基于背景差分的船舶運(yùn)動(dòng)檢測(cè)

王正輝 李文華 陳先國(guó)

摘要：針對(duì)在內(nèi)河航道航行的船舶，由于船舶的航行速度和船舶自身運(yùn)動(dòng)帶來周圍水波紋擾動(dòng)等相關(guān)因素，使得像混合高斯模型等一般的物體運(yùn)動(dòng)檢測(cè)算法不能很好的工作，由此提出了一種有效的背景建模策略，并通過最大類間方差法來消除水波紋等噪聲的干擾。實(shí)驗(yàn)結(jié)果顯示，該方法可以實(shí)時(shí)工作，并取得較好的效果。

關(guān)鍵詞：背景建模;運(yùn)動(dòng)目標(biāo)檢測(cè);水波紋消除;噪聲;船舶

中圖分類號(hào)：TP391.41? ? ? 文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：1009-3044（2021）11-0229-02

Ship Motion Detection Based on Background-difference Method

WANG Zheng-hui1， LI Wen-hua1*， CHEN Xian-guo2

（1.Yangtze University， Jingzhou 434000， China; 2.Hubei Lanyu Navigation Mark Equipment CO.，LTD， Jingzhou 434000， China）

Abstract： For ships sailing in inland waterways， the general object motion detection algorithms such as Gaussian mixture model can't work well due to related factors such as the surrounding water ripple disturbance caused by the ship's sailing speed and the ship's own movement， so an effective background modeling strategy is proposed， and the interference of noise such as water ripples is eliminated by the maximum between-class variance method . Experimental results show that this method can work in real time and achieve better results.

Key words：background modeling; moving target detection; elimination of water ripple; noise; ship

1 引言

近年來，各地提出了智慧公交、智慧城市等概念，在航道建設(shè)方面，也提出了建設(shè)智慧航道的需求[1]，以此更加高效地管理和維護(hù)航道。智慧航道的建設(shè)不僅僅需要依靠船舶自身的AIS（Automatic Identification System）信息，同時(shí)還需要在航道上建立CCTV（Closed Circuit Television）監(jiān)控網(wǎng)絡(luò)，通過視頻監(jiān)控來監(jiān)測(cè)航道上船舶上下游的數(shù)量、噸位等數(shù)據(jù)。其中船舶運(yùn)動(dòng)檢測(cè)又是最為基礎(chǔ)的一項(xiàng)工作，如何有效的檢測(cè)船舶運(yùn)動(dòng)成為一項(xiàng)重要任務(wù)。

對(duì)于船舶監(jiān)控視頻的運(yùn)動(dòng)目標(biāo)檢測(cè)，因攝像頭安裝位置和角度的不同，在運(yùn)動(dòng)檢測(cè)中會(huì)有不同的噪聲干擾。當(dāng)攝像頭在橋頂部監(jiān)控船舶時(shí)，船運(yùn)動(dòng)產(chǎn)生的水泡和船體陰影是主要噪聲，而由于攝像頭距離的原因，樹葉的搖擺，水面的淺波紋等噪聲可以忽略不計(jì)。針對(duì)水泡和船體陰影的噪聲，騰飛[2]等人利用視覺注意機(jī)制生成顯著圖，對(duì)顯著圖進(jìn)行自適應(yīng)分割，然后與改進(jìn)的混合高斯建模背景減除法進(jìn)行融合，從而檢測(cè)船體。但由于混合高斯模型自身的原因，當(dāng)船舶運(yùn)動(dòng)速度較慢時(shí)，船舶中部的像素值變化相對(duì)于穩(wěn)定，會(huì)被識(shí)別為背景，造成船體被分割開來，進(jìn)而影響檢測(cè)。李雙雙[3]等人通過碼本模型和顯著性區(qū)域檢測(cè)相結(jié)合的算法生成顯著圖，通過Otsu（最大類間方差法）對(duì)顯著圖做二值化與碼本模型[4]進(jìn)行運(yùn)算來得出船舶目標(biāo)，可以消除噪聲干擾，但由于運(yùn)算量比較大，不能達(dá)到實(shí)時(shí)的效果。

針對(duì)這些問題，本文提出了一種簡(jiǎn)易的背景建模方法，在背景變化不劇烈的情況下可以穩(wěn)定運(yùn)行，不會(huì)造成誤差的累積。同時(shí)算法可以檢測(cè)到緩慢運(yùn)動(dòng)的船舶。對(duì)于噪聲，主要是船舶的水面陰影和船舶運(yùn)動(dòng)造成周圍水的波動(dòng)。根據(jù)對(duì)這些噪聲的分析，發(fā)現(xiàn)可以通過最大類間方差法來去除。

2 背景建模

背景建模的主要目的是建立一個(gè)相對(duì)穩(wěn)定的背景圖像，然后使用背景差分[5]來檢測(cè)運(yùn)動(dòng)的物體。實(shí)際上，對(duì)于船舶監(jiān)控視頻來說，背景通常是大面積的水域，很少有其他干擾的物體，所以背景在大部分時(shí)間是不會(huì)有較大的變化，最大的變化來自天氣，光照。而這些變化一般并不是瞬間完成，除了極少數(shù)由于云層的運(yùn)動(dòng)導(dǎo)致陽光的忽亮忽暗可能會(huì)對(duì)背景產(chǎn)生較大的影響。

目前主流的背景建模的方法是混合高斯背景建模算法，混合高斯背景建模的理論基礎(chǔ)是每個(gè)像素的變化是符合高斯分析。如圖1，所以可以使用一個(gè)高斯分布來建立背景模型，但是考慮到其他各種情況，比如樹的搖擺，會(huì)產(chǎn)生各種不同的噪聲，實(shí)際情況采用來多個(gè)高斯分布來建立背景模型，這樣模型更具有魯棒性。但是對(duì)于河道監(jiān)控，大部分時(shí)候相機(jī)是對(duì)準(zhǔn)水面，只有少部分岸邊景物在圖像邊緣，并不會(huì)對(duì)水域區(qū)域的背景產(chǎn)生影響，所以本文提出來一個(gè)水域面上背景建模的方法。

根據(jù)上面理論，每個(gè)像素在無運(yùn)動(dòng)物體干擾時(shí)，像素值的波動(dòng)是符合高斯分布的，所以可以為每一個(gè)像素建立一個(gè)類似單高斯模型，均值自適應(yīng)更新，保證能跟隨環(huán)境變化而更新背景，方差為人為設(shè)定。算法步驟如下：

假如有如下連續(xù)幀：

[I（x，y，1），I（x，y，2），...，I（x，y，n）]

（1）每個(gè)像素初始化學(xué)習(xí)率為0;

[A=0]

（2）默認(rèn)第一幀為背景圖像;

[B（x，y）=I（x，y，1）]

（3）計(jì)算當(dāng)前視頻幀與背景差的絕對(duì)值;

[C（x，y）=|B（x，y）-I（x，y，i）|]

（4）將C（x，y）中像素值代入以下函數(shù)計(jì)算出學(xué)習(xí)率;

[a=e-c220]

（5）更新背景。

[B（x，y）=（1-A）B（x，y）+AI（x，y，i）]

3 運(yùn)動(dòng)檢測(cè)

混合高斯背景建模融合了背景建模和運(yùn)動(dòng)檢測(cè)，模型會(huì)使用一小段時(shí)間的視頻幀進(jìn)行訓(xùn)練，每個(gè)像素會(huì)以權(quán)重的形式將幾個(gè)不同的高斯分布進(jìn)行組合，當(dāng)后續(xù)的像素值變化不在這幾個(gè)高斯分布時(shí)，就會(huì)被判斷成前景，從而可以檢測(cè)到移動(dòng)的物體。但這樣并不能很好的檢測(cè)慢速較長(zhǎng)物體，比如貨船。貨船一般從視頻下方出現(xiàn)，由于貨船的形狀和體積導(dǎo)致會(huì)在某一塊區(qū)域形成較為穩(wěn)定的像素值，而這塊區(qū)域往往會(huì)被錯(cuò)誤地識(shí)別為背景，導(dǎo)致不能檢測(cè)整個(gè)船體。

在本文的背景建模中，像素值改變超過10的學(xué)習(xí)率幾乎為0，這表明這點(diǎn)像素值并不會(huì)進(jìn)行更新，故當(dāng)有運(yùn)動(dòng)物體經(jīng)過時(shí)，此時(shí)存在物體的區(qū)域差值會(huì)較大，從而可以檢測(cè)到運(yùn)動(dòng)物體，但往往噪聲也會(huì)導(dǎo)致差值超過10，所以需要區(qū)分噪聲和運(yùn)動(dòng)物體。這里采用Otsu來將噪聲和運(yùn)動(dòng)物體分割開來。由于在水面上航行的船舶最大的噪聲是船體的陰影和船體產(chǎn)生的噪聲，而這兩者與船舶本身相比，差值會(huì)明顯小一些，從而可以找到一個(gè)閾值將噪聲和船體分割開來。算法步驟如下：

（1）初始化閾值T，將差值超過20的像素集分為運(yùn)動(dòng)物體像素和噪聲像素;

（2）分別計(jì)算運(yùn)動(dòng)物體像素的占總像素的比值p1和平均灰度值m1，噪聲像素占總像素的比值p2和平均灰度值m2;

（3）計(jì)算全局平均灰度值;

[m=p1×m1+p2×m2]

（4）計(jì)算類間方差;

[g=p1×m-m12+p2×m-m22]

（5）重復(fù)1-4直到找到使g最大的T值。

結(jié)果如下圖所示。

如圖2使用了Otsu來進(jìn)行噪聲和船舶主體進(jìn)行分割，可以把較為準(zhǔn)確地分離船和噪聲，而圖3則沒有使用Otsu進(jìn)行分割，包含了許多噪聲。

4 實(shí)驗(yàn)結(jié)果

如圖所示，圖5為使用混合高斯背景建模算法進(jìn)行運(yùn)動(dòng)目標(biāo)的檢測(cè)，可以發(fā)現(xiàn)由于船舶形狀的特殊性，造成目標(biāo)檢測(cè)時(shí)，船的主體被誤識(shí)別為背景，從而造成識(shí)別的目標(biāo)四分五裂。圖6為本文算法所提取的運(yùn)動(dòng)目標(biāo)，雖然船體沒有很完整的識(shí)別出來，但是仍能保證整個(gè)船體的識(shí)別和噪聲的去除。實(shí)驗(yàn)結(jié)果表明，本文所提出的方法確實(shí)有效，并通過實(shí)驗(yàn)可以在實(shí)時(shí)環(huán)境下運(yùn)行。

5 結(jié)論

本文提出了一種簡(jiǎn)易的背景建模算法和水波紋噪聲去除方法，針對(duì)緩慢變化的視頻幀背景可以有效進(jìn)行更新，并可以準(zhǔn)確提取出航道上緩慢運(yùn)動(dòng)的船舶，為后續(xù)獲取船舶更多數(shù)據(jù)打下基礎(chǔ)。但本文提出的背景建模算法還存在一定缺陷，沒有進(jìn)行初始圖像的鬼影消除，這也是后續(xù)需要研究的內(nèi)容。

參考文獻(xiàn)：

[1] 汪玚.更科學(xué)、更靈活、更安全、更智能 當(dāng)“新基建”遇上航道：讓“智慧”盡其用[J].交通建設(shè)與管理，2020（2）：39-41.

[2] 滕飛，劉清，朱琳，等.波紋干擾抑制下內(nèi)河CCTV系統(tǒng)運(yùn)動(dòng)船舶檢測(cè)[J].計(jì)算機(jī)仿真，2015，32（6）：247-250.

[3] 李雙雙，安居白，李春庚，等.基于背景差分和視覺顯著性的運(yùn)動(dòng)船舶檢測(cè)方法[J].物聯(lián)網(wǎng)技術(shù)，2018，8（1）：17-20.

[4] Kim K，Chalidabhongse T H，Harwood D，et al.Real-time foreground-background segmentation using codebook model[J].Real-Time Imaging，2005，11（3）：172-185.

[5] 張前，趙新雪.運(yùn)動(dòng)目標(biāo)檢測(cè)方法綜述[J].電子世界，2019（4）：65.

【通聯(lián)編輯：梁書】