殷聞強(qiáng) 魏赟

摘要：ViBE算法前景檢測(cè)準(zhǔn)確率高，但在運(yùn)動(dòng)目標(biāo)檢測(cè)過(guò)程中會(huì)產(chǎn)生鬼影，不能很好地適應(yīng)光照變化。針對(duì)ViBE中鬼影及光照變化問(wèn)題，提出幀差法、ViBE與Canny相結(jié)合的方法，利用幀差法提取運(yùn)動(dòng)目標(biāo)像素，使用Canny算子提取運(yùn)動(dòng)目標(biāo)的邊緣信息同時(shí)能夠較好地適應(yīng)光照變化。實(shí)驗(yàn)結(jié)果表明，該算法可以有效消除鬼影并減少光照變化的干擾，在復(fù)雜的動(dòng)態(tài)環(huán)境下取得良好的效果。

關(guān)鍵詞：運(yùn)動(dòng)目標(biāo)檢測(cè)；Canny邊緣檢測(cè)算法；幀差法；ViBE；鬼影消除

DOI：10.11907/rjdk.173148

中圖分類(lèi)號(hào)：TP306

文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1672-7800（2018）007-0037-03

Abstract：ViBEalgorithmhashighaccuracyofforegrounddetection，butintheprocessofmovingtargetdetectionitwillproduceghosting，andcantadapttolightchanges.AimingatViBEghostshadowandlightchanges，weproposethecombinationofedgeframedifferencewithViBEandCanny.Thismethodusestheframedifferencemethodtoextractthepixelofthemovingobject，andtheCannyoperatorisemployedtoextracttheedgeinformationofthemovingtargetaswellascombinethepixelandtheedgeinformationofthemovingtarget，whichcanbeusedtodetectthemovingtargetdetection.Theexperimentalresultsshowthattheproposedalgorithmcaneffectivelyeliminateghostingandlightchanges，anditachievesgoodresultsincomplexanddynamicenvironment.

KeyWords：movingobjectdetection；Cannyedgedetechionalgorithm；inter-framedifferencemethod；ViBE；ghostelimination

0引言

隨著信息技術(shù)的發(fā)展，人們大量使用計(jì)算機(jī)輔助工具分析圖像序列、檢測(cè)物體運(yùn)動(dòng)，運(yùn)動(dòng)目標(biāo)檢測(cè)[1]成為當(dāng)前計(jì)算機(jī)視覺(jué)研究領(lǐng)域的熱門(mén)。運(yùn)動(dòng)目標(biāo)檢測(cè)算法主要分為三大類(lèi)：光流法[2]、幀差法[3]、背景減除法[4]。其中背景減除法利用歷史幀構(gòu)建背景模型，使用當(dāng)前幀和背景模型做差分運(yùn)算得到前景圖。文獻(xiàn)[5-7]采用融合幀間差分法抑制了鬼影。ViBE算法基于像素點(diǎn)構(gòu)建背景模型，雖然能夠?qū)崟r(shí)地適應(yīng)復(fù)雜場(chǎng)景的動(dòng)態(tài)變化，并很好地區(qū)分前景與背景，但仍有鬼影拖影現(xiàn)象。文獻(xiàn)[8-10]雖然改善了拖影現(xiàn)象，但在環(huán)境噪聲的影響下，檢測(cè)結(jié)果也不理想，仍易受環(huán)境噪聲影響。文獻(xiàn)[11-13]改進(jìn)了鬼影現(xiàn)象，但在復(fù)雜背景下抗干擾能力較差。文獻(xiàn)[14-16]通過(guò)形態(tài)學(xué)處理消除鬼影，取得了比較理想的效果。文獻(xiàn)[17]提升對(duì)場(chǎng)景的適應(yīng)性，魯棒性好，但不能很好地提取目標(biāo)完整輪廓。針對(duì)文獻(xiàn)[4-17]中為了改善拖影、鬼影和環(huán)境噪聲等問(wèn)題提出的算法在實(shí)際運(yùn)動(dòng)目標(biāo)檢測(cè)中存在的問(wèn)題，本文提出基于Canny與Frame-ViBE相融合的運(yùn)動(dòng)目標(biāo)檢測(cè)方法，該算法利用幀差法改善了鬼影現(xiàn)象，利用Canny邊緣檢測(cè)改善噪聲、光照等外來(lái)因素對(duì)運(yùn)動(dòng)目標(biāo)的影響。通過(guò)該算法可以準(zhǔn)確提取出完整的運(yùn)動(dòng)目標(biāo)，降低噪聲和光照的干擾，具有一定的魯棒性和適用性，適合對(duì)運(yùn)動(dòng)目標(biāo)進(jìn)行檢測(cè)。

1算法理論

2邊緣幀差與ViBE融合算法

在各種復(fù)雜場(chǎng)景下，例如光照突變、樹(shù)葉搖晃等，ViBE算法不能準(zhǔn)確地提取出運(yùn)動(dòng)目標(biāo)，可能會(huì)造成拖影和鬼影現(xiàn)象。將幀間差分法得到的二值化圖像和ViBE算法得到的二值化圖像進(jìn)行相“與”運(yùn)算。該方法可以改善拖影和鬼影現(xiàn)象，但不能很好地適應(yīng)光照變化和環(huán)境噪聲的情況。邊緣檢測(cè)圖像僅有目標(biāo)邊緣信息，對(duì)光照變化不敏感。本文采用改進(jìn)的Canny算子，相較于傳統(tǒng)的Canny算子，對(duì)環(huán)境噪聲有所抑制。將ViBE、幀差法相“與”運(yùn)算的結(jié)果和Canny算子檢測(cè)結(jié)果進(jìn)行相“與”運(yùn)算。

（3）對(duì)圖像進(jìn)行非極大值抑制。

（4）選取高低2個(gè)閾值T1、T2。用遞歸跟蹤算法不斷搜集邊緣，將符合規(guī)則的邊界點(diǎn)連接起來(lái)，得到邊緣檢測(cè)結(jié)果E。

以上方法獲得的二值化圖像僅包含運(yùn)動(dòng)目標(biāo)的邊緣輪廓信息，導(dǎo)致圖像中運(yùn)動(dòng)目標(biāo)出現(xiàn)內(nèi)部空洞的情況。為了避免這種情況，采用形態(tài)學(xué)“閉”運(yùn)算尋找圖像中運(yùn)動(dòng)目標(biāo)的輪廓，然后進(jìn)行區(qū)域填充完善運(yùn)動(dòng)目標(biāo)，最終提取完整的運(yùn)動(dòng)目標(biāo)。

2.2算法思想

算法流程如圖1所示。

將視頻轉(zhuǎn)化為視頻幀序列。對(duì)視頻幀進(jìn)行灰度處理，把彩色圖像轉(zhuǎn)化為灰度圖。通過(guò)式（1）的幀差法得到D。

判斷該幀是否為第一幀，如果是則建立背景模型。計(jì)算坐標(biāo)I（x，y）和樣本集M（x，y）像素點(diǎn)的歐式距離D。統(tǒng)計(jì)歐氏距離D小于閾值R的個(gè)數(shù)，并判斷個(gè)數(shù)是否小于閾值min。

若大于min，則有概率更新背景模型；若小于min，則為前景點(diǎn)。幀中所有坐標(biāo)點(diǎn)經(jīng)過(guò)上述方式處理后得到ViBE前景圖V。

將灰度圖通過(guò)式（2）與當(dāng)前幀進(jìn)行卷積得到平滑的圖像。根據(jù)式（3）、式（4）計(jì)算梯度幅值和方向。對(duì)梯度幅值進(jìn)行非極大值抑制。選取雙閾值T1、T2，如果圖像中的像素點(diǎn)Th大于高閾值T1，則認(rèn)為是強(qiáng)邊界；如果圖像中的像素點(diǎn)Th小于低閾值T2，則認(rèn)為不是邊界；如果圖像中的像素點(diǎn)Th在高低閾值之間則認(rèn)為是弱邊界，和強(qiáng)邊界相連的弱邊界認(rèn)為是邊界，其它的弱邊界則被抑制。連接邊界點(diǎn)得到canny邊緣檢測(cè)圖E。尋找輪廓，對(duì)輪廓內(nèi)部進(jìn)行區(qū)域填充，將填充后的E和V進(jìn)行形態(tài)學(xué)相“與”運(yùn)算，最后提取完整的運(yùn)動(dòng)目標(biāo)。

3實(shí)驗(yàn)結(jié)果

本算法代碼實(shí)驗(yàn)環(huán)境：硬件inteli76700，3.4GHz，8G內(nèi)存；軟件windows10操作系統(tǒng)：visualstudio2017+Opencv3.2。該視頻序列來(lái)自一個(gè)十字路口的拍攝視頻，視頻的幀率為25幀/s，分辨率為1280×720。Changedetection中streetCornerAtNight序列數(shù)據(jù)，分辨率位595×245。將ViBE算法、本文算法作為對(duì)比，以下圖片依次為原圖、ViBE算法、本文算法。幀間差分法閾值T為10。Canny算子高低閾值T1和T2分別為10、30。ViBE算法每個(gè)像素點(diǎn)的樣本集M（x，y）個(gè)數(shù)為9，min閾值為2，距離閾值R為20，δ為16。如圖2所示。

圖2中a（1）、a（2）分別為視頻序列第14幀、changedetection序列數(shù)據(jù)集中streetCornerAtNight第80幀。

圖a（1）是在白天上海一座高架橋下十字路口錄制的一段視頻序列。圖b（1）中ViBE算法有非常嚴(yán)重的拖影和鬼影現(xiàn)象，本文算法可以改善圖b（1）中ViBE算法造成的拖影和鬼影現(xiàn)象，同時(shí)較好地獲取運(yùn)動(dòng)目標(biāo)的輪廓信息。

圖a（2）是在夜間紅綠燈十字路口的視頻序列，車(chē)輛開(kāi)啟車(chē)燈的情況。圖b（2）中將車(chē)燈也當(dāng)作運(yùn)動(dòng)目標(biāo)。ViBE算法不能準(zhǔn)確地識(shí)別運(yùn)動(dòng)目標(biāo)，易受到光照變化的影響。本文算法可以更準(zhǔn)確地提取圖b（2）中完整的運(yùn)動(dòng)目標(biāo)，同時(shí)減少車(chē)燈光照變化的影響，具有更好的魯棒性。

根據(jù)表1，可以看出本文算法相較于ViBE算法有更好的實(shí)時(shí)性，計(jì)算量相對(duì)更少，通過(guò)對(duì)每個(gè)坐標(biāo)點(diǎn)計(jì)數(shù)，減少對(duì)背景模型更新的頻率。

4結(jié)語(yǔ)

本文提出了一種基于幀間差分法、canny算子與ViBE算法的融合算法，該算法利用canny算子對(duì)光照變化不敏感的特性，改善光照變化對(duì)檢測(cè)結(jié)果的干擾，同時(shí)獲取運(yùn)動(dòng)目標(biāo)的輪廓信息，降低環(huán)境噪聲對(duì)檢測(cè)結(jié)果的干擾；利用幀差法和ViBE算法的融合算法改善幀差法拖影現(xiàn)象、較好地抑制了ViBE算法鬼影現(xiàn)象，并具有一定的抗噪聲能力。通過(guò)對(duì)十字路口夜間車(chē)輛的檢測(cè)實(shí)驗(yàn)表明，本文算法明顯優(yōu)于ViBE算法，可以有效消除鬼影、降低環(huán)境噪聲和光照變化的干擾，且適應(yīng)更多的復(fù)雜環(huán)境，能夠準(zhǔn)確提取出完整的運(yùn)動(dòng)目標(biāo)，具有較強(qiáng)的魯棒性和實(shí)時(shí)性。

參考文獻(xiàn)：

[1]鄭佳，李江勇.基于背景差分和信息熵的運(yùn)動(dòng)目標(biāo)檢測(cè)算法[J].激光與紅外，2014，5（44）：563-566.

[2]NIUY，XUZ，CHEX.DynamicallyremovingfalsefeaturesinpyramidalLucas-Kanaderegistration[J].IEEETransactionsonImageProcessing，2014，23（8）：3535-3544.

[3]呂國(guó)亮，趙曙光，趙俊.基于三幀差分法和連通性檢驗(yàn)的圖像運(yùn)動(dòng)目標(biāo)檢測(cè)新方法[J].液晶與顯示，2007，22（1）：87-92.

[4]何志輝，黃山.一種改進(jìn)視覺(jué)背景提取模型的運(yùn)動(dòng)目標(biāo)檢測(cè)算法[J].小型微型計(jì)算機(jī)系統(tǒng)，2015，11（11）：2559-2562.

[5]何信華，趙龍.基于改進(jìn)高斯混合模型的實(shí)時(shí)運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤[J].計(jì)算機(jī)應(yīng)用研究，2010，27（12）：4768-4771.

[6]華媛蕾，劉萬(wàn)軍.改進(jìn)混合高斯模型的運(yùn)動(dòng)目標(biāo)檢測(cè)算法[J].計(jì)算機(jī)應(yīng)用，2014，34（2）：580-584.

[7]邱聯(lián)奎，劉啟亮，雷文龍.基于背景減除與三幀差分相融合的運(yùn)動(dòng)檢測(cè)[J].合肥工業(yè)大學(xué)學(xué)報(bào)：自然科學(xué)版，2014，37（5）：572-577.

[8]尹凱，魏江，李正.改進(jìn)的ViBE運(yùn)動(dòng)目標(biāo)檢測(cè)算法[J].電子設(shè)計(jì)工程，2014，22（16）：178-180.

[9]王輝，宋建新.一種基于閾值的自適應(yīng)ViBE目標(biāo)檢測(cè)算法[J].計(jì)算機(jī)科學(xué)，2015，42（6A）：154-157.

[10]胡昭華，張維新，王玨.基于改進(jìn)ViBE的運(yùn)動(dòng)目標(biāo)檢測(cè)算法[J].計(jì)算機(jī)技術(shù)與應(yīng)用，2017，43（4）：129-132.

[11]張杜，陳元枝，邱憑婷.基于ViBE算法及Canny邊緣檢測(cè)的運(yùn)動(dòng)目標(biāo)提取[J].微機(jī)與應(yīng)用，2015，34（14）：36-38.

[12]徐君妍，袁址赟，崔宗勇，等.基于幀間差分的ViBE運(yùn)動(dòng)目標(biāo)檢測(cè)[J].科學(xué)技術(shù)與工程，2017，17（27）：82-87.

[13]徐文瀚，程石磊.基于改進(jìn)ViBE算法的前景檢測(cè)[J].電子技術(shù)與軟件工程，2017，（16）：82-83.

[14]陳世文，蔡念，肖明明.基于高斯混合模型和canny算法的運(yùn)動(dòng)目標(biāo)檢測(cè)[J].廣東工業(yè)大學(xué)學(xué)報(bào)，2011，28（3）：87-90.

[15]張緯誠(chéng)，尹莉莉，方文貴.一種基于ViBE和改進(jìn)LBP的目標(biāo)跟蹤算法[J].惠州學(xué)院學(xué)報(bào)，2017，37（3）：76-80.

[16]張紅瑞，馬永杰.融合混合高斯模型的改進(jìn)的ViBE算法[J].西北大學(xué)學(xué)報(bào)：自然科學(xué)版，2017，47（3）：361-366.

[17]魏洪濤，李瑾，吳細(xì)秀.融合幀差和ViBE的運(yùn)動(dòng)目標(biāo)檢測(cè)算法[J].計(jì)算機(jī)應(yīng)用研究，2017，34（5）：1565-1567.

（責(zé)任編輯：江艷）