庾　鵬，王　旭，仝天樂(lè)，王秀超

(貴州大學(xué) 計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院，貴州 貴陽(yáng) 550000)

?

基于GrabCut算法和四幀差分法的目標(biāo)提取算法

庾鵬，王旭，仝天樂(lè)，王秀超

(貴州大學(xué) 計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院，貴州 貴陽(yáng) 550000)

提出了一種基于GrabCut算法和四幀差分法相結(jié)合的運(yùn)動(dòng)目標(biāo)檢測(cè)和提取算法。首先，利用四幀差分法對(duì)視頻中連續(xù)的四幀圖像進(jìn)行二次差分；然后，對(duì)差分后的圖像分別做水平投影和垂直投影，計(jì)算運(yùn)動(dòng)目標(biāo)區(qū)域；最后，使用GrabCut算法分割目標(biāo)區(qū)域得到完整的運(yùn)動(dòng)目標(biāo)。實(shí)驗(yàn)結(jié)果證明，該方法既能精確和完整地檢測(cè)出運(yùn)動(dòng)目標(biāo)，又能有效地去除空洞、拉伸等現(xiàn)象。

四幀差分；GrabCut分割；目標(biāo)檢測(cè)

引用格式：庾鵬，王旭，仝天樂(lè)，等. 基于GrabCut算法和四幀差分法的目標(biāo)提取算法[J].微型機(jī)與應(yīng)用，2016,35(11)：40-42，47.

0　引言

目前隨著科技的不斷發(fā)展，智能化視頻監(jiān)控在各個(gè)領(lǐng)域得到了廣泛的應(yīng)用，例如智能交通監(jiān)控、安全防范系統(tǒng)、值崗檢測(cè)系統(tǒng)等。無(wú)論應(yīng)用在何種領(lǐng)域，對(duì)視頻中移動(dòng)物體的研究和分析才有價(jià)值，目標(biāo)的完整提取是各種后期處理和應(yīng)用的基礎(chǔ)，所以對(duì)移動(dòng)目標(biāo)的檢測(cè)與完整提取也就成為了視頻處理研究中的一個(gè)熱門問(wèn)題。近些年來(lái)很多學(xué)者已經(jīng)對(duì)這方面問(wèn)題進(jìn)行了研究，也提出了很多移動(dòng)目標(biāo)檢測(cè)與提取的方法，主要有光流分析法[1]、幀間差分法和背景差分法[2]3種。

背景差分法是將視頻圖像與背景圖像做差分，取差分值較大的區(qū)域?yàn)橐苿?dòng)目標(biāo)，然而難以得到合適的背景圖像，而且易受外界干擾。幀間差分法與背景差分法類似，幀間差分法是對(duì)視頻中連續(xù)幀做差分，具有計(jì)算效率高、實(shí)時(shí)性好等特點(diǎn)，但是容易出現(xiàn)重疊、空洞、拉伸等問(wèn)題。光流分析法檢測(cè)效果比前兩種好，但是計(jì)算復(fù)雜，不能達(dá)到實(shí)時(shí)性。3種方法都很難取得完整的目標(biāo)，GrabCut[3]算法綜合了圖像的紋理信息和邊界信息對(duì)圖像進(jìn)行分割，只需要少量的交互操作就可以達(dá)到高精度的分割。根據(jù)上述問(wèn)題，結(jié)合幀間差分法和GrabCut算法的各自優(yōu)點(diǎn)，提出了以四幀差分法計(jì)算和框定運(yùn)動(dòng)目標(biāo)區(qū)域，GrabCut算法在框定區(qū)域內(nèi)精確分割目標(biāo)的方法。

1　基于GrabCut算法和四幀差分法的運(yùn)動(dòng)目標(biāo)檢測(cè)與提取

1.1預(yù)處理

在使用本文提出的算法前，對(duì)每一幀圖像進(jìn)行預(yù)處理十分必要，它可以提高算法在實(shí)際應(yīng)用中的效率。圖像平滑可以有效減少圖像中的噪聲，改善圖像的質(zhì)量，有利于對(duì)目標(biāo)的提取[4]。直方圖均衡化是圖像空域增強(qiáng)的一種經(jīng)典方法，可以改善圖像灰度分布，增強(qiáng)圖像的整體對(duì)比度，方法簡(jiǎn)單、高效[5]。本文實(shí)驗(yàn)使用的預(yù)處理是高斯濾波和直方圖均衡。

1.2四幀差分法快速檢測(cè)目標(biāo)區(qū)域

(1)四幀差分

提取視頻圖像中連續(xù)的四幀，經(jīng)過(guò)預(yù)處理后為f1(x,y)、f2(x,y)、f3(x,y)、f4(x,y)，計(jì)算f1(x,y)與f3(x,y)以及f2(x,y)與f4(x,y)的差值圖像，差分結(jié)果為g1(x,y)與g2(x,y)，計(jì)算方法如式(1)、(2)所示。g1(x,y)與g2(x,y)中已經(jīng)包含運(yùn)動(dòng)目標(biāo)的信息，對(duì)其進(jìn)行“與”運(yùn)算[6]，得到結(jié)果為H(x,y)。H(x,y)定義如式(3)。

我院體育教學(xué)一直緊隨素質(zhì)教育的步伐改革創(chuàng)新，在實(shí)踐中探索出符合我院校情，學(xué)情的體育教學(xué)模式。從2002年陸續(xù)與社會(huì)企業(yè)場(chǎng)館達(dá)成合作開(kāi)始，拉開(kāi)了我院體育教學(xué)改革的序幕，像游泳、保齡球、乒乓球、網(wǎng)球等運(yùn)動(dòng)項(xiàng)目在體育課中開(kāi)設(shè)，受到廣大學(xué)生的歡迎和認(rèn)可，學(xué)習(xí)熱情空前高漲。至此，我院的體育教學(xué)不再以田徑和三大球教學(xué)為主，而是以田徑和三大球?yàn)榛A(chǔ)，培訓(xùn)師資，逐年增設(shè)新的運(yùn)動(dòng)項(xiàng)目。輪滑就是在這樣的背景下引入了我院的體育教學(xué)。

g1(x,y)=|f3(x,y)-f1(x,y)|

(1)

g2(x,y)=|f4(x,y)-f2(x,y)|

(2)

H(x,y)=|g1(x,y)?g2(x,y)|

(3)

(2)運(yùn)動(dòng)目標(biāo)域框定

在經(jīng)過(guò)兩次差分處理之后，靜止的背景基本被去除，但由于外界環(huán)境變化復(fù)雜，光線不斷變化，使得沒(méi)有移動(dòng)的物體在水平投影和垂直投影并不為0，因此要使用一個(gè)閾值T,分割去除因?yàn)楣饩€變化而造成靜止物體移動(dòng)假象的部分。

首先對(duì)H(x,y)水平投影得到Hx(x,y)，如式(5)，然后使用閾值Tm(式(6))對(duì)Hx(x,y)閾值分割，數(shù)值大于Tm的保持不變，小于Tm的為0，根據(jù)閾值分割后的圖像可以得到運(yùn)動(dòng)物體水平方向的范圍(x1，x2)。在垂直方向沒(méi)有必要全部投影，只需要對(duì)水平檢測(cè)范圍(x1，x2)之間進(jìn)行垂直投影，得到Hy(x,y)，如式(4)，同樣進(jìn)行閾值分割但閾值為Tn(式(7))，根據(jù)閾值分割后的圖像可以得到運(yùn)動(dòng)物體垂直方向的范圍(y1，y2)。從而得到運(yùn)動(dòng)物體的區(qū)域(x1，x2，y1，y2)。

(4)

(5)

(6)

(7)

1.3GrabCut圖像分割法

近年來(lái)許多學(xué)者提出基于圖論的圖像分割，GrabCut[7]算法就是基于圖論的一種優(yōu)秀分割方法。GrabCut算法利用圖像中紋理(顏色)信息和邊界(反差)信息，只需要少量的用戶交互操作，就可以有效地從復(fù)雜的背景中分割出前景目標(biāo)圖像。該算法用戶只需要提供背景區(qū)域的像素及框選目標(biāo)，方框外的像素全部為背景，即可對(duì)GMM進(jìn)行建模和完成良好的分割。通過(guò)使用四幀差分法快速框定目標(biāo)區(qū)域，然后使用GrabCut算法分割，快速取得完整的運(yùn)動(dòng)目標(biāo)。

從整個(gè)圖像的Gibbs能量可以得到[3]：E(α,k,θ,z)=U(α,k,θ,z)+V(α,z)，第一項(xiàng)為數(shù)據(jù)項(xiàng)(t-link的權(quán)值)，第二項(xiàng)為平滑項(xiàng)(n-link的權(quán)值)，最終目標(biāo)經(jīng)過(guò)不斷地迭代計(jì)算出最小的能量函數(shù)?？偣灿袃蓚€(gè)高斯混合模型(背景和前景)，每個(gè)高斯混合模型有K個(gè)分量，每個(gè)分量包含3個(gè)參數(shù)要估計(jì)，即權(quán)重π、均值u、協(xié)方差Σ。

GrabCut算法流程描述[9]：(1)、(2)為初始化步驟，(3)～(6)為迭代最小化步驟。

(1)用戶框定目標(biāo)區(qū)域，方框外的全部像素為背景像素TB，方框內(nèi)的全部像素作為“可能目標(biāo)”TU。對(duì)TB內(nèi)的每一個(gè)像素初始化標(biāo)簽αn=0，對(duì)TU內(nèi)的每一個(gè)像素初始化標(biāo)簽αn=1。

(2)通過(guò)k-meas算法初始化背景和前景中每一個(gè)像素高斯混合模型分量。

(5)分析Gibbs能量項(xiàng)，建立一個(gè)圖，通過(guò)最大流最小切割定理算法進(jìn)行分割。

(6)重復(fù)步驟(3)～步驟(5)，直到收斂[10]。

2　實(shí)驗(yàn)結(jié)果

圖1　經(jīng)過(guò)灰度化之后的圖像

本實(shí)驗(yàn)硬件運(yùn)行環(huán)境為：Intel(R) Core(TM)2 Quad 2.33 GHz CUP和4.00 GB內(nèi)存，軟件運(yùn)行環(huán)境為：Windows 7、Microsoft Visual Studio 2005、opencv1.0。視頻中每一幀大小為576×704，每秒處理20幀，基本可以滿足視頻監(jiān)控中的實(shí)時(shí)性。圖1為視頻中取出的第100幀、101幀、102幀、103幀經(jīng)過(guò)灰度化之后的圖像。

圖2為使用四幀差分法得到的實(shí)驗(yàn)結(jié)果。

圖3中圖(a)對(duì)實(shí)驗(yàn)結(jié)果進(jìn)行垂直投影，計(jì)算出圖像像素平均值為Tn=8.720 2，圖(b)為經(jīng)過(guò)閾值Tn過(guò)濾后的結(jié)果，通過(guò)計(jì)算其中一個(gè)運(yùn)動(dòng)物體區(qū)域的橫坐標(biāo)是(335,420)，圖(c)為截取原圖中橫坐標(biāo)在(335,420)之間的實(shí)驗(yàn)結(jié)果，圖(d)為(c)做水平投影，計(jì)算出像素平均值為Tm=11.658 0。圖(e)為經(jīng)過(guò)閾值Tm過(guò)濾后的結(jié)果，并且計(jì)算出運(yùn)動(dòng)物體區(qū)域的縱坐標(biāo)為(330,420)，圖(f)為最終切割結(jié)果。

圖2　實(shí)驗(yàn)結(jié)果

圖3　對(duì)實(shí)驗(yàn)結(jié)果進(jìn)行處理

圖4(a)中的方框?yàn)榻?jīng)過(guò)投影之后計(jì)算出的運(yùn)動(dòng)物體的區(qū)域，(b)是通過(guò)GrabCut算法切割以后提取到的完整運(yùn)動(dòng)目標(biāo)，實(shí)驗(yàn)發(fā)現(xiàn)雖然目標(biāo)有一部分區(qū)域與背景相似， 但GrabCut算法仍能完整地將其分割出來(lái)。

圖4　通過(guò)GrabCut算法分割提取目標(biāo)

3　結(jié)論

本文融合四幀差分法與GrabCut算法對(duì)運(yùn)動(dòng)目標(biāo)進(jìn)行檢查與提取，首先利用高速濾波和直方圖均衡化對(duì)每一幀圖像進(jìn)行預(yù)處理，然后通過(guò)四幀差分法和投影法得到運(yùn)動(dòng)目標(biāo)區(qū)域，最后通過(guò)GrabCut算法分割提取完整目標(biāo)。實(shí)驗(yàn)結(jié)果表明，本文所提出的算法可以快速、精準(zhǔn)、完整地檢測(cè)出運(yùn)動(dòng)目標(biāo)，而且適用性廣泛。

[1] 袁國(guó)武,陳志強(qiáng),龔健,等. 一種結(jié)合光流法與三幀差分法的運(yùn)動(dòng)目標(biāo)檢測(cè)算法[J]. 小型微型計(jì)算機(jī)系統(tǒng),2013,34(3):668-671.

[2] 杜晶晶. 智能視頻監(jiān)控中運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤算法研究[D].成都：西南交通大學(xué),2009.

[3] 周勝安. 一種基于前景物形態(tài)的GrabCut改進(jìn)算法[J]. 電腦知識(shí)與技術(shù),2010,6(33):9517-9519.

[4] 袁國(guó)武. 智能視頻監(jiān)控中的運(yùn)動(dòng)目標(biāo)檢測(cè)和跟蹤算法研究[D].昆明：云南大學(xué),2012.

[5] 彭艷芳. 視頻運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤算法研究[D].武漢：武漢理工大學(xué),2010.

[6] 張鵬,李思岑,楊燕翔. 融合邊緣檢測(cè)的四幀差分運(yùn)動(dòng)目標(biāo)檢測(cè)[J]. 電子技術(shù)與軟件工程,2014(20):106-107.

[7] 王鈞銘,高立鑫,趙力，等. GrabCut彩色圖像分割算法的研究[J]. 電視技術(shù),2008,32(6):15-17.

[8] 辛月蘭. 基于Grabcut的圖像目標(biāo)提取[J]. 青海師范大學(xué)學(xué)報(bào)(自然科學(xué)版),2012(3):30-33，38.

[9] 邱禎艷,王修暉. 一種結(jié)合Grabcut的Vibe目標(biāo)檢測(cè)算法[J]. 中國(guó)計(jì)量學(xué)院學(xué)報(bào),2012,33(3):250-256，288.

[11] 周良芬,何建農(nóng). 基于GrabCut改進(jìn)的圖像分割算法[J]. 計(jì)算機(jī)應(yīng)用,2013,33(1):49-52.

A target extraction algorithm based on GrabCut segmentation algorithm and four frame differencing

Yu Peng, Wang Xu, Tong Tianle, Wang Xiuchao

(College of Computer Science and Technology,Guizhou University,Guiyang 550000, China)

This paper puts forward a kind of moving object detection and extraction algorithms based on Grabcut segmentation algorithm and four frame differencing method. First, using four frame differencing method to carry out second time difference for four consecutive frames in video. Then, differencing image respectively do the horizontal projection and vertical projection, computing the target area. Finally, using the GrabCut segmentation algorithm to segment the target area to get a complete moving targets. The experimental results show that this method can accurately and complete detect moving targets, and can effectively remove the phenomenon such as hollow, stretching.

four frame differencing； GrabCut segmentation algorithm； target detect

TP391

A

10.19358/j.issn.1674- 7720.2016.11.013

2016-03-08)

庾鵬(1990-),男,碩士研究生，主要研究方向：數(shù)字圖像處理。