江金銘，陳祎瓊,姜騰飛，汪 超，張倩倩

(安徽農(nóng)業(yè)大學(xué) 信息與計(jì)算機(jī)學(xué)院，合肥 230031)

?

用平均背景模型建立交通監(jiān)控視頻中的背景圖像

江金銘，陳祎瓊,姜騰飛，汪 超，張倩倩

(安徽農(nóng)業(yè)大學(xué) 信息與計(jì)算機(jī)學(xué)院，合肥 230031)

交通監(jiān)控視頻中背景區(qū)域固定，用背景差方法提取運(yùn)動(dòng)車輛是非常有效的手段.背景圖像的質(zhì)量嚴(yán)重影響到背景差方法提取運(yùn)動(dòng)車輛的準(zhǔn)確率.文章研究了運(yùn)用平均背景模型提取背景圖像的方法，詳細(xì)描述了通過迭代累積得到背景圖像和基于像素中間值得到背景圖像的過程，并實(shí)驗(yàn)驗(yàn)證了兩種平均背景模型,得到了背景圖像，實(shí)驗(yàn)結(jié)果表明：平均背景模型能夠較好的建立交通監(jiān)控視頻中的背景圖像.

平均背景模型；迭代積累；像素中間值

研究交通監(jiān)控視頻中的平均背景模型，主要是為提取監(jiān)控視頻中的車輛信息服務(wù).

運(yùn)動(dòng)目標(biāo)檢測方法一般是通過比對不同幀之間的變化，在變化區(qū)域內(nèi)將運(yùn)動(dòng)目標(biāo)與背景區(qū)分開來，常用的運(yùn)動(dòng)目標(biāo)檢測的方法主要有光流法、幀差法、背景差法[1，2，3，4].

交通監(jiān)控視頻中，一般車輛是在行駛過程中，在路口只會(huì)做短暫的停留(等紅綠燈或者其他原因)，監(jiān)控系統(tǒng)一般都是固定安裝在某個(gè)路口或者路邊,監(jiān)控區(qū)域固定，如很多學(xué)者研究出了多種有效的建立背景模型的方法.這些建模方法大體上可以分為回歸遞推和非回歸遞推兩類.回歸算法根據(jù)當(dāng)前幀之前的幀圖像用回歸的方式更新當(dāng)前時(shí)刻的背景模型，在計(jì)算過程中不用維持保存背景估計(jì)幀的緩沖區(qū).這類方法包括混合高斯模型背景建模[5]以及線性卡爾曼濾波法等；非回歸背景建模方法主要有中值濾波方法[6]、平均背景模型[7]、Elgammal等人[8]提出基于核密度估計(jì)(KDE)的方法和 Olive 等人[9]提出的特征背景建模方法，這一類方法是動(dòng)態(tài)的利用之前從某一幀開始到當(dāng)前幀內(nèi)容作為樣本進(jìn)行背景建模.

平均背景模型(Average Backgroundmodel)，是利用多幀圖像的加權(quán)平均信息來提取背景的方法，是一種比較容易實(shí)現(xiàn)背景模型，且能夠有效的提取交通監(jiān)控視頻中的背景.以下兩種方法都能有效的建立平均背景模型，且比較容易實(shí)現(xiàn).

1 通過迭代累積形成的平均背景模型

該種方法認(rèn)為背景具有不變性，車輛在視頻中是間斷出現(xiàn)的，噪聲考慮的是加性隨機(jī)噪聲，該方法通過對每幀圖像的迭代相加來實(shí)現(xiàn)對真實(shí)背景的逼近[2].

平均背景模型建模的一般步驟為：

(1)初始時(shí)，假設(shè)視頻第一幀圖像I1(x,y)為背景B1(x,y)

(2)將每一幀圖像進(jìn)行迭代累積得到新的背景Bn(x,y) ，即

Bn(x,y)=σIn(x,y)+(1-σ)Bn-1(x,y)

(1)

式(1)中In(x,y)表示第n幀圖像，Bn(x,y)表示迭代到第n幀圖像的背景圖像.σ是迭代系數(shù)，表示當(dāng)前幀在背景積累過程的比重，且有0<σ<1.平均背景模型計(jì)算方法簡單，但是σ需要由經(jīng)驗(yàn)確定.本文測試時(shí)選取σ=0.05，即假設(shè)每一幀圖像在背景圖像中的比重比較小,實(shí)驗(yàn)結(jié)果如圖1所示.

圖1 平均背景模型提取的實(shí)驗(yàn)一視頻背景圖像

2 基于像素中間值的平均背景模型

前面通過迭代累積形成的平均背景模型受σ取值影響，σ需依賴于經(jīng)驗(yàn)值確定，σ選取的不好則建立的背景圖像效果大打折扣.平均背景模型也可以使用像素中間值來建立背景圖像，算法實(shí)現(xiàn)也比較簡單，這種算法不需要經(jīng)驗(yàn)值參數(shù).假設(shè)某段時(shí)間視頻有M幀圖像序列，基于像素中間值構(gòu)建背景圖像具體步驟如下：

(1)將每一幀圖像灰度化得到灰度圖像Gn(x,y)

(2)取視頻幀在(x,y)點(diǎn)的灰度值中間值建立背景圖像 ，即

B(x,y)=median(Gn(x,y))

(2)

式(2)中n從1到M,median表示取中間值，Gn(x,y)表示第n幀圖像的灰度圖像，B(x,y)表示背景圖像.實(shí)驗(yàn)結(jié)果如圖2所示.

圖2 基于像素中間值提取的背景圖像

從實(shí)驗(yàn)結(jié)果來看基于中間值建立的背景圖像效果要比前面幀迭代的方法來的好，因此本文采用基于像素中間值的方法建立背景圖像.

3 小結(jié)

綜上可以看出，通過迭代累積形成的平均背景模型和基于像素中間值的平均背景模型都是交通監(jiān)控視頻中提取背景的有效辦法，前者可以通過參數(shù)σ得到不同的效果，且?guī)瑪?shù)較多時(shí)得到的背景圖像較好；后者對與固定場景的監(jiān)控視頻提取的背景幾乎變化很小，不同的幀數(shù)得到的背景圖像差別不是很大；兩者都能夠較好的得到監(jiān)控視頻的背景圖像.

[1] 謝 立，胡玲玲，呂一品．面向智能視頻監(jiān)控系統(tǒng)運(yùn)動(dòng)目標(biāo)檢測的輪廓提取方法[J]．東南大學(xué)學(xué)報(bào)(自然科學(xué)版)，2012，42(1)：31-35．

[2] 王 會(huì)．基于視頻的車輛異常行為檢測[D]．沈陽工業(yè)大學(xué)碩士學(xué)位論文，2013，2.

[3] 錢 晉．基于背景差法的視頻車輛檢測算法研究[D]．上海交通大學(xué)碩士學(xué)位論文,2007．

[4] 王正玉．交通監(jiān)控視頻中機(jī)動(dòng)車輛檢索的關(guān)鍵技術(shù)研究[D]．昆明理工大學(xué)碩士學(xué)位論文,2012,3．

[5] Stauffer,C.,Grimson,W.E.L.．Adaptive Backgroundmixturemodels for Real-time Tracking[J].IEEEComputer Society Conf on Computer Vision and Pattern.Recognition,1999: 246-252.

[6] Lo,B.P.L.,Velastin,S.A.． Automatic Congestion Detection System For Underground Platforms[J].ISLVVIP,2001: 158-161.

[7] Wren C.,Azarhayejani A.,Darrell T.,et al.Real-time Tracking of the Human Body[J].IEEE Transactions on PAMI,1997,19(7): 780-785.

[8] Elgammal A,Hanvood D,Davis L S.Nonparametricmodel for Background Subtraction[J].Proceedings of ECCV 2000: 751-767.

[9] Oliver Nm.,Rosario B,Pentland A.P.A Bayesian Computer Vision System formodeling Human Interactions[J].IEEE Transactions on PAMI,2000,22(8): 831-843.

[10] 陳祎瓊．基于車牌識別的交通監(jiān)控視頻中車輛檢索技術(shù)的研究[D]．合肥工業(yè)大學(xué)碩士學(xué)位論文,2014,11．

Background Image of a Traffic Surveillance Video with Average Backgroundmodel

JIANG Jin-min,CHEN Yi-qiong,JIANG Teng-fei,WANG Chao,ZHANG Qian-qian

(Information and Computer School,Anhui Agricultural University,Hefei 230031,China)

The background region of an traffic surveillance video is commonly changeless,so extractingmoving vehicle based on Background Difference is very effective.The quality of background image seriously affects the accuracy of extractingmoving vehicle based on Background Difference.The article studies the way of getting the background image of a traffic surveillance video with Average Backgroundmodel ,describes in detail the process of obtaining the background image by iterative cumulative and obtaining the background image based on pixelmedian value,and tests the two average backgroundmodel by experiments.Therefore,the background image is obtained.The experimental results show that the average backgroundmodel can better establish the background image of traffic surveillance video.

Average Backgroundmodel; iterate and accumulate;pixelmedian value

2015-12-31基金項(xiàng)目：國家級大學(xué)生創(chuàng)新創(chuàng)業(yè)訓(xùn)練項(xiàng)目(201410364020);農(nóng)業(yè)信息技術(shù)學(xué)科骨干培育項(xiàng)目(2014XKPY-64).作者簡介：江金銘(1996-)，男，安徽農(nóng)業(yè)大學(xué)通信工程專業(yè)學(xué)生,研究方向：數(shù)字圖像處理.通訊作者：陳祎瓊(1982-)，女，碩士，講師，研究方向:數(shù)字圖像處理，農(nóng)業(yè)信息化.

TP391.41

A

1671-119X(2016)02-0041-03