譚中慧， 張 勇(中海網(wǎng)絡(luò)科技股份有限公司，上海 200135)

視頻圖像目標(biāo)偵測(cè)及改進(jìn)算法

譚中慧， 張 勇
(中海網(wǎng)絡(luò)科技股份有限公司，上海 200135)

針對(duì)傳統(tǒng)目標(biāo)偵測(cè)算法多集中在對(duì)運(yùn)動(dòng)目標(biāo)的偵測(cè)方面，對(duì)運(yùn)動(dòng)流中突現(xiàn)的滯留目標(biāo)缺乏相應(yīng)檢測(cè)處理機(jī)制的問(wèn)題，提出一種幀差法、雙背景算法和高通濾波相結(jié)合的算法。該算法既能較好地滿(mǎn)足檢測(cè)的靈敏度和精度要求，同時(shí)還能兼顧運(yùn)動(dòng)目標(biāo)和滯留目標(biāo)的檢測(cè)問(wèn)題，具有較好的應(yīng)用前景。

視頻圖像；目標(biāo)偵測(cè)；幀差法；雙背景法

0 引 言

近年來(lái),視頻監(jiān)控的智能化程度逐步提高，不管是公安、安防領(lǐng)域還是道路交通行業(yè)，都對(duì)目標(biāo)的自動(dòng)檢測(cè)和自動(dòng)預(yù)警提出了更高的要求。例如，封閉環(huán)境運(yùn)動(dòng)目標(biāo)檢測(cè)及壓縮錄像、道路交通目標(biāo)及事件檢測(cè)等不同應(yīng)用的核心都可歸結(jié)為對(duì)視頻圖像中運(yùn)動(dòng)和滯留目標(biāo)的檢測(cè)。

目前已有部分國(guó)內(nèi)外科研機(jī)構(gòu)、設(shè)備廠(chǎng)商開(kāi)展這方面的研究，并逐步將視頻圖像目標(biāo)檢測(cè)技術(shù)應(yīng)用到最新的產(chǎn)品中。但目前應(yīng)用最廣的在安防領(lǐng)域，由于其精度和靈敏度的局限性，大部分還需依靠人工干預(yù)。由于道路交通較為復(fù)雜、目標(biāo)數(shù)量和種類(lèi)較多，因此當(dāng)前檢測(cè)技術(shù)的可靠性還很難滿(mǎn)足工程應(yīng)用的實(shí)際需要，尋求更好的目標(biāo)檢測(cè)方法有助于提高視頻監(jiān)控行業(yè)的整體應(yīng)用水平。

為提高視頻圖像目標(biāo)偵測(cè)的可靠性，在檢測(cè)過(guò)程中根據(jù)像素點(diǎn)自身的波動(dòng)，采用自適應(yīng)閾值幀差法，同時(shí)根據(jù)目標(biāo)單位像素灰度值在時(shí)間、空間上的連續(xù)性和穩(wěn)定性，將雙背景法作為幀差法的補(bǔ)充，兩者優(yōu)勢(shì)互補(bǔ)，可較好地對(duì)運(yùn)動(dòng)目標(biāo)和滯留目標(biāo)進(jìn)行檢測(cè)。

1 視頻圖像單位像素/灰度特性

視頻圖像非目標(biāo)點(diǎn)單位像素在時(shí)間、空間上具有連續(xù)性和相對(duì)穩(wěn)定性，其一段時(shí)間內(nèi)的像素/灰度值時(shí)間分布曲線(xiàn)及統(tǒng)計(jì)特性見(jiàn)圖1。由圖1可知，其在時(shí)間序列上滿(mǎn)足以灰度均值為中心的正態(tài)分布。設(shè)其灰度值在時(shí)間序列上的關(guān)系滿(mǎn)足方程y=a+δt，則a為該段時(shí)間內(nèi)灰度的均值，δt為波動(dòng)隨機(jī)分量。由圖1可知，灰度波動(dòng)很小，灰度值分布具有較好的收斂性。

a) 視頻圖像

b) 某像素點(diǎn)灰度時(shí)間分布

目標(biāo)經(jīng)過(guò)之處單位像素灰度值的時(shí)間分布曲線(xiàn)及灰度值統(tǒng)計(jì)特性見(jiàn)圖2?？傮w來(lái)說(shuō)，其灰度分布在較長(zhǎng)時(shí)間內(nèi)仍然滿(mǎn)足正態(tài)分布，但會(huì)在短時(shí)間內(nèi)出現(xiàn)較為明顯的波動(dòng)，灰度值上、下起伏幅度較大。因此，這里首先通過(guò)在時(shí)間序列上對(duì)單位像素的灰度值進(jìn)行求導(dǎo)來(lái)計(jì)算像素的突變值，即幀差法。

a) 視頻圖像

b) 目標(biāo)經(jīng)過(guò)前后像素值分布

2 幀差檢測(cè)法

采用幀差法能及時(shí)有效地對(duì)動(dòng)態(tài)目標(biāo)的細(xì)微變化實(shí)施精確檢測(cè)，靈敏度較高，因此采用相鄰幀相減的方式。設(shè)單位像素點(diǎn)前一幀灰度值為y1，當(dāng)前幀灰度值為y2，則y1與y2滿(mǎn)足式(1)和式(2)。

y1=a+δt1

(1)

y2=a+δt2

(2)

式(1)減式(2)得到幀差計(jì)算結(jié)果

|y2-y2|=|δt1-δt2|

(3)

由式(3)可知，幀差值與像素點(diǎn)自身的灰度值無(wú)關(guān)，與灰度隨機(jī)波動(dòng)量有直接關(guān)系。視頻圖像中某像素在時(shí)間序列上的幀差結(jié)果見(jiàn)圖3。

(4)

a) 視頻幀

b) 某像素點(diǎn)灰度幀差時(shí)間分布

a) 視頻幀

b) 幀差目標(biāo)提取

圖5為幀差結(jié)果分析，右圖白色部分為檢測(cè)到的目標(biāo)。目標(biāo)車(chē)輛輪廓比較完整，但內(nèi)部存在很多大小不等的孔洞，提取的目標(biāo)不飽滿(mǎn)，難以滿(mǎn)足實(shí)際應(yīng)用的需求。究其原因，主要是一些大型目標(biāo)體表面灰度較為單一，且目標(biāo)運(yùn)行速度較慢，兩幀圖像之間目標(biāo)有重疊，因此幀差法相減時(shí)重疊部分差值較小，從而造成目標(biāo)部分缺失。同時(shí)，受抖動(dòng)等客觀因素的影響，存在一些誤檢測(cè)噪聲點(diǎn)。這里提出采用雙背景法和高通濾波法對(duì)其進(jìn)行改進(jìn)。

圖5 幀差結(jié)果分析

3 雙背景改進(jìn)法

(5)

(6)

(7)

a) 增強(qiáng)前

b) 增強(qiáng)后

幀差和虛背景檢測(cè)算法只對(duì)運(yùn)動(dòng)目標(biāo)具有較高的檢測(cè)靈敏度，若運(yùn)動(dòng)流中發(fā)生目標(biāo)滯留，則在較短的時(shí)間內(nèi)幀差減弱為0，同時(shí)虛背景也很快更新成當(dāng)前目標(biāo)的灰度值，因此虛背景增強(qiáng)效果也減弱為0，滯留目標(biāo)將很快在檢測(cè)結(jié)果中消失。針對(duì)該問(wèn)題，提出實(shí)背景目標(biāo)檢測(cè)法加以解決。

(8)

(9)

(10)

4 高通濾波法

由試驗(yàn)結(jié)果(如圖4～圖7所示)可知，檢測(cè)干擾噪聲分布較散亂，是一種大面積的隨機(jī)分布。因此，提出滑動(dòng)窗口高通濾波法對(duì)檢測(cè)結(jié)果進(jìn)行改進(jìn)。

a)滯留目標(biāo)b)增加實(shí)背景檢測(cè)

圖7 實(shí)背景輔助檢測(cè)

a) 窗口模板

b) 高通濾波

(11)

高通濾波后，目標(biāo)檢測(cè)效果見(jiàn)圖9。

a) 小目標(biāo)

b) 小目標(biāo)檢測(cè)效果

c) 滯留目標(biāo)

d) 滯留目標(biāo)檢測(cè)效果

5 結(jié) 語(yǔ)

研究視頻圖像目標(biāo)偵測(cè)算法，根據(jù)背景的灰度穩(wěn)定性和目標(biāo)的灰度波動(dòng)性提出基于幀差的目標(biāo)檢測(cè)算法及雙背景目標(biāo)檢測(cè)改進(jìn)算法。通過(guò)分析，目標(biāo)檢測(cè)結(jié)果具有較好的收斂性和魯棒性；針對(duì)干擾噪聲具有隨機(jī)性和發(fā)散性，提出采用高通濾波進(jìn)行檢測(cè)降噪。該綜合算法具有很高的檢測(cè)靈敏度，對(duì)于運(yùn)動(dòng)目標(biāo)，不論大小均能有效地檢測(cè)出結(jié)果；同時(shí)，該綜合算法能對(duì)運(yùn)動(dòng)流中的滯留目標(biāo)進(jìn)行有效檢測(cè)，具有較高的應(yīng)用價(jià)值。

[1] 劉少華，張茂軍，熊志輝，等. 一種魯棒高效的視頻運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤算法[J].自動(dòng)化學(xué)報(bào)，2009，35(8)：1055-1062.

[2] 方正鵬，孫岳，陳建. 基于圖像識(shí)別與追蹤技術(shù)的高速公路交通事件有效檢測(cè)范圍[J].公路交通科技，2011，28(S1)：5-8.

[3] 譚中慧，張勇.利用軌跡跟蹤的視頻交通事件檢測(cè)算法[J].上海船舶運(yùn)輸科學(xué)研究所學(xué)報(bào)，2013，36(2)：26-32.

[4] 袁彬，于艷玲，譚中慧.基于視頻的車(chē)型分類(lèi)算法研究[J].現(xiàn)代電子技術(shù)，2014，37(16)：108-110.

[5] 汪國(guó)強(qiáng)，蓋琪琳，于懷勇，等. 基于背景差分法的視頻目標(biāo)檢測(cè)算法研究[J].黑龍江大學(xué)工程學(xué)報(bào)，2014，5(4)：64-68.

Video Target Detection and Improved Algorithm

TANZhonghui，ZHANGYong
(China Shipping Network Technology Co.,Ltd., Shanghai 200135, China)

Commonly used video image target detection algorithms which based on the combination of the frame difference method, the statistical average method, the simple background method and the Gaussian model method, are good for detecting moving targets, but will miss a target if it stops moving because they lack effective processing mechanism for that. This paper proposes a process which introduces the combination of the double background algorithm and high pass filtering algorithm into the frame difference method to deal with the situation. Experiments prove that the modified algorithm improves the detection accuracy and reliability as well as the ability of detecting stopping targets.

video; target detection; frame substract method; double background method

2016-09-14

譚中慧(1982—)，男，湖南湘西人,工程師,碩士,主要從事智能交通中的算法研究。

1674-5949(2016)04-0067-06

TP391.41

A