張應(yīng)輝,劉養(yǎng)碩

(東北大學(xué) 計算機科學(xué)與工程學(xué)院,遼寧 沈陽 110000)

基于幀差法和背景差法的運動目標(biāo)檢測

張應(yīng)輝,劉養(yǎng)碩

(東北大學(xué) 計算機科學(xué)與工程學(xué)院,遼寧 沈陽 110000)

隨著視頻監(jiān)控的發(fā)展,智能監(jiān)控算法也得到逐步的改進。智能監(jiān)控中主要用到的是運動目標(biāo)檢測算法。在運動目標(biāo)檢測算法中,傳統(tǒng)算法存在檢測結(jié)果不準確、抗干擾性能低等缺點。為提高運動目標(biāo)檢測的準確性和高效性，基于三幀差法和背景差法，提出了一種二者相結(jié)合的運動目標(biāo)檢測算法。該算法利用三幀差法和背景差法分別獲得前景目標(biāo)圖像，再通過或運算將這兩幅前景圖像合并成最終的前景圖像。實驗采用交通錄像為實驗樣本，對視頻中移動的車輛進行移動偵測。實驗結(jié)果表明，該算法相較于其他算法更能檢測出完整的車輛輪廓。從數(shù)值上分析也可以看出，該算法能夠有效減少目標(biāo)圖像中的噪聲，精確而快速地檢測出運動目標(biāo),具有良好的魯棒性。

視頻監(jiān)控；三幀差法；背景差法；運動目標(biāo)檢測

0 引 言

運動目標(biāo)檢測在視頻監(jiān)控領(lǐng)域扮演著越來越重要的角色。運動目標(biāo)檢測是對視頻圖像中發(fā)生變化部分的分離，是基于幾何和統(tǒng)計特征的圖像分割。目標(biāo)檢測算法在現(xiàn)實生活中的應(yīng)用十分廣泛，在節(jié)省人力，提高工作效率方面有著重要的意義。新的目標(biāo)檢測算法的不斷涌現(xiàn)推動了智能監(jiān)控的發(fā)展。同時，智能監(jiān)控的發(fā)展也使得運動目標(biāo)檢測算法不斷改進。

主要的目標(biāo)檢測算法包括背景差法、幀差法[1-2]、光流法等[3-7]。這些方法各有其優(yōu)缺點，不過幀差法和背景差法較光流法來說比較簡單易于實現(xiàn)，并且硬件要求不高。雖然幀差法和背景差法應(yīng)用廣泛，對運動目標(biāo)較為靈敏，而且不易受自然環(huán)境的干擾，但對運動較慢或靜止的物體容易產(chǎn)生漏檢。而背景差法能夠準確地提取運動目標(biāo)，但容易受外界環(huán)境的影響。對此提出了一些改進算法，有基于幀差法改進的也有從背景模型[8]方面進行改進的。但是有的效果并不明顯，或者能夠精確檢測但失去了效率。

在該算法中，幀差法在檢測前景目標(biāo)圖像的同時也為背景差法檢測是否準確提供依據(jù)，起到校驗的作用。這就為算法檢測的準確性提供了保障，達到系統(tǒng)自檢自修復(fù)的目的。該算法充分利用了三幀差法和背景差法的優(yōu)點使得目標(biāo)檢測更加準確，同時也很好地克服了對方的缺點，減少了外界條件在檢測過程中帶來的不良影響。

1 算法背景

1.1 幀差法

利用人眼的視覺延遲，將圖片進行快速播放就形成所看到的視頻。幀差法就是將圖像從視頻中提取出來進行對比從而獲得運動目標(biāo)的一種方法。而對于相鄰幀圖像來說，當(dāng)沒有運動物體進入圖像時，這些圖像中對應(yīng)像素點是基本相同的，當(dāng)有運動物體出現(xiàn)在視頻中，即使運動物體運動緩慢，但對于像素點來說就是很大的改變(假設(shè)運動物體和背景區(qū)分明顯，且在絕大多數(shù)情況下是成立的)。相鄰幀圖像之間的對比，其實就是圖像上對應(yīng)像素點的對比，這就很容易發(fā)現(xiàn)變化的像素點，通過圖像表現(xiàn)出來就是運動區(qū)域。公式如下：

(1)

其中，Dk(x,y)為第k幀圖像Ik(x,y)和第k-1幀圖像Ik-1(x,y)的差分圖像。

然后，對差分圖像進行閾值分割，得到二值化的前景圖像：

(2)

其中，Tk(x,y)為二值化前景圖像；T為分割閾值。

在監(jiān)控視頻中，監(jiān)控環(huán)境隨著時間是不斷變化的(如光照的改變)，這樣會造成前后幀圖像的像素值差別發(fā)生變化。通過設(shè)定閾值可以在環(huán)境改變的情況下將目標(biāo)圖像提取出來。

1.2 背景差法

背景差分法(背景差法)同幀差法基本類似，只是幀圖像的對比對象有所不同。背景差法是通過將實時幀和建立好的背景模型進行對比來檢測運動區(qū)域。

背景差法的好壞其關(guān)鍵在于背景模型的建立。目前背景建模的方法主要有均值背景建模法、中值背景建模法、單高斯分布模型[9-10]以及混合高斯分布模型[11-13]等。在視頻監(jiān)控過程中，由于外界條件的變化需要不斷更新背景模型。將背景模型與視頻幀圖像進行差分運算，得到差分圖像。下面的Bk-1(x,y)是建立的背景模型，它決定了檢測目標(biāo)區(qū)域的準確性。公式為：

(3)

(4)

從公式中可以很容易看出背景差法和幀差法的相同之處。對于不同點可知，利用幀差法得到運動目標(biāo)圖像是相鄰兩幀圖像的相對運動區(qū)域并不是目標(biāo)檢測區(qū)域，而背景差分法得到的Dk(x,y)是真正的運動目標(biāo)區(qū)域。

2 基于幀差法和背景差法的運動目標(biāo)檢測算法(MFB)

2.1 算法思路

該運動目標(biāo)檢測算法可以概括為三步：

(1)通過三幀差法和背景差法分別獲取一幅前景目標(biāo)圖像。

(2)將獲得的兩幅前景目標(biāo)圖像進行對比，判斷前景目標(biāo)圖像檢測是否準確。

(3)如果對比通過，則將兩幅圖像進行或運算得出前景目標(biāo)圖像；如果不通過，則更新背景模型然后再回到第二步繼續(xù)執(zhí)行。

算法流程如圖1所示。

圖1 運動目標(biāo)檢測算法流程圖

2.2 幀差法和形態(tài)學(xué)濾波

幀差法得到的前景圖像可以看作運動物體的邊緣檢測。利用形態(tài)學(xué)濾波可以很好地降低與真實物體邊緣的差別，為后面與背景差法得到的目標(biāo)圖像相結(jié)合做準備。

利用三幀差法得到差分圖像，在差分圖像的基礎(chǔ)上再進行一次像素相乘處理，利用噪聲在時間域內(nèi)難重復(fù)的特點，進行相乘處理就濾除了噪聲產(chǎn)生的孤立噪點。三幀差法的運算公式為：

(5)

(6)

(7)

由于三幀差法也繼承了幀差法的缺點，使得獲取的前景目標(biāo)圖像存在“空洞”現(xiàn)象。利用形態(tài)學(xué)中腐蝕膨脹[14-15]的方法可有效改善目標(biāo)圖像。對后續(xù)的兩幅前景圖像的比較可有效降低檢測誤差。對圖像進行腐蝕處理可以減少圖像中的噪點與毛刺，再對圖像進行膨脹處理可以填充目標(biāo)圖像和將斷開的目標(biāo)圖像連接起來，使圖像更加完整，不那么“空洞”。腐蝕和膨脹的效果取決于模板的選取，公式如下：

A°B=(A?B)⊕B

(8)

A?B=(A⊕B)?B

(9)

其中，A表示圖像；B表示結(jié)構(gòu)元素；A°B表示開運算；A?B表示閉運算。

2.3 背景差分法

背景差分法開始要獲取背景圖像，利用模型法對背景建模，這里采用混合高斯模型的方法?；旌细咚狗植寄Ｐ投xK(K一般取3～5)個高斯分布分量的加權(quán)和，給出密度函數(shù):

(10)

(11)

2.4 閾值檢測及或運算

通過形態(tài)學(xué)處理和背景差法分別獲得兩幅前景目標(biāo)圖像，并對這兩幅前景圖像進行差分運算，通過對比閾值可以判斷兩幅圖像的差別是否明顯。其中閾值是根據(jù)實驗得出的，這里閾值取為0.5。如果差別明顯說明獲取的目標(biāo)圖像不準確，由于三幀差法是對比臨近圖像可能產(chǎn)生噪點，但不至于和真實運動目標(biāo)差別太大。根據(jù)算法的這一特點判斷可能是由于背景差法的背景模型出現(xiàn)問題，需要重新建立背景模型，然后進行背景差法得到新的前景目標(biāo)圖像。如果差別相對閾值不明顯，就對這兩幅前景目標(biāo)圖像進行或運算得到最終的前景目標(biāo)圖像。

2.5 偽代碼描述

Begin

Input…Ik-1,Ik,Ik+1…

Beginframe_Dif

SubFD1=abc(Ik-Ik-1)，F(xiàn)D2=abc(Ik+1-Ik)

If(FD1>T1&FD2>T1)Then

T'=1

Else

T'=0

Morphology(T')

Endframe_Dif

BgSub：

BeginBg_Sub

UpdatebackgroundimageB

SubBD=abc(Ik-Bk)

IfBD>T2Then

T''=1

Else

T''=0

EndBg_Sub

Ifabc(T'-T'')>T3Then

gotoBgSub

or_OperationT=T'|T''

finalforegroundimageT

End

3 實驗結(jié)果與分析

實驗采用普通PC機(AMD四核64位1.50GHzCPU，4.00GB內(nèi)存，Win10操作系統(tǒng))為實驗平臺，使用Qt和OpenCV編程實現(xiàn)算法的檢驗。

為了驗證文中算法是否優(yōu)于傳統(tǒng)算法，選取了交通視頻錄像作為實驗數(shù)據(jù)來源，為表述方便將視頻簡稱為V。

圖2是從視頻中提取的原始圖像。圖3是通過三幀差法獲取的目標(biāo)圖像，很清楚地可以看到圖像提取不完整，產(chǎn)生了明顯的“空洞”現(xiàn)象。圖4是通過背景差法得到的目標(biāo)圖像，由于背景差法是將實時幀圖像和背景模型進行差分運算，得到的圖像比較完整。圖5是通過文中提到的改進算法得到的前景目標(biāo)圖像，可以看出該算法得到的圖像明顯優(yōu)于另外兩種算法得到的圖像。

圖2 原視頻幀圖像V

圖3 三幀差法

圖4 背景差法

圖5 MFB算法

三種算法的檢測性能見表1。

表1 三種算法的檢測性能

從表1中可以看出,該算法相較于以往算法，明顯提高了檢出率,每次都能達到90%以上，且顯著降低了誤檢率。由上面的數(shù)據(jù)分析可以看出該算法的優(yōu)勢較為明顯。

4 結(jié)束語

為提高目標(biāo)檢測算法的準確率、降低誤檢率，在三幀差法和背景差法基礎(chǔ)上提出一種改進算法。

實驗結(jié)果表明，該算法在正常情況下能夠較好地提取出運動目標(biāo)區(qū)域，在發(fā)生光照突變的狀況時也能通過及時更新背景模型提取出完整的運動目標(biāo)。對于幀差法存在的噪聲和背景差法不能地很好應(yīng)對光照等外界情況，該算法具有很強的適應(yīng)性和準確性。

[1] 盧章平，孔德飛，李小蕾，等.背景差分與三幀差分結(jié)合的運動目標(biāo)檢測算法[J].計算機測量與控制，2013，21(12):3315-3318.

[2] 楊 陽，唐惠明.基于視頻的行人車輛檢測與分類[J].計算機工程，2014，40(11):135-138.

[3]TsaiYM，TsaiCC，HuangKY，etal.Anintelligentvision-basedvehicledetectionandtrackingsystemforautomotiveapplications[C]//Proceedingsof2011IEEEinternationalconferenceonconsumerelectronics.Seoul，Korea:IEEE，2011:113-114.

[4] 楊葉梅.基于改進光流法的運動目標(biāo)檢測[J].計算機與數(shù)字工程，2011,39(9):108-110.

[5] 潘光遠.光流場算法及其在視頻目標(biāo)檢測中的應(yīng)用研究[D].上海:上海交通大學(xué)，2008.

[6]SunS,HaynorDR,KimY.Motionestimationbasedonopticalflowwithadaptivegradients[C]//IEEEinternationalconferenceonimageprocessing.[s.l.]:IEEE,2000:852-855.

[7] 胡 彪，龔曉峰.基于改進背景差法的運動目標(biāo)檢測[J].計算機工程與設(shè)計，2010，31(17):3841-3844.

[8] 劉 亞，艾海舟，徐光佑.一種基于背景模型的運動目標(biāo)檢測與跟蹤算法[J].信息與控制，2002，31(4)：315-319.

[9]ChalidabhongseTH，KimK，HarwoodD，etal.Aperturbationmethodforevaluatingbackgroundsubtractionalgorithms[C]//ProceedingofthejointIEEEinternationalworkshoponvisualsurveillanceandperformanceevaluationoftrackingandsurveillance.[s.l.]:IEEE,2003:11-12.

[10] 陳 銀，任 侃，顧國華，等.基于改進的單高斯背景模型運動目標(biāo)檢測算法[J].中國激光，2014(11):239-247.

[11]StaufferC，GrimsonW.Adaptivebackgroundmixturemodelsforreal-timetracking[C]//Proceedingof1999IEEEinternationalconferenceoncomputervisionandpatternrecognition.Colorado，USA:IEEE，1999:246-252.

[12] 吳 桐，王 玲.基于幀差分塊的混合高斯背景模型[J].計算機工程與應(yīng)用，2014，50(23):176-180.

[13] 華媛蕾，劉萬軍.改進混合高斯模型的運動目標(biāo)檢測算法[J].計算機應(yīng)用，2014，34(2):580-584.

[14] 萬衛(wèi)兵，霍 宏，趙玉明.智能視頻監(jiān)控中目標(biāo)檢測與識別[M].上海：上海交通大學(xué)出版社，2009.

[15] 王慧峰，戰(zhàn)桂禮，羅曉明.基于數(shù)學(xué)形態(tài)學(xué)的邊緣檢測算法研究及應(yīng)用[J].計算機工程與應(yīng)用，2009，45(9):223-226.

Moving Object Detection Based on Method of Frame Difference and Background Subtraction

ZHANG Ying-hui，LIU Yang-shuo

(School of Computer Science and Engineering,Northeastern University,Shenyang 110000,China)

With the development of video surveillance,intelligent monitoring algorithm has been gradually improved.The moving target algorithm is mainly used in intelligent monitoring.In the moving target detection algorithm,the traditional algorithm is not accurate and low in the anti jamming performance.In order to improve the accuracy and efficiency of moving target detection,a moving target detection algorithm is put forward based on combination of three frame difference method and background subtraction method.It uses three frame difference method and background subtraction method to obtain the foreground target image which are merged into the final foreground image then.The experiment is carried out using the traffic video as the experimental samples,and the moving vehicles in the video are detected.According to the experimental results,the algorithm can detect the more complete vehicle contour compared with others.From the numerical analysis,it can be seen that the algorithm can effectively reduce the noise in the target image,and detect the moving target accurately and quickly,with good robustness.

video monitoring;three frames subtraction;background subtraction;moving objects detection

2016-06-03

2016-09-07

時間：2017-01-10

教育部在線教育中心項目(2016YB158)

張應(yīng)輝(1972-),男,副教授,碩士生導(dǎo)師,研究方向為計算機圖像處理、機器學(xué)習(xí)。

http://www.cnki.net/kcms/detail/61.1450.TP.20170110.1028.076.html

TP31

A

1673-629X(2017)02-0025-04

10.3969/j.issn.1673-629X.2017.02.006