張 挺，趙向東，李文軍，柴 智

（光學(xué)與電磁輻射國(guó)防科技重點(diǎn)實(shí)驗(yàn)室，北京 100854）

智能視頻監(jiān)控系統(tǒng)通過對(duì)攝像機(jī)獲取的視頻圖像序列進(jìn)行處理，檢測(cè)出運(yùn)動(dòng)目標(biāo)，對(duì)異常目標(biāo)自動(dòng)報(bào)警。準(zhǔn)確、實(shí)時(shí)的運(yùn)動(dòng)目標(biāo)檢測(cè)是智能視頻監(jiān)視系統(tǒng)的關(guān)鍵技術(shù)。

運(yùn)動(dòng)目標(biāo)檢測(cè)的主要方法有光流法[1]、幀間差分法[2]和背景差分法[2]。光流法檢測(cè)精度高，但實(shí)現(xiàn)過程復(fù)雜耗時(shí)，不適用于實(shí)時(shí)目標(biāo)檢測(cè)應(yīng)用；幀間差分法通過對(duì)視頻相鄰圖像幀差分實(shí)現(xiàn)運(yùn)動(dòng)檢測(cè)。由于運(yùn)動(dòng)目標(biāo)的速度和大小存在差異，且運(yùn)動(dòng)速度會(huì)隨時(shí)變化，因此，如果差分間隔幀數(shù)選擇不當(dāng)，差分后的圖像存在較大空洞，影響檢測(cè)效果。背景差分法首先提取視頻中靜止物體圖像作為背景圖像，通過當(dāng)前幀圖像和背景圖像差分運(yùn)算獲取圖像中運(yùn)動(dòng)目標(biāo)。背景差分法克服了幀間差分法需要人工選擇幀頻的缺點(diǎn)，同時(shí)能夠更加完整地檢測(cè)出運(yùn)動(dòng)目標(biāo)。背景差分法的關(guān)鍵在于能否準(zhǔn)確、快速地提取背景。針對(duì)背景提取問題，本文提出了改進(jìn)的基于Jung[3]算法的背景提取算法。該算法繼承了Jung算法原理簡(jiǎn)單、易于實(shí)現(xiàn)和不容易受到噪聲影響等優(yōu)點(diǎn)，同時(shí)通過判斷相鄰圖像幀差異自適應(yīng)地提高了背景更新速率。

1 背景提取算法簡(jiǎn)介

背景差分法中已有的背景提取算法主要有多幀均值法[4]、多幀中值法[5]、Surendra背景更新算法[6]和基于混合高斯模型的背景提取算法等。

1.1 多幀均值法

多幀均值法對(duì)視頻中的k幀圖像進(jìn)行平均作為背景圖像，如式（1）所示：

其中，Ii（x，y）代表采集的第 i幀中坐標(biāo)（x，y）處像素值，B（x，y）代表計(jì)算出的背景圖像中坐標(biāo)（x，y）處像素值。

多幀均值法運(yùn)算原理簡(jiǎn)單、速度快，但圖像每一幀的變化都會(huì)影響背景提取結(jié)果，準(zhǔn)確度低。

1.2 多幀中值法

多幀中值法取視頻序列圖像的統(tǒng)計(jì)中值作為背景圖像，如式（2）所示：

其中，Ii（x，y）代表采集的第 i幀中坐標(biāo)（x，y）處像素值，B（x，y）代表計(jì)算出的背景圖像中坐標(biāo)（x，y）處像素值，Med表示取中值。

多幀中值法克服了均值法的缺點(diǎn)，對(duì)圖像變化的干擾有一定的抑制作用，但計(jì)算過程中需要對(duì)多幀像素值進(jìn)行排序操作，運(yùn)算速度慢。

1.3 Surendra背景更新算法

Surendra背景提取算法的思想是：對(duì)相鄰幀差分圖像進(jìn)行閾值分割，保持相鄰幀變化小的區(qū)域像素值，對(duì)變化大的區(qū)域以學(xué)習(xí)率進(jìn)行加權(quán)更新，更新過程描述如下。

（1）求當(dāng)前幀和前一幀的差分BWk，如式（3）所示：

其中，Bk（x，y）和 BWk（x，y）分別為背景圖像和二值圖像在點(diǎn)（x，y）處的值，α 為更新速度因子。

Surendra背景提取算法在采用合適閾值對(duì)差分圖像進(jìn)行分割的情況下具有良好的背景提取效果，但針對(duì)不同視頻分割閾值有所差異。選擇合適的固定閾值需要先驗(yàn)知識(shí)，如果對(duì)每一幀差分圖像進(jìn)行自適應(yīng)分割，時(shí)間開銷大，不能滿足實(shí)時(shí)性要求。

1.4 混合高斯模型法

混合高斯模型法對(duì)視頻圖像幀中的像素點(diǎn)采用混合高斯模型建模，依據(jù)模型參數(shù)計(jì)算出背景圖像。此算法建立的背景圖像準(zhǔn)確度高，但建模過程運(yùn)算量大，很難達(dá)到實(shí)時(shí)性要求。

2 改進(jìn)的基于Jung算法的背景提取算法

針對(duì)以上幾種算法的缺陷，本文提出了改進(jìn)的基于Jung算法的背景提取算法。

2.1 Jung背景提取算法

Jung提出的基于迭代更新的背景圖像提取算法可以描述為：

其中 ，Bk（x，y）和 Ik（x，y）分 別表示 第 k 次迭代 后 ，背 景 圖像和當(dāng)前圖像在（x，y）坐標(biāo)處的像素值。

Jung算法的背景更新策略為：如果當(dāng)前圖像幀像素值大于當(dāng)前背景幀對(duì)應(yīng)像素值，則更新后背景幀為當(dāng)前背景幀對(duì)應(yīng)像素值加1；否則，當(dāng)前背景幀像素值減1。Jung算法的背景更新策略示意圖如圖1所示。

圖1 Jung算法的背景更新示意圖

Jung背景提取算法不容易受到背景中噪聲的影響，即使很大的噪聲也只造成背景像素一個(gè)灰度級(jí)的改變；同時(shí)該算法結(jié)構(gòu)簡(jiǎn)單，只用到加減運(yùn)算，處理速度快。該算法也存在明顯的缺陷，即每幀更新變化量為1個(gè)灰度級(jí)，更新速度慢，對(duì)于背景中物體變化的適應(yīng)性差。

2.2 改進(jìn)的基于Jung算法的背景提取算法

為了提高Jung算法背景提取速率，本文提出一種改進(jìn)的更新算法，即：

如果當(dāng)前幀和當(dāng)前背景幀對(duì)應(yīng)像素的差值在1個(gè)灰度級(jí)內(nèi)，則更新過程中不對(duì)該像素進(jìn)行改變，以保持對(duì)噪聲干擾的魯棒性；當(dāng)灰度差值大于1個(gè)灰度級(jí)時(shí)，為了自適應(yīng)地提高更新速率，按照m個(gè)灰度級(jí)進(jìn)行更新。m的取值規(guī)則可以表示為：

式（7）中定義，如果連續(xù)兩幀圖像在某一像素點(diǎn)數(shù)值沒有明顯變化且都與當(dāng)前背景有明顯區(qū)別時(shí)，按照當(dāng)前幀與背景幀的像素差對(duì)背景幀進(jìn)行以更新率為α的加權(quán)更新。像素更新值m體現(xiàn)了當(dāng)前幀與相鄰幀以及當(dāng)前背景幀的差異信息。改進(jìn)的算法保持了原有算法運(yùn)算簡(jiǎn)單、計(jì)算量小及對(duì)干擾的魯棒性強(qiáng)等優(yōu)點(diǎn)，同時(shí)提高了算法對(duì)背景變化時(shí)的適應(yīng)能力。改進(jìn)算法的背景更新策略示意圖如圖2所示。

圖2 基于Jung算法的改進(jìn)算法的背景更新示意圖

3 實(shí)驗(yàn)結(jié)果與分析

通過對(duì)比實(shí)驗(yàn)對(duì)本文提出的算法的有效性進(jìn)行驗(yàn)證。實(shí)驗(yàn)平臺(tái)為普通PC（CPU為 Core 2 Duo@2.6 GHz，內(nèi)存為2 GB），編程環(huán)境為Matlab R2009a。實(shí)驗(yàn)結(jié)果如圖3和圖4所示。

圖3（a）為視頻序列中的某一幀，圖中車和人進(jìn)入場(chǎng)景，不斷移動(dòng)；圖 3（b）為通過本算法提取的背景圖像；圖3（c）為背景差分圖像，運(yùn)動(dòng)前景中的人和車都被完整地檢測(cè)出來。改進(jìn)的Jung迭代更新算法能較好地恢復(fù)出背景圖像，同時(shí)運(yùn)算效率高，能夠滿足實(shí)時(shí)性要求。本文更新率參數(shù)α=0.4。

圖4為在同一場(chǎng)景下5種背景提取算法得到的結(jié)果比較。使用的樣本為 PETS2001，分辨率為 350×700，選取900幀，每隔20幀抽取一幀，進(jìn)行背景更新。

圖4（a）為真實(shí)的背景圖像，圖中白色小車和停在弧頂處黑色小車進(jìn)入視野并長(zhǎng)期停留成為背景一部分；圖4（b）為多幀均值法提取的背景圖像，白色小車和弧頂處黑色小車顏色較淺；圖4（c）為多幀中值法提取的背景圖像，白色小車顏色有淺有深；圖 4（d）是 Surendra算法提取的背景；圖4（e）是Jung算法提取的背景，白色小車和黑色小車都非常虛，形成了“鬼影”現(xiàn)象；圖 4（f）是改進(jìn)的Jung算法提取的背景圖像。5種算法的用時(shí)如表1所示。

表1 5種算法用時(shí)

多幀均值法提取的背景受所有視頻幀影響，對(duì)背景中曾經(jīng)處于運(yùn)動(dòng)狀態(tài)的物體提取不充分。多幀中值法的效果較均值法有所改善，但多種運(yùn)動(dòng)目標(biāo)在同一區(qū)域出現(xiàn)影響了背景提取效果；同時(shí)中值法排序過程非常耗時(shí)，影響了算法的實(shí)時(shí)性。Surendra背景提取算法在閾值選取合適的前提下效果較好，本文通過大量實(shí)驗(yàn)，選擇閾值T=10。由于Surendra算法閾值選取需要人工參與，閾值選取不同，背景提取后的效果也差別較大，同時(shí)對(duì)于不同的場(chǎng)景，閾值選取也不同，因此增加了背景提取的難度。Jung算法由于更新速率過慢，當(dāng)背景改變較大時(shí)不能及時(shí)更新，圖中白色小車和弧頂處黑色小車提取都不充分，形成了“鬼影”現(xiàn)象。改進(jìn)的Jung算法克服了Jung算法的缺點(diǎn)，在算法效果和運(yùn)行速度上均取得了尚佳的表現(xiàn)，同時(shí)算法中沒有待定參數(shù)，也克服了Surendra算法的缺點(diǎn)。

本文提出了一種改進(jìn)的基于Jung算法的背景提取算法，該算法充分考慮了幀間差分信息以及當(dāng)前幀和背景幀信息，原理簡(jiǎn)單、計(jì)算量小、易于實(shí)現(xiàn)、運(yùn)算效率高且背景提取效果良好，能夠較好地處理運(yùn)動(dòng)前景成為背景或者背景中物體運(yùn)動(dòng)成為前景的情況；同時(shí)利用幀間差分信息，自適應(yīng)地對(duì)背景進(jìn)行更新，有效地克服了Jung算法更新速率過慢的缺陷。實(shí)驗(yàn)結(jié)果表明，本文提出的算法具有良好的實(shí)用價(jià)值。

[1]LUCAS B，KANADE T.An iterative image registration technique with an application to stereo vision[C].Proceedings of DARPA IU Workshop，1981：121-130.

[2]LEE S U， CHUNG S Y， PARK R H.A comparative performance study of several global thresholding techniques for segmentation[J].Computer Vision，Graphics and Image Processing， 1990，50（2）：171-190.

[3]JUNG Y K，LEE K W，HO Y S.Content-based event retrieval using semantic scene interpretation for automated traffic surveillance[J].IEEE Transactions on Intelligent Transportion Systems， 2001，2（3）：151-152.

[4]何云，許建龍，孫樹森，等.一種改進(jìn)的視頻監(jiān)控背景更新算法[J].浙江理工大學(xué)學(xué)報(bào)，2010，27（4）：585-587.

[5] GLOYER B， AGHAJAN H K， SIUK Y， et al.Videobased freeway monitoring system using recursive vehicle tracking[C].Image and Video Processing， 1995： 173-180.

[6]GUPTE S， MASOUD O， MARTIN R F K.Detection and classification of vehicles[J].IEEE Transactions on Intelligent Transportation Systems， 2002，3（1）：37-40.