確地檢測出目標，未能準確分辨前景與背景；而改進ViBe算法因采用Otsu算法雙重判定，可及時完成背景更新，選擇最優閾值，準確去除人消失后遺留的鬼影問題，且能同時檢測多目標，檢測效果明顯，魯棒性較好。

在Highway視頻幀中，道路交通情況較為復雜，車輛的運動速度快導致目標變化較大。723視頻幀中的車輛速度較快，車輛消失在圖像中，傳統ViBe算法檢測出來的目標依舊存在鬼影，效果不佳，目標前景車輛不完整；而改進ViBe算法可準確去除鬼影。

統計數值可反映算法的性能特征，本文選用召回率（recall, Re）、精確度（precision, Pre）、誤匹配率（percentage of bad classifications, PBC）、真負率（specificity, SP）、誤檢率（false positive rate, FPR）、漏檢率（false negative rate, FNR）、綜合評價指標（F-measure, FM）作為算法的評價指標。

通過對PETS2006及Highway測試視頻幀的評價指標計算，得到改進ViBe算法的性能評價指標，并與傳統ViBe算法比較，評價結果如表1、表2所示。

表1 PETS2006視頻幀下算法的性能指標評價結果

表2 Highway視頻幀下算法的性能指標評價結果

算法的評價指標一般主要看Re，Pre和FM 3個指標。其中，Re是衡量檢測前景像素點覆蓋有效點的標準；Pre表示前景像素分割的精準度；FM是衡量算法性能的整體性指標。從表1、表2可以看出：本文改進ViBe算法的主要3個指標都優于傳統ViBe算法；傳統ViBe算法對運動目標狀態改變的適應能力存在一定缺陷，而改進ViBe算法可獲得更好的數據指標，抑制孤立的噪聲點。

4 結語

傳統ViBe算法圖像幀初始化導致動態目標在動態背景干擾下易產生鬼影區域，且檢測運動狀態時的拖影現象較為嚴重。針對這些問題，本文提出以連續多幀圖像代替原有單幀圖像進行與、或運算獲取完整的背景模型；然后加入Otsu算法，計算ViBe算法和Otsu算法的前景置信度，并對Otsu置信度設置衰減因子，雙重判定并計算出圖像最佳分割閾值。實驗結果表明：在動態環境下，改進ViBe算法可很好地去除鬼影、抑制拖影現象，具有良好的魯棒性。由于本文算法以連續多幀圖像獲取背景模型，當圖像在緩慢移動時，可能無法完全去除鬼影，應用場景具有一定局限性。后期將會對算法作進一步優化。

[1] 胡瑞卿,田杰榮.基于光流法的運動目標檢測算法研究[J].電子世界,2019(5):58-61.

[2] 黃金海.背景幀間差分法的移動目標跟蹤研究[J].中國儀器儀表,2019(1):62-65.

[3] 句建國,邢進生.基于平滑幀差法的混合高斯模型的研究與應用[J].陜西科技大學學報,2018,36(3):160-166.

[4] SEKI M, WADA T, FUJIWARA H, et al. Background subtraction based on cooccurrence of image variations[C]. Proceedings of IEEE Computer Society Conference on Computer Vision and Pattern Recognition, 2003.

[5] 李曉瑜,馬大中,付英杰.基于三幀差分混合高斯背景模型運動目標檢測[J].吉林大學學報(信息科學版),2018,36(4): 414-422.

[6] BARNICH O, VAN DROOGENBROECK M. ViBe: a powerful random technique to estimate the background in video sequences[C]. 2009 IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP) , Taipei, Taiwan, 2009.

[7] BARNICH O, VAN DROOGENBROECK M. ViBe: a universal background subtraction algorithm for video sequences[J]. IEEE Transactions on Image Processing, 2011, 20(6): 1709-1724.

[8] 劉春,翟志強.改進的ViBe運動目標檢測算法[J].傳感器與微系統,2017,36(1):123-126.

[9] 陳霖,尤楓,胡偉.監控場景中的運動物體提取技術研究[J].計算機工程與應用,2015,51(22):158-162,205.

[10] 胡小冉,孫涵.一種新的基于ViBe的運動目標檢測方法[J].計算機科學,2014,41(2):149-152.

[11] 馬永杰,陳夢利,劉培培,等.ViBe算法鬼影抑制方法研究[J/OL].激光與光電子學進展:1-11[2019-11-27].http://kns. cnki.net/kcms/detail/31.1690.TN.20190710.1524.012.html.

[12] 方嵐,于鳳芹.去除鬼影及陰影的視覺背景提取運動目標檢測算法[J].激光與光電子學進展,2019,56(13):71-78.

Dynamic Target Detection Based on Improved ViBe Algorithm

Xiao Hongjun Bai Bingxin

(Foshan University, Foshan 528225, China)

Aiming at the ghost problem of traditional vibe algorithm in dynamic target detection, this paper proposes an improved algorithm, which replaces the original single frame image with continuous multi frame image to obtain the background model by "and" or "operation; adds the Otsu algorithm, calculates the foreground confidence of vibe algorithm and Otsu algorithm, and determines the best segmentation threshold of image to replace the traditional fixed threshold. Experimental results show that the improved algorithm has good robustness.

ViBe algorithm; Otsu algorithm; removing ghosts; object detection

肖紅軍，男，1979年生，碩士生導師，副教授，主要研究方向：智能檢測與智能控制。E-mail:86209513@qq.com

白冰鑫，女，1995年生，碩士研究生，主要研究方向：圖像處理與智能檢測。E-mail: 934019120@qq.com

TP391.4

A

1674-2605(2020)05-0006-05

10.3969/j.issn.1674-2605.2020.05.006