高 麗

(淮南聯(lián)合大學(xué)機(jī)械與電子系，安徽淮南232038)

智能視頻監(jiān)控技術(shù)(IVS)是結(jié)合計(jì)算機(jī)和視頻分析方法，不需要人工干預(yù)的情況下，對(duì)監(jiān)測(cè)目標(biāo)進(jìn)行檢測(cè)和跟蹤，最終達(dá)到分析和判斷的“智能化”過(guò)程.本文以銀行為背景構(gòu)建了一個(gè)智能監(jiān)控管理平臺(tái)，平臺(tái)分為硬件和軟件兩個(gè)部分，主要包括管理服務(wù)器模塊、模擬量采集模塊、IVS模塊、報(bào)警模塊、集中存儲(chǔ)模塊等，其中IVS模塊是核心.提出了一種將背景減法和幀間差分法結(jié)合的運(yùn)動(dòng)目標(biāo)檢測(cè)算法，并通過(guò)測(cè)試來(lái)論證平臺(tái)的實(shí)用性.

1 常用目標(biāo)檢測(cè)方法的比較

常用的運(yùn)動(dòng)目標(biāo)檢測(cè)方法大致包括三種.

1.1 幀差法［1］

幀差法根據(jù)相鄰幀的差值圖像獲得運(yùn)動(dòng)信息，然后通過(guò)分析來(lái)確定運(yùn)動(dòng)目標(biāo)所帶來(lái)的變化部分.幀差法原理簡(jiǎn)單，計(jì)算量較小，所以檢測(cè)速度較快，更重要的是這種方法能夠在多種動(dòng)態(tài)環(huán)境下使用.缺點(diǎn)是對(duì)噪聲和光線比較敏感，另外當(dāng)被檢測(cè)目標(biāo)在運(yùn)動(dòng)方向上被線性拉伸時(shí)會(huì)導(dǎo)致目標(biāo)區(qū)域存在一定重疊，這樣就會(huì)有可能在內(nèi)部產(chǎn)生少數(shù)空洞.而如果空洞數(shù)較多，就不能夠全面提取出被測(cè)目標(biāo)的所有特征像素點(diǎn)，直接影響下一步對(duì)目標(biāo)的識(shí)別.

1.2 光流法［2］

通常認(rèn)為，光流是指圖像中模式運(yùn)動(dòng)的速度.如果有物體運(yùn)動(dòng)時(shí)，它在圖像上對(duì)應(yīng)點(diǎn)的亮度模式也在發(fā)生改變，光流表達(dá)了圖像的變化，利用這一特點(diǎn)就可以進(jìn)行場(chǎng)景分割從而檢測(cè)出運(yùn)動(dòng)目標(biāo).

雖然光流法在攝像機(jī)運(yùn)動(dòng)的情況下依然能夠檢測(cè)出運(yùn)動(dòng)目標(biāo)，但是由于這種算法的核心是計(jì)算目標(biāo)的光流即速度，這樣就使得算法的過(guò)程相當(dāng)復(fù)雜，難以做到實(shí)時(shí)檢測(cè).

1.3 減背景法

減背景法通過(guò)將當(dāng)前圖像與背景圖像實(shí)施差分運(yùn)算來(lái)檢測(cè)運(yùn)動(dòng)區(qū)域.減背景法將輸入的視頻幀中的每個(gè)像素與現(xiàn)有背景模型相“比較”，然后將比較結(jié)果二值化，再用已經(jīng)設(shè)定的閾值跟它進(jìn)行比較.如果判斷出兩者的差異大于設(shè)定的閾值，那么將其判定為前景，否則判定為背景.

減背景法原理簡(jiǎn)單，定位準(zhǔn)確，易于實(shí)現(xiàn)，能夠較好地提取出目標(biāo)的特征像素，不足在于對(duì)外界環(huán)境的變化敏感，需要對(duì)背景不斷更新，否則難以達(dá)到理想的檢測(cè)效果.

2 本平臺(tái)使用的目標(biāo)檢測(cè)方法

通過(guò)對(duì)常用算法的比對(duì)分析，可以看到在同樣的測(cè)試條件下幀差法比減背景法檢測(cè)速度快，靈敏度也高.當(dāng)背景受到客觀因素改變時(shí)，幀差法較減背景法穩(wěn)定，但是幀差法的檢測(cè)結(jié)果沒(méi)有減背景的檢測(cè)結(jié)果精確.所以考慮將二者結(jié)合，優(yōu)勢(shì)互補(bǔ)，我們采用了一種基于減背景法和改進(jìn)的幀差法［3］相結(jié)合的目標(biāo)檢測(cè)方法.先構(gòu)建混合高斯背景模型，然后減背景提取運(yùn)動(dòng)目標(biāo)，再用改進(jìn)的幀間差分算法提取目標(biāo)，最后綜合兩個(gè)結(jié)果，得到較為準(zhǔn)確的運(yùn)動(dòng)目標(biāo).

算法流程圖如圖1所示，包括背景構(gòu)建、參數(shù)更新、背景減除、三幀差分和目標(biāo)提取等部分.構(gòu)建背景時(shí)采用混合高斯模型，并且不斷進(jìn)行參數(shù)更新.針對(duì)混合高斯模型法在建背景過(guò)程中對(duì)于光照的突然變化適應(yīng)緩慢導(dǎo)致檢測(cè)結(jié)果中存在陰影的缺點(diǎn)，采取將背景減除運(yùn)算融入到混合高斯背景法中獲得運(yùn)動(dòng)目標(biāo).最后將幀差分算法獲得的運(yùn)動(dòng)目標(biāo)與之前的結(jié)果邏輯“或”即可得到較為準(zhǔn)確的目標(biāo).融入減背景的混合高斯模型的建立與更新背景是本算法的關(guān)鍵所在，其中背景更新更是后續(xù)背景相減操作的重要基礎(chǔ).

2.1 背景建立和更新

高斯混合模型［4］是目前普遍采用而且非常有效的背景建模的方法.基于高斯混合背景模型的差分方法，簡(jiǎn)單來(lái)描述就是通過(guò)根據(jù)預(yù)先設(shè)置背景模型來(lái)判斷像素點(diǎn)是前景點(diǎn)還是背景點(diǎn)，前景點(diǎn)即為分割出來(lái)的運(yùn)動(dòng)目標(biāo).

設(shè)X為視頻圖像中的任意一個(gè)像素點(diǎn)，每一個(gè)象素點(diǎn)亮度的變化用序列{X1，…，Xt}表示.對(duì)X采用K個(gè)高斯混和模型來(lái)建模:

圖1 算法流程圖

在模型初始化的時(shí)候，首先將輸入的第一幀圖像中的所有像素點(diǎn)的灰度值作為混合高斯模型的均值，給定初始化方差和權(quán)值.第一次建立的高斯混合背景模型初始方差應(yīng)較大，例如取δ0=25，權(quán)值應(yīng)較小，首次可以取為0.5，其余模型參數(shù)按照取值.隨后將新的視頻幀中的像素值逐一跟現(xiàn)有的高斯模型進(jìn)行匹配判斷，可以用下式判斷準(zhǔn)則:

其中β是高斯分布模型中各主要參數(shù)更新快慢的表征量，較大的β可以使背景模型能夠及時(shí)快速地對(duì)背景的變化做出響應(yīng).此外，權(quán)值的大小也會(huì)影響背景的更新速度.對(duì)于新構(gòu)建的初始化模型，參數(shù)需要實(shí)時(shí)更新，保證對(duì)背景幀樣本不斷地進(jìn)行學(xué)習(xí)，才可以得到相對(duì)穩(wěn)定的混合高斯模型.

另外對(duì)于不匹配的模型，應(yīng)按照式(5)減小其權(quán)值.

2.2 背景差分

高斯背景模型建立之后，輸入新的帶有運(yùn)動(dòng)目標(biāo)的視頻幀與背景做下列差分運(yùn)算:

式中B(x，y)表示像素點(diǎn)在背景圖像中的灰度值，I(x，y)為

2.3 三幀差分法［5］

幀間差分法算法簡(jiǎn)單，檢測(cè)速度較快，但是它獲得的運(yùn)動(dòng)目標(biāo)往往不夠準(zhǔn)確.檢測(cè)效果的好壞取決于選擇的時(shí)間間隔，過(guò)大可能會(huì)失去目標(biāo)，造成“漏檢”，過(guò)小可能會(huì)出現(xiàn)重復(fù)的多個(gè)目標(biāo)，導(dǎo)致“誤檢”.針對(duì)上述情況，考慮采用改進(jìn)的幀間差分法即三幀差分克服這些缺點(diǎn).三幀差分的原理是在兩幀差分基礎(chǔ)上選取連續(xù)的三幀圖像，分別計(jì)算相鄰兩幀圖像的差分值.然后選取適當(dāng)?shù)拈撝?，?duì)差分結(jié)果進(jìn)行閾值分割，就可將運(yùn)動(dòng)目標(biāo)提取出來(lái).

可以按照下面的流程圖提取目標(biāo)輪廓:含有目標(biāo)的圖像中該像素點(diǎn)的灰度值，E(x，y)為兩者的差分值.

若差值E(x，y)大于給定的閾值T，則判定為前景，生成的二值圖像函數(shù)為DB(x，y)，

圖2 三幀差分法流程圖

流程圖中It(x，y)表示第t幀圖像中像素點(diǎn)的坐標(biāo)位置為 (x，y)，連續(xù)的三幀視頻圖像分別用 It－1(x，y)，It(x，y)，It+1(x，y)表示.

由差分定義可得兩兩相鄰兩幀圖像亮度的差分值:

選取適當(dāng)?shù)拈撝礣，將上述差分結(jié)果二值化:

在這個(gè)處理過(guò)程中，閾值大小的選擇至關(guān)重要，決定著整個(gè)算法是否有效.閾值Τ如果取得太大則檢測(cè)到的目標(biāo)像素點(diǎn)過(guò)少，不能完整給出目標(biāo)信息;相反Τ如果太小，就會(huì)將整個(gè)場(chǎng)景中非目標(biāo)的像素點(diǎn)提取出來(lái)，包括大的噪聲顆粒.

將上述方法獲得的二值圖像取邏輯“與”，得到二值圖像Dt(x，y)

經(jīng)測(cè)試，三幀差分法能夠準(zhǔn)確得獲取運(yùn)動(dòng)目標(biāo)的位置，而且算法程序簡(jiǎn)單，速度較快，適于實(shí)時(shí)監(jiān)控.

基于上述兩種算法，將待測(cè)視頻輸入，與已構(gòu)建的混合高斯模型做差分運(yùn)算就能得到一組目標(biāo)區(qū)域;然后再用三幀差分法重新檢測(cè)，得到另外一組目標(biāo)區(qū)域.為了獲得更加準(zhǔn)確、全面的目標(biāo)，將兩種方法獲得的運(yùn)動(dòng)區(qū)域取邏輯“或”運(yùn)算:

其中DB(x，y)為背景差分的目標(biāo)區(qū)域，Dt(x，y)為三幀差分法的目標(biāo)區(qū)域，Ck(x，y)為最終得到的目標(biāo)圖像.

3 實(shí)驗(yàn)結(jié)果分析

為了測(cè)試算法的有效性，選擇了以銀行為背景的特定區(qū)域.在Visual c++6.0的開(kāi)發(fā)環(huán)境下使用MATLAB［6］完成核心算法的設(shè)計(jì)，借助OpenCV軟件平臺(tái)完成基本的圖像處理功能，實(shí)現(xiàn)算法的測(cè)試程序.實(shí)驗(yàn)對(duì)大量銀行自助服務(wù)區(qū)的監(jiān)控視頻進(jìn)行測(cè)試，測(cè)試時(shí)采用速度為20幀/秒.將減背景法、幀間差分法以及本文所提出的兩者并用的方法分別在這些視頻上進(jìn)行測(cè)試，獲得如下的測(cè)試結(jié)果.圖(a)、圖(b)為連續(xù)兩幀有運(yùn)動(dòng)目標(biāo)的圖像，(c)為背景圖，(d)為減背景法獲得的目標(biāo)，(e)為幀間差分獲得的目標(biāo)，(f)為采用減背景法和三幀差分法檢測(cè)結(jié)果.

圖3 目標(biāo)檢測(cè)結(jié)果

由于監(jiān)控場(chǎng)景受到光照、震動(dòng)以及其他因素的影響，通過(guò)大量平臺(tái)的測(cè)試結(jié)果可以發(fā)現(xiàn)減背景法存在以下問(wèn)題:背景模型的更新速度如果跟目標(biāo)的運(yùn)動(dòng)速度相差過(guò)大時(shí)，會(huì)導(dǎo)致提取出來(lái)的目標(biāo)產(chǎn)生虛影或者發(fā)生漏檢.另外提取出來(lái)的運(yùn)動(dòng)目標(biāo)包含較多噪聲，影響圖像的效果;而幀間差分法檢測(cè)的結(jié)果明顯偏大而且產(chǎn)生“雙影”現(xiàn)象，另外光照變化會(huì)影響算法的有效性，嚴(yán)重時(shí)會(huì)使算法失敗.而將兩種算法結(jié)合起來(lái)的測(cè)試結(jié)果跟之前的結(jié)果對(duì)比，證明本文提出的方法檢測(cè)結(jié)果更加準(zhǔn)確完整，表明算法的實(shí)用性和有效性.

4 結(jié)論

減背景法和幀間差分法都是運(yùn)動(dòng)目標(biāo)檢測(cè)常用的方法，但是這兩種方法都有各自的缺點(diǎn)，所以實(shí)際運(yùn)用時(shí)考慮結(jié)合幾種方法來(lái)解決復(fù)雜多變的問(wèn)題.本文以銀行為背景構(gòu)建了一個(gè)監(jiān)控管理平臺(tái)，提出的基于多個(gè)高斯模型的減背景法與幀差法相結(jié)合的方法自適應(yīng)性較強(qiáng)，經(jīng)測(cè)試目標(biāo)檢測(cè)的精確度較兩種方法獨(dú)立運(yùn)用有了明顯的提高，可以用于道路監(jiān)測(cè)、樓宇監(jiān)控、機(jī)器人視覺(jué)導(dǎo)航、安防等相關(guān)領(lǐng)域.

［1］文灝，陳紅濤.基于減背景與對(duì)稱(chēng)差分的運(yùn)動(dòng)目標(biāo)檢測(cè)［J］.微計(jì)算機(jī)信息，2007，(25):99 －101.

［2］Stauffer C，Grimson W E L.Adaptive background mixture models for real－ time tracking［J］.Computer Vision and Pattern Recognition，1999，(2):246 －252.

［3］Kameda Y，Minoh M.A human motion estimation method using 3－successive video frame［A］.Proceedings of International Conference on Virtual System and Multimedia［C］.1996:135 －140.

［4］莫林，廖鵬，劉勛.一種基于背景減除與三幀差分的運(yùn)動(dòng)目標(biāo)檢測(cè)算法［J］.軟件時(shí)空，2009，(25):274－276.

［5］周西漢，劉勃，周何琴.一種基于對(duì)稱(chēng)差分和背景消減的運(yùn)動(dòng)檢測(cè)方法［J］.計(jì)算機(jī)仿真，2005，(4):117 －120.

［6］張志涌，徐彥琴.Matlab教程［M］.北京:北京航空航天大學(xué)出版社，2001.