李春敏，鄔春學，熊乃學

(上海理工大學 光電信息與計算機工程學院，上海 210000)

運動目標檢測是當前圖像技術(shù)等研究的焦點和熱點，廣泛應(yīng)用于多個領(lǐng)域[1]，如行人檢測、智能監(jiān)控、智能機器人等。運動目標檢測是一個通過使用特定算法把與背景存在相對運動的前景目標從圖像序列中分離出來的過程。

本文主要對隨時間變化不大的靜態(tài)場景下的運動目標進行檢測分析，旨在獲取一種高效率、高質(zhì)量的檢測方法。目前常用的運動目標檢測方法包括：光流場法[2]、幀差法[3]和背景差法[4]。光流場法計算復雜度高、實時性差、硬件要求也非常高，難以滿足運動目標檢測的實時檢測的要求。幀差法[5]運算量小且易于實現(xiàn)，雖然能較好地適用于光照變化和對實時性要求相對較高的場合，但不能完全提取出所有相關(guān)的特征像素點。幀差法閾值的選取對檢測效果影響很大，可通過融合其他方法以提高整體性能。背景差法[6]運算復雜度小、耗費時間短、易實現(xiàn)，可以獲得期望的效果，因此在實時監(jiān)控中，背景差法是最常用的方法。背景差法[7]的關(guān)鍵是建立一個良好的背景模型。目前，根據(jù)不同的應(yīng)用場景有很多不同的背景建模方式：Wren等[8]提出了單高斯背景模型，該模式無法應(yīng)對復雜背景，如波動的水和擺動的樹葉[9]；Stauffer和Grimson[10]在單高斯模型基礎(chǔ)上，提出了混合高斯分布模型，能較好的克服背景中物體的小幅度運動、光照的緩慢變化，但該方法的檢測效率低，不利于對運動目標的實時監(jiān)控[11]。為了克服這些問題，研究人員又提出了非參數(shù)方法[12]。該方法可以快速的檢測出前景，但對背景變化很敏感?；谏鲜龃嬖诘膯栴}，Kim等人[13]提出了codebook模型算法，該算法運算量小、檢測精度高、實時性較好，但不能適應(yīng)光照的突變且對陰影的去除效果不佳。文獻[14]提出了基于YUV空間的碼本模型算法，相比傳統(tǒng)的RGB空間模型，其碼字描述更加簡單，對移動目標檢測的處理效率更高。本文結(jié)合幀差法和codebook模型的優(yōu)缺點，采用YUV空間下的codebook模型，融合五幀差法進行運動目標檢測，并進行相應(yīng)改進，最后采用自適應(yīng)閾值方法反復優(yōu)化來提高檢測的準確性。

1 運動目標融合算法

幀差法可以較好地應(yīng)對光照變化，但目標提取存在空洞現(xiàn)象。背景差法可以較完整地提取目標，但不能很好地應(yīng)對光照的變化。本文將兩種方法融合，可以彌補各自的缺點，并有效去除噪聲和陰影，以獲得更好的檢測效果。

1.1 基于YUV顏色空間的codebook背景模型

YUV顏色空間具有亮度分量Y和色度分量U、V相互獨立的優(yōu)點，它可以由RGB顏色空間直接經(jīng)線性運算轉(zhuǎn)化而來，又可以避免使用RGB顏色空間而帶來的復雜乘法與開平方運算。為了提高運動目標檢測速度，本文將彩色圖像轉(zhuǎn)為灰度圖，將灰度值作為YUV空間的Y分量進行處理。

該算法假設(shè)X={x1,x2,…,xN}是某像素X的序列采樣值，長度為N，其中,xi表示YUV空間下像素的Y分量，定義C={c1,c2,…,cL}為該像素的碼本，ci(1≤i≤L)表示碼字，每個碼本的碼字不一定相同，每個碼字定義為ci={Ymax,Ymin,fi,λi,pi,qi}，碼字各元素的含義如表1所示，codebook基本算法包括背景建模和前景檢測。

表1 碼字各元素的含義

1.1.1 基于YUV顏色空間的codebook背景模型

(1)碼本模型的訓練。

步驟1碼本的初始化，將每個像素的碼本置空，即L=0,C=?；

步驟2對于訓練圖像序列的任意像素X的序列，采樣值X={x1,x2,…,xN}，按時間序列，t=1,2,…,N執(zhí)行以下步驟

1) 若碼本為空(C=?)或不存在匹配的碼字，則創(chuàng)建一個新碼字CL

L=L+1;
cL={Yt,Yt,1,t-1,t,t}

(1)

2)若碼本不為空，且存在匹配的碼字ci，同時Yt∈則按下式更新碼字

ci={max(Ymax,Yt),min(Ymin,Yt),fi+
1,max(λi,t-qi+pi+1),pi,t}

(2)

(2)非背景碼字的刪除。

訓練結(jié)束后，計算該像素每個碼字沒有再次出現(xiàn)的最大時間間隔

λi=max{λi(N-qi+pi-1)}
M={cm|cm∈C∩λm≤TM}

(3)

消除冗余碼字以得到純凈的背景碼本M，M為描述背景的碼字集合，即刪減非背景碼字以后的碼本，C表示訓練得到的初始碼本，TM表示碼字相鄰兩次出現(xiàn)時間間隔的閾值，通常取訓練幀數(shù)的一半，即N/2。

1.1.2 前景檢測

采用與訓練碼本相同的方法進行新像素與碼字的匹配，若匹配，更新碼字并且判斷為背景點，按照1.1.1節(jié)(1)中的步驟2的2)更新碼字；若與碼本中的所有碼字均不匹配，判斷為前景點，并以此獲得前景圖像Zk(x,y)。

1.2 融合五幀差法的運動目標檢測

文獻[15]提出了三幀差法，這是對傳統(tǒng)幀差法的改進，它雖然能快速地檢測出運動目標的輪廓，相比傳統(tǒng)幀差法有較好的檢測效果，但仍然存在空洞現(xiàn)象。文獻[16]在三幀差法的基礎(chǔ)上，提出了五幀差法，可以在一定程度上有效地克服三幀差法的不足。該算法的基本原理是：

(1)選取視頻圖像序列中連續(xù)五幀圖像fk-2(x,y),fk-1(x,y),fk(x,y),fk+1(x,y)和fk+2(x,y)，其中fk(x,y)為中間幀，分別將其轉(zhuǎn)為相應(yīng)的灰度圖像，得到相應(yīng)的五幀圖像Ik-2(x,y),Ik-1(x,y),Ik(x,y),Ik+1(x,y)和Ik+2(x,y)。

(2)對第k-2、k幀圖像，第k-1、k幀圖像，第k、k+1幀圖像和第k、k+2幀圖像分別做差分運算，得到的差分結(jié)果為

d1(x,y)=|Ik(x,y)-Ik-2(x,y)|
d2(x,y)=|Ik(x,y)-Ik-1(x,y)|
d3(x,y)=|Ik(x,y)-Ik+1(x,y)|
d4(x,y)=|Ik(x,y)-Ik+2(x,y)|

(4)

對差分結(jié)果di(x,y)(i=1,2,3,4)分別進行二值化

(5)

由于傳統(tǒng)的閾值T是固定值，適應(yīng)性較差，本文在文獻[16]的基礎(chǔ)上，采用了OTSU法[17]來確定最佳閾值，以便較好地適應(yīng)光照的變化。其基本思想是根據(jù)圖像的灰度值將圖像分為兩類：c0和c1。當兩類類間方差最大時所對應(yīng)的閾值即為最佳閾值。視頻中圖像的灰度范圍為[0，255]，c0對應(yīng)灰度值范圍為[0，T]的像素，c1對應(yīng)于灰度值范圍為[T+1，255]的像素。設(shè)圖像像素總數(shù)為N，灰度值為k的像素的個數(shù)為nk，則k的概率取值如下

(6)

c0出現(xiàn)的概率為

(7)

c1出現(xiàn)的概率為

(8)

整幅圖像的均值為

(9)

ω0和ω1的均值分別為

(10)

(11)

類間方差定義為

σ2=ω0(μ0-μT)2+ω1(μ1+μT)2
=ω0ω1(μ0-μ1)

(12)

由灰度最小值到灰度最大值遍歷T，當T=argmaxσ2時，方差取最大值，即此時的閾值T為最佳閾值。

接著將得到的二值圖像分兩組進行取“與”操作和取“異或”操作。首先取“與”操作，將同時存在的運動目標都取出

H14(x,y)=g1(x,y)?g4(x,y)
H23(x,y)=g2(x,y)?g3(x,y)

(13)

其中“?”代表與運算。再進行異或操作，以此來獲得兩幅圖像的差異區(qū)域：將g1(x,y)和g4(x,y)進行異或運算得到L14(x,y)；將g2(x,y)和g3(x,y)進行異或運算得到L23(x,y)。由于在這個操作中會比原來存在較多的噪聲，接著取“或”操作將相同的以及各自的運動像素合在一起

Ak(x,y)=H14(x,y)⊕H23(x,y)
Bk(x,y)=L14(x,y)⊕L23(x,y)

(14)

其中，“⊕”代表或運算。這時存在的前景運動目標像素是最多的，但是重影現(xiàn)象和噪聲也增多，最后一步將生成的兩幀取“與”操作，很好地克制“或”運算導致的目標重疊現(xiàn)象，改善了目標的檢測效果。

Rk(x,y)=Ak(x,y)?Bk(x,y)

(15)

(3)由于五幀差法也繼承了幀差法的缺點，使得獲取的前景目標圖像存在“空洞”現(xiàn)象。對得到的目標進行膨脹、腐蝕等形態(tài)學后處理，以剔除噪聲，減少空洞現(xiàn)象，使邊緣輪廓更連續(xù)，目標區(qū)域更加顯著。

1.3 融合的運動目標提取

通過codebook模型和五幀差法獲得了可能的運動目標的像素，若只使用其中一種方法來確定運動目標，則檢測結(jié)果將會不理想。因此，將改進后的五幀差法和codebook模型法所得到的運動區(qū)域作“或”運算，便可以得到精確的運動區(qū)域。在得到codebook模型法前景圖像下的Zk(x,y)和五幀差法下的前景圖像Rk(x,y)后，按下式進行運動目標提取

Fk(x,y)=Zk(x,y)⊕Rk(x,y)

(16)

1.4 形態(tài)學處理

融合五幀差法和codebook模型法后得到的前景圖像往往存在中間有空洞、周圍有毛刺等不平滑的情況，為了提高準確性，對最終得到的前景圖像進行膨脹和腐蝕以及兩者組合的開運算和閉運算的形態(tài)學處理。

1.5 融合模型實現(xiàn)方法

本文提出的改進的運動目標檢測方法主要包括4個步驟：(1)采用codebook模型進行背景建模和前景檢測，并獲得前景圖像；(2)通過改進的五幀差法獲得前景圖像；(3)對步驟(1)和步驟(2)中獲得的兩幅前景圖像進行或運算，得到精確的前景圖像；(4)為了去除背景噪聲和相機抖動的影響，進行形態(tài)學處理，以獲得更精確的運動目標。

2 實驗結(jié)果及分析

本實驗平臺采用Intel Core(i5-4590M)3.30 GHz雙核處理器、4 GB內(nèi)存、Windows 7操作系統(tǒng)。文中以Visual Studio 2013為軟件平臺，借助OpenCV3.2庫函數(shù)對算法進行優(yōu)化和改進。采用兩段視頻作為實驗數(shù)據(jù)，進行了實驗，分別對五幀差法、高斯混合模型算法、原始codebook方法、YUV顏色空間下codebook算法以及本文改進算法的實驗效果進行對比。本文對兩個視頻在320×240、640×480、1024×768三種不同分辨下進行了實驗。視頻1為道路視頻，拍攝于上海市區(qū)某段道路，場景中存在光線的局部變化，采用的大小是640×480。視頻2拍攝于上海理工大學校園內(nèi)某處，場景中存在上方草坪和樹葉的晃動，采用的大小是640×480(本文實驗視頻素材為攝像頭靜止狀態(tài)所拍)。實驗結(jié)果中(a)為原圖，(b)為五幀差法下檢測的結(jié)果，(c)為混合高斯模型法下的檢測結(jié)果，(d)為原codebook法下的檢測結(jié)果，(e)為YUV顏色空間codebook法下的檢測結(jié)果，(f)為本文改進算法下的檢測結(jié)果。

圖1 視頻1目標檢測結(jié)果

圖1的測試幀是視頻1中的第625幀，該時刻道路兩邊行人和左邊3排車輛融為背景，右邊兩排車輛緩慢移動。實驗結(jié)果表明，五幀差法能檢測出汽車的大致輪廓，但提取出的運動目標不完整；高斯混合模型法目標提取比較完整；原始codebook算法檢測的結(jié)果形狀較飽滿，但包含很多噪聲，對一些高亮度噪聲干擾產(chǎn)生了誤檢，比如圖中下方地面上的虛線被誤判為前景；YUV顏色空間下codebook方法雖減少了噪聲，但仍將地面上的虛線判為了前景；相比之下，本文改進后的方法能抑制噪聲的影響，且很好的適應(yīng)局部光照變化，避免了融入背景的誤判，目標分割結(jié)果更加準確、完整。

圖2 視頻2目標檢測結(jié)果

圖2為視頻2的第330幀，從檢測結(jié)果可以看出，五幀差法獲取的前景圖像目標提取不完整，且提取出的運動目標存在明顯空洞現(xiàn)象；高斯混合模型法目標提取比較精確，但存在噪聲，沒有克服樹枝晃動干擾；原始codebook算法結(jié)果相對較好一點，但檢測出的運動目標有大面積陰影，同時左側(cè)的井蓋部位出現(xiàn)了誤檢，且噪點較多；YUV顏色空間下codebook算法檢測出的運動目標比較完整，去除了陰影，減少了噪點，但左側(cè)的井蓋部位仍然出現(xiàn)了誤檢；本文算法檢測出的運動目標完整且無陰影、背景噪點少、對樹枝晃動干擾敏感度低且基本去除了誤檢。

最后給出了這兩個視頻在不同分辨率及不同方法下處理速度的比較，單位為幀·s-1。方法(I)、(II)、(III)、(IV)、(V)分別為五幀差法、高斯混合模型法、原始codebook方法、YUV顏色空間下codebook方法和本文改進算法。

表2 視頻1處理速度比較 /幀·s-1

表3 視頻2處理速度比較 /幀·s-1

由表2和表3可以看出，五幀差法處理速度最快；高斯混合模型的實時性最差，為該算法需要計算復雜的概率分布模型；YUV顏色空間下的codebook算法比RGB顏色空間下的codebook算法處理速度快。

3 結(jié)束語

本文將光流場法、幀差法、背景差法這3種常用的運動目標檢測方法進行比較后，確定采用對不同場景適應(yīng)性更強的基于codebook模型的背景差法作為本文運動目標檢測的方法。針對在RGB顏色空間下復雜的乘方與開平方運算，選擇YUV作為顏色空間模型，同時融合改進的五幀差法，采用自適應(yīng)閾值，以適應(yīng)光照變化的場景。實驗表明該算法在正常情況下能夠較好地提取出不同環(huán)境下的運動目標區(qū)域，檢測準確率較高、易于實現(xiàn)，在一定程度上提高了實時性，節(jié)省了內(nèi)存，對復雜環(huán)境下的運動目標檢測適應(yīng)性更強。該算法既提高了背景差法目標提取的準確性，又減少了五幀差法的運動目標空洞現(xiàn)象，能夠有效地去除噪聲和陰影，具有良好的檢測效果和抗干擾能力。但是本文算法也有不足之處，其在計算速度上慢于碼本模型算法和五幀差法，仍需要進一步改進。