牛永鑫

(遼寧石化職業(yè)技術學院,遼寧錦州 121000)

一種新的基于背景差分的運動目標檢測方法

牛永鑫

(遼寧石化職業(yè)技術學院,遼寧錦州 121000)

針對傳統(tǒng)運動目標檢測方法存在的缺點和不足,提出了一種基于背景差分,融合多種檢測方式,有效地克服了傳統(tǒng)方法存在的誤檢和空洞等問題。實驗結果表明該方法能夠滿足運動目標的實時檢測要求。

背景差分 自適應 目標檢測

運動目標的檢測方法一般分為幀間差分法、背景差分法和光流法三種，每種檢測方法而言都有各自的缺點和不足。幀間差分法對差分時機的選取要求較高，如果目標運動速度較快且關鍵幀選取時間間隔過大，會造成兩幀之間無覆蓋區(qū)，運動目標無法分割；如果目標運動速度較慢且關鍵幀選取時間間隔過小，則會造成過度覆蓋甚至重疊，同樣檢測不到目標[1]。光流法的計算復雜、耗時，對于過快或過慢的運動檢測效果不好，難以滿足實時檢測的要求[2]。與上述兩種方法相比，背景差分法的優(yōu)勢是實現簡單、目標分割完整，但存在背景自動獲取和更新方面的問題，即如何自動獲得合理背景以及在最佳時機更新背景[3]。本文在這樣的研究背景下提出了一種基于背景差分，融合動態(tài)背景建模、幀間差分和雙置信值背景更新技術，實時準確的運動目標檢測改進方法。

1 一種簡單、有效的背景模型

在背景差分法中，背景模型建立的準確與否，直接關系到最終檢測結果的準確性。國內外研究提出了一些背景模型，這些模型有的需要處理多幀圖像來建立背景，制約了檢測速度，不能達到實時性要求，如非參數模型；有的模型當運動物體較小且與背景的區(qū)分度不大時，分割的目標不完整，如W4模型；有的方法當噪聲增多、背景比較復雜時，背景變得不穩(wěn)定，如高斯模型等等。

針對上述幾種方法的不足，本文提出一種能夠快速建立背景，并有一定自適應能力、保留背景差分目標分割完整這一優(yōu)點的背景模型。這種方法采用幾次連續(xù)的幀間差分，能夠快速地檢測出視頻序列圖像中的背景區(qū)域，然后在檢測出的背景的基礎上確立每一個點的背景檢測模型。處理步驟為：

2 目標的自適應分割與檢測

為了更好地論證本文提出方法的實用性和可行性，我們繼續(xù)與高斯模型檢測方法做比較。高斯方法將待測幀中的每個像素點與自身的高斯模型進行擬合，若P(X(i，j，t))≤TP，即認定為背景像素點，否則認定為場景中的目標。在實際的應用中我們可以用等價的閾值代替概率閾值，即：d(i，j，t)=x(i，j，t)-μ(i，j)，設相應的檢測閾值為σ(i，j)。檢測規(guī)則為：若d(i，j，t)＞σ(i，j)，則該像素點為場景中的物體M，否則為背景像素點。本文提出的目標檢測與高斯模型不同，用TN代替了TP，從實驗結果可以看出，如果閾值選取得當，在場景變化時可以不斷改變來適應新場景，是可以有效地檢測出運動目標。本文的閾值TN是一個基于直方圖的動態(tài)最佳閾值，其計算法如下：

(1)求圖像中灰度的最大值和最小值，將這兩個值的平均值作為初始閾值；(2)把圖像按照閾值分割成目標和背景兩部分，求出平均灰度值；(3)用平均值做為分割閾值；(4)若得到的新閾值與前一次的閾值相等，則結束，否則返回步驟2，迭代直至成功。

3 基于雙置信度的背景更新

實際情況中背景是不斷變化的，若使背景模型能對外界光線變化具有自適應能力，需要對背景模型進行實時地更新，從而使整個檢測過程持續(xù)進行。其基本思想是讓當前幀有一定置信度的背景點參與更新。置信度可以通過兩方面來估計：

(1)運動目標與像素點的位置關系；由差分圖像可看出，檢測得到的非運動點不一定全是背景點，因此只有差分值小于閾值并位于運動目標一定鄰域之外的點才是需要更新的背景點，具有第一方面較高置信度。(2)像素點作為背景的累計時間長短；如果場景中存在噪聲或抖動時，極短時間內我們不把運動的點或者點集作為運動目標，只有當其運動累計到一定程度才進行處理，因此我們引入了第二個方面的置信度，用矩陣F表示，當持續(xù)M幀都為背景的點才可以參與背景更新。矩陣F初始化為零矩陣，后續(xù)幀中如果像素點是前景點則其累計值賦為M，否則累計值減1，直至為0。

4 結語

本文提出了一種基于背景差分，融合多種檢測方式，有效地克服了傳統(tǒng)方法存在的誤檢和空洞等問題。實驗結果表明該方法能夠滿足運動目標的實時檢測要求。

[1]Gutchess D, Trajkovic M, Cohen-Solal E, etral.A Background Model Initialization Algorithm for Video Surveillance[C].In Eighth International Conference on Computer Vision, 2001.

[2]Kaewt rakulpong P, Bowden R.An Improved Adaptive Background Mixture Model for Real-time Tracking with Shadow Detection. In Proc. 2nd European Workshop on Advanced Videobased Surveillance Systems,2001.

[3]方帥,薛方正,徐心和.基于背景建模的動態(tài)目標檢測算法的研究與仿真[J].系統(tǒng)仿真學報,2005(1):159-161,165.

牛永鑫(1969—),男,漢族,遼寧錦州人,碩士,副教授,研究方向:計算機網絡、多媒體、計算機應用設計。