芶小珊（成都學院，成都 610000）

一種基于背景建模的目標檢測算法

芶小珊
（成都學院，成都 610000）

運動目標檢測是實現(xiàn)智能監(jiān)控系統(tǒng)的組成部分，針對復雜場景中的運動目標檢測，根據(jù)目標檢測的具體環(huán)境，提出一種基于背景建模采用帶有權值的歷史幀疊加算法，該算法簡單，易于實現(xiàn)，用對比實驗驗證了該算法的有效性。

前景檢測；背景建模；假背景；碼本模型

DOI：10.16640/j.cnki.37-1222/t.2016.16.248

1　引言

視頻監(jiān)控系統(tǒng)智能化是發(fā)展趨勢，成為模式識別領域的研究熱點。目標檢測是智能視頻監(jiān)控系統(tǒng)的前期技術，通過運動特征分析，檢測運動目標，將運動目標從視頻的序列幀中提取出來。

運動對象檢測最常用的兩種方法基于幀差法和背景差有各自的優(yōu)缺點，有學者提出將兩種算法相結合，進而彌補各自的弱點，更加有效的提取前景目標［1］。本文提出一種改進的背景差分方法。本文基于OpenCV函數(shù)庫［2］中的有關背景建模的方法，提出一種改進的背景差分方法，有效的避免了兩種方法的缺點，有針對性的對該算法進行補充和改進，使得該算法具有更廣闊的適應性。

2　目標檢測算法原理

2.1背景建模

2.2針對像素的動態(tài)閾值調整

室外的監(jiān)控往往會遇到一些如樹葉晃動的干擾因素，其差值可能會大于閾值，從而造成被檢測成為運動的前景，因此必須找到方法將這些干擾因素造成的影響去除。

2.3一種改進的目標檢測算法

根據(jù)分析我們得到結論：

（1）無論運動的前景在遮擋背景所處像素點時是否對顏色通道造成擾動，遮擋消失后，像素點所采樣的顏色總有較大的變化；

（2）遮擋過程中采樣得到的顏色其綜合相似度跟真正的背景有較大差異，指引尋找真實的背景。

基于結論2作為判斷真實背景的依據(jù)。

保留當背景突變發(fā)生時10幀內(nèi)的監(jiān)控畫面：

對于背景突變后若干幀內(nèi)存在背景差分值連續(xù)大于閾值T的像素點 進行采樣，大小為15幀：

求本次采樣的方差：

若此次差分是由背景轉向前景，那么由于15幀基本可以覆蓋整個背景被前景遮擋過程那么方差則較大，若是由前景轉向背景，那么采樣則基本只覆蓋背景，方差較小，因此基于的大小，可以大致判定覆蓋情況，并確定“假背景”的區(qū)域。

當有：

且：

3　實驗結果及分析

本實驗數(shù)據(jù)經(jīng)調整分辨率一律為352*288。

表1　算法性能比較

圖1為對于背景存在干擾因素的前景檢測比較圖，采取了上述表1的方法進行比對。其中圖1-（1）為原始視頻的截圖。圖1-（2）、1-（3）比對幀差法和背景差分法，樹葉和水波紋在不停的動，做差分的兩個對象存在較大的不同，以上兩個方法對于背景的干擾效果不理想。圖1-（4）利用高斯背景建模監(jiān)控確實能起到排除背景干擾因素的作用。圖1-（5）采用碼本法效果也較理想。圖1-（6）使用本文算法，對干擾采用降低敏感度處理，實現(xiàn)效果良好。

圖1　對于背景存在干擾因素的前景檢測比較圖

下面我們針對光線突變后本文算法的性能進行分析，圖2-（1）為場景突變后的視頻截圖，采用本文的背景建模，而不采用去除假背景的方法是我們發(fā)現(xiàn)，場景中出現(xiàn)了假背景，而且假背景持續(xù)了上百幀，如圖2-（2）、2-（3），因此在此期間，采用背景差分后得到二值圖后，在監(jiān)控區(qū)域中留下了一個假的前景如圖2-（4）。而當采用了文中去除背景模型的假背景方法之后，僅用了不到50幀就將假背景替換掉，雖然不能保證在突變的一開始就防止假背景的產(chǎn)生，但是大大提高了應對此類事件的效率。

圖2　針對光線突變后背景檢測

4　結束語

本文研究了基于背景建模采用帶有權值的歷史幀疊加算法，利用去除假背景來解決背景中的干擾和環(huán)境突變檢測，實驗結果表明，該算法運算簡單，易于實驗，能較好地進行背景建模，針對背景建模中假背景的去除方式進行運動對象檢測。

［1］Li G.New moving target detection method based on background differencing and coterminous frames differencing［J］.Chinese Journal of Scientific Instrument，2006， 27（08）：961-964.

［2］Gary Bradski，Adrian Kaehler著.于仕琪，劉瑞禎譯，學習OpenCV［M］.北京：清華大學出版社.

［3］莫林，廖鵬，劉勛.一種基于背景減除與三幀差分的運動目標檢測算法［J］.微計算機信息，2009， 25（4-3）：pp274-276.

［4］王歡.運動目標檢測與跟蹤技術研究［D］.南京：南京理工大學博士學位論文，2009.

［5］LI Shan， LEE M C. Fast visual tracking using motion sallency in viedo［C］. IEEE Intemational Conference on Acoustics， Speech and Signal Processing（ICA SSP 2007）：1073-1076.