郭治成，黨建武*，金 靜

(1. 蘭州交通大學 電子與信息工程學院，蘭州 730070；2. 甘肅省人工智能與圖形圖像處理工程研究中心，蘭州 730070)

運動目標檢測通過快速、完整地獲取視頻序列中的運動物體，為檢測目標[1]、跟蹤目標[2]和分析理解目標行為[3]等算法提供研究基礎，是計算機視覺處理的研究熱點和難點之一，在智能監(jiān)控、智慧城市等諸多場景都有廣泛的應用.國內(nèi)外學者提出了許多目標檢測的算法，其中主要有幀間差分法[4]、LK光流法[5]和基于背景差分方法[6-7]等.幀差法通過時間序列上相鄰幀或連續(xù)幾幀之間差分運算獲取前景目標，算法運算快、實時性較強，但檢測結果容易出現(xiàn)空洞，無法提取目標完整的內(nèi)部信息.LK光流法源自光流場，通過計算各像素點在不同幀之間位移矢量特征的差異得到前景目標，目標獲取較為完整，但計算量大、復雜度較高，無法滿足實時性.背景差分法是運動目標檢測最為常用的方法，利用已知幀構建和更新穩(wěn)定的背景模型，將背景模型與檢測幀做差分并檢測前景目標，算法復雜度較低，能夠較為準確提取目標.

背景差分法的檢測性能取決于穩(wěn)健的背景模型，背景模型的初始化和更新算法決定算法性能.國內(nèi)外很多學者深入研究了如何建立穩(wěn)健高效的背景模型[8-10]，主要分為以單高斯背景模型SGM(semi-global matching,SGM)、混合高斯背景模型GMM(gaussian mixture model,GMM)[11]等為代表的參數(shù)化方法和以碼本模型CodeBook[12]、像素自適應分割模型PBAS(pixel-based adaptive segmentervisual,PBAS)[13]、ViBe(visual background extractor)[14]等為代表的非參數(shù)化方法.混合高斯背景模型采用多個高斯分布描述像素變化，能夠較好的處理多峰分布的背景，但調整閾值難度較高，計算復雜度高，無法達到實時性.CodeBook為圖像序列中每個像素建立碼本結構，每個碼本中又包含多個碼字，處理局部區(qū)域時間周期性起伏效果較好，復雜度不高，但內(nèi)存消耗量大，更新碼字后易造成目標檢測錯誤，無法自適應檢測復雜背景.PBAS引入控制論思想和背景復雜程度度量方法，處理復雜背景有較好的效果，但判斷前景閾值和計算更新率復雜度較高，處理速度慢，實時性較差.Barnich提出ViBe算法依據(jù)像素鄰域空間內(nèi)的相關特性用一幀將背景模型初始化，更新采用隨機策略調整背景模型，計算復雜度低，實時性較強，但易產(chǎn)生ghost區(qū)域，固定閾值導致召回率較低，檢測結果中易產(chǎn)生孔洞.

目前在背景動態(tài)變化程度較大時大多數(shù)背景建模算法(如：CodeBook、ViBe等)檢測效果不夠理想，提取前景目標和識別正確背景往往引起誤匹配，出現(xiàn)大量的假前景，魯棒性較差.有些算法在背景動態(tài)變化程度較大時表現(xiàn)出較好的檢測效果(如：GMM、PBAS等)，但算法復雜度高、計算量大、實時性差.本文提出一種基于自適應復雜場景的背景建模算法，采集視頻前5幀圖像快速初始化背景模型，通過后續(xù)幀獲取像素的分布特征更新背景模型，降低噪聲和邊緣像素對模型的影響，改善初始化易造成ghost現(xiàn)象的問題，提出自適應離散系數(shù)，降低在復雜場景中提取前景目標的難度，減少了目標空洞和假目標，表現(xiàn)出較強的魯棒性，算法計算復雜度低，能夠快速完成目標的檢測.

1 基于自適應復雜場景的背景建模方法

本文算法采集視頻前5幀圖像初始化背景模型，通過后續(xù)幀中像素分布特征和自適應離散系數(shù)更新背景模型，其由工作原理、模型初始化以及更新模型策略三方面組成.

1.1 背景模型工作原理

觀測視頻序列同位置像素值在時間軸上可構成一個F(xi)={x1,x2,…,xt}序列，其中：xi代表視頻一幀中一個像素；i和t為時間；F(xi)為xi的像素值.本文算法為視頻序列同位置像素建立背景樣本模型M(xi)={P(xi),B(xi),V(xi)}，其中：P(xi)={p1,p2,…,pN}為xi處背景樣本集，pi為第i個樣本像素值，N為樣本個數(shù)；B(xi)=為前一幀xi-1是否是背景，若是b=0,若不是b=1；V(xi)={v}為xi像素離散系數(shù).

模型工作原理是背景樣本模型M(xi)作為邊界判別前景像素(foreground)和背景像素(background)，M(xi)包含了所有背景像素值及特征，背景像素值分布在M(xi)內(nèi)部，通過式(1)判斷t時刻輸入F(xt)是否為背景像素.

(1)

1.2 模型初始化

一幀圖像中像素在灰度級上的值與其鄰域像素灰度值相關性較強，如圖1(a)所示，視頻在連續(xù)5幀中選取兩個3×3區(qū)域為A(中心坐標(183,120)，位于視頻中間靠下側)和B(中心坐標(165,38)，位于視頻中間靠左下側)，像素灰度值在A、B兩個區(qū)域內(nèi)變化如圖1(b)所示.從圖1(b)可以看出:A區(qū)域中心像素與鄰域像素相關性較強，為平滑區(qū)域；B為邊界區(qū)域，中心像素與鄰域像素變化幅度較大，但中心像素與大部分鄰域像素相關性較強，可在背景模型初采樣時建立像素鄰域和中心像素的集合.

初始化背景模型采集前5幀圖像，取t時刻像素{xt|t=1,2,…,5}的3×3鄰域像素構成備選集合S(xi)，選取S(xi)中N個滿足式(5)的像素值為P(xt)初始樣本集.

S(xi)={F(xt),F′(xt)|t=1,2,…,5},i=1,2,…,45,

(2)

fi=count(S(xi)),

(3)

m=median(F(xt)),t=1,2,…,5,

(4)

pi={xi∈S(xi)|max(fi)∩min(xi-m)},i=1,2,…,N.

(5)

其中：F′(xt)為xt鄰域像素值；fi為像素在視頻中出現(xiàn)頻率，利用背景像素的高頻率特性可有效去除噪聲對模型的影響；m為F(xt)中值.以m為特征篩選像素，減少了鄰域中邊緣像素的影響，提高了算法的穩(wěn)健性；N為樣本個數(shù)，一般選取10～20之間；初始化前一幀狀態(tài)默認為背景B(xi)={b=0}；初始化離散系數(shù)Vf(xi)={F(xt)|t=6}.

圖1 像素鄰域相關性Fig.1 Pixel domain correlation

視頻中背景一般由背景動態(tài)變化范圍分為兩類：簡單背景(見圖2(a)A區(qū)域，中心坐標(61，64)，位于視頻中間靠左側)和復雜背景(見圖2(a)B區(qū)域，中心坐標(115，160)，位于視頻中間靠下側)，選取視頻連續(xù)50幀，F(xiàn)(A)、F(B)為A、B中心點像素值，F(xiàn)(A)、F(B)變化如圖2(b)所示.

圖2 背景動態(tài)變化Fig.2 Dynamic changes in background

區(qū)域A為簡單背景，像素值相對集中，動態(tài)變化范圍小，容易判斷前景目標.區(qū)域B為復雜背景，像素值動態(tài)變化復雜，檢測目標難度較大，不易用像素值描述復雜背景動態(tài)變化程度，因此建立模型離散系數(shù)V(xi)={v}，滿足式(7)衡量背景動態(tài)變化程度.

(6)

(7)

1.3 更新模型策略

視頻背景不是一成不變，會隨著光線、遺留物體、停滯目標等因素而變化，背景模型的策略應能夠使模型適應這種變化，以提高判斷前背景目標的準確性.

模型更新策略如下：

步驟1：F(xt)未被分類，計算集合{P(xi)∪F(xt),i=1,2,…,N}的離散系數(shù)V(xt).

步驟2：判斷K值(見式(8))，若K=0，執(zhí)行步驟3；若K=1，執(zhí)行步驟4.

k={(V(xt)<δ)⊕B(xt)}.

(8)

步驟3：若F(xt)和V(xt+1)滿足式(9)(其中：ε,γ為常數(shù))，則F(xt)為背景，執(zhí)行步驟5；否則F(xt)為前景，執(zhí)行步驟6.

(vt<δ)∧(count(|F(xt)-P(xi)|>ε)>γ).

(9)

步驟4：輸入F(xt+1)，計算{P(xi)∪F(xt+1),i=1,2,…,N}的離散系數(shù)V(xt+1)，若F(xt+1)和V(xt+1)滿足式(9),則F(xt)為背景，執(zhí)行步驟5；否則F(xt)為前景，執(zhí)行步驟6.

步驟6：B(xi)=1,若連續(xù)80幀該位置像素都為前景，則判斷該點為遺留物體或目標停止運動，用F(xt+i)(i=0,1,…,4)初始化M(xi).其中，F(xiàn)(xt+1)

為F(xt)相鄰幀，利用目標在前后幀中具較強的相關性，可有效減少目標空洞和噪聲對檢測目標的影響.

2 仿真實驗及結果分析

2.1 對比試驗

為檢驗本文所提出的背景建模算法的適應性和有效性，軟件用VC++和Opencv編程實現(xiàn),實驗參考了實際工程環(huán)境，配置硬件環(huán)境采用處理器為Intel Core i5 2.9 GHz，內(nèi)存為16 GB.對比算法選取文獻[12]中的CodeBook算法、文獻[11]中的MOG算法、文獻[13]中的PBAS算法和文獻[14]中的ViBe算法.

實驗對象選取MicrosoftWallflower paper和CDNet2014兩個數(shù)據(jù)集中的Bootstrap、TimeOfDay、WavingTrees、highway、canoe和fountain02 6種場景測試算法，其中：fountain02單幀分辨率為432×288；canoe、highway單幀分辨率為320×240；Bootstrap、TimeOfDay和WavingTrees單幀分辨率為160×120；CodeBook建模幀數(shù)為30幀，MOG建模幀數(shù)為20幀.仿真結果如圖3所示，其中：Origian為視頻源；Ground Truth為實際前景；Proposed為本文算法處理結果.

2.2 定量分析

為了對算法做更加精確地定量分析，從處理速度和準確性兩方面做對比試驗以評價本文算法的性能.

圖3 五種算法結果對比Fig.3 Comparison of the five algorithms processing results

處理速度為5種算法平均建模時間(modeling time，MT)和對單幀處理的平均時間(handling time，HT)，算法消耗時間見表1.本文算法背景模型初始化只采集視頻連續(xù)5幀圖像，耗時較短，單幀處理速度相對其他算法較快，具有實時處理視頻的能力.

采用Yi W等在CDnet 2014[15]上提出的三組指標對算法進行準確性評估，包括召回率(recall,RE)、準確率(precision,PR)和誤檢百分比(precentage of wrong classifications,PWC).

(10)

(11)

(12)

其中:TP為前景中正確檢測的點;TN為前景中錯誤檢測的點;FP為背景中正確檢測的點;FN為背景中錯誤檢測的點.

表1 5種算法處理速度對比

普通場景實驗數(shù)據(jù)highway、WavingTrees、Bootstrap和TimeOfDay等實驗結果見表2.canoe和fountain02為復雜場景，包括動態(tài)水面、人工噴泉等復雜背景,實驗結果見表3.由圖3可以看出，本文算法前景目標提取較其他算法完整度較高，識別背景錯誤率較低，假前景較少，在復雜背景環(huán)境下前景目標識別度也較高.從表2、3定量分析可以看出，本文算法準確率、召回率和誤檢百分比也優(yōu)于其他算法，在復雜場景下有較強的魯棒性.

表2 普通場景

表3 復雜場景

3 結論

本文提出一種基于自適應復雜場景的背景建模方法，算法復雜度低，建模速度快，對低幀率視頻處理實時性強，改善了初始化易造成ghost現(xiàn)象的問題，減少了噪聲和邊緣像素對模型的影響.模型用自適應離散系數(shù)，降低了在復雜場景中提取前景目標的難度.實驗對多組數(shù)據(jù)進行測試，測試結果表明本算法相對于其他算法在處理速度和準確性上具有一定的優(yōu)勢，在復雜場景中提取目標較完整，減少了由背景像素值大幅度變化產(chǎn)生的假前景，具有較強的適應性和魯棒性.實驗結果圖像沒有經(jīng)過后期處理，檢測目標出現(xiàn)局部缺失和孔洞，后期需要采用形態(tài)學等算法進行改進.