視頻圖像運(yùn)動(dòng)目標(biāo)提取應(yīng)用非常廣泛。目前運(yùn)動(dòng)目標(biāo)提取的方法大致可分為:光流法、幀差法、背景差分法[1]等。近年來，為了有效提取視頻圖像運(yùn)動(dòng)目標(biāo)，學(xué)者們又提出了許多可行方法,這些方法主要分為兩大類: (1)建立背景模型[2-3],并采用自適應(yīng)方法對(duì)模型參數(shù)進(jìn)行調(diào)整，從而獲得新的背景圖像；(2)重構(gòu)背景圖像，包括典型的像素聚類法[4]、時(shí)間平均法等。參考文獻(xiàn)[5]假設(shè)背景在圖像序列中總是被經(jīng)常觀察到，提出把出現(xiàn)頻率最高的亮度值作為背景亮度值。在此基礎(chǔ)上，參考文獻(xiàn)[6]給出基于在線聚類的背景重構(gòu)算法。參考文獻(xiàn)[7]針對(duì)聚類中需要人工設(shè)定閾值的缺點(diǎn), 提出一種自適應(yīng)在線聚類的背景提取方法。參考文獻(xiàn)[8]針對(duì)參考文獻(xiàn)[7]中設(shè)置的自適應(yīng)閾值α存在隨著聚類過程會(huì)越來越大的問題，通過比例系數(shù)β對(duì)閾值α進(jìn)行修正。本文通過對(duì)參考文獻(xiàn)[7]和參考文獻(xiàn)[8]中閾值α設(shè)置方法的進(jìn)一步分析，針對(duì)其存在的問題做了有效改進(jìn)，提高了背景重構(gòu)算法的效率。針對(duì)彩色視頻圖像，結(jié)合HSI色彩空間加權(quán)歐氏距離和背景減除法，提出一種彩色視頻運(yùn)動(dòng)目標(biāo)自適應(yīng)在線聚類提取算法。
1 數(shù)據(jù)預(yù)處理
    通過離散小波變換(DWT)對(duì)數(shù)據(jù)進(jìn)行預(yù)處理，以提高算法效率。輸入圖像數(shù)據(jù)經(jīng)過一級(jí)二維離散小波變換后被分解成近似分量LL(低頻部分)、水平方向細(xì)節(jié)分量HL(次低頻部分)、垂直方向細(xì)節(jié)分量LH(次高頻部分)、對(duì)角方向細(xì)節(jié)分量HH(高頻部分)。圖像的主要信息大多集中在低頻部分，而高頻部分的有用信息較弱，對(duì)人眼視覺影響較小，且噪聲也大多集中在高頻部分。因此，通過數(shù)據(jù)量只有總量1/4的低頻分量LL來提取目標(biāo)，不但提高了處理速度，而且抑制了噪聲。
2 基于色差聚類的背景重構(gòu)
2.1 灰度圖像背景重構(gòu)及閾值設(shè)置[6-9]
    灰度圖像聚類法背景重構(gòu)思想為: 首先將輸入的第一幀中的像素灰度值作為第一個(gè)類，當(dāng)新的數(shù)據(jù)到來時(shí)與該類中的首元素相比較，如果該數(shù)據(jù)與首元素灰度差的絕對(duì)值≤α，則將元素放入該類; 否則，把該元素放入新類中。為了使基于色差聚類中的參數(shù)α具有自適應(yīng)性，參考文獻(xiàn)[7]將閾值設(shè)置為：



4 實(shí)驗(yàn)結(jié)果及分析
    實(shí)驗(yàn)是在Matlab R2010a開發(fā)環(huán)境下進(jìn)行測(cè)試。本文實(shí)驗(yàn)中的理想目標(biāo)提取圖像均是用Photoshop CS5軟件手動(dòng)提取的。
   視頻1為PETS2000測(cè)試視頻,實(shí)驗(yàn)結(jié)果如圖1和表1所示，本文從視頻的1 300幀開始，以3幀為周期抽取100幀作為訓(xùn)練序，手動(dòng)提取第2 580幀作為理想背景。本文所選取的訓(xùn)練序列中包含了兩輛汽車倒車時(shí)的迂回運(yùn)動(dòng)和多目標(biāo)運(yùn)動(dòng)的情況。
   視頻2為高速公路隧道監(jiān)控視頻，實(shí)驗(yàn)結(jié)果如圖2和表2所示，本文從視頻的10幀開始，以3幀為周期抽取60幀作為訓(xùn)練序，手動(dòng)提取第10幀作為理想背景。本視頻中由于汽車的燈光對(duì)路面的照射引起了環(huán)境變化。但由實(shí)驗(yàn)結(jié)果可見，本文算法還是能比較準(zhǔn)確地重構(gòu)背景。

    視頻3為Hall(CIF)視頻，實(shí)驗(yàn)結(jié)果如圖3和表3所示，本文從視頻的第1幀開始，以3幀為周期抽取100幀作為訓(xùn)練序列，手動(dòng)提取第3幀作為理想背景。原視頻前130幀箱子在手上隨運(yùn)動(dòng)目標(biāo)移動(dòng)，從第130幀開始，箱子被放下。參考文獻(xiàn)[8]算法將箱子處理成了背景，本文算法僅將箱子的小部分處理成了背景。

    本文3組實(shí)驗(yàn)分別考慮了目標(biāo)迂回運(yùn)動(dòng)、多目標(biāo)運(yùn)動(dòng)、環(huán)境變化以及不滿足背景在視頻序列中以較高頻率出現(xiàn)假設(shè)等情況下，分別用本文算法和參考文獻(xiàn)[8]算法進(jìn)行了仿真。
參考文獻(xiàn)
[1] BARNICH O, Van DROOGENBROECK M.ViBe: a universal background subtraction algorithm for video sequence[J].IEEE Trans. on Image Processing, 2011,20(6):1709-1724．
[2] HASSANPOUR H, SEDIGHI M. MANASHTY A R. Video frame′s background modeling: reviewing the techniques[J]. Journal of Signal and Information Processing, 2011,2(2):72-78．
[3] 潘欣艷, 徐榮青, 崔媛媛,等. 邊緣檢測(cè)與混合高斯模型相融合的運(yùn)動(dòng)目標(biāo)檢測(cè)算法[J].微型機(jī)與應(yīng)用,2011,30(23):43-50.
[4] 鄭錦, 李波. 面向室外視頻監(jiān)控的背景重構(gòu)算法[J].電子學(xué)報(bào),2009,37(8):1854-1859.
[5] 侯志強(qiáng), 韓崇昭.基于像素灰度歸類的背景重構(gòu)算法[J].軟件學(xué)報(bào),2005,16(9):1568-1576.
[6] 肖梅, 韓崇昭. 基于在線聚類的背景減法[J].模式識(shí)別與人工智能, 2007,20(1):35-41.
[7] 夏潔,吳健,陳建明.基于自適應(yīng)在線聚類的背景提取[J].計(jì)算機(jī)工程,2011,37(3):169-171.
[8] 任應(yīng)軍,范九倫.基于 DWT 的自適應(yīng)在線聚類運(yùn)動(dòng)目標(biāo)提取方法[J].計(jì)算機(jī)應(yīng)用研究, 2012,29(9):3561-3564.
[9] 任應(yīng)軍, 范九倫. 一種DWT與背景重構(gòu)相結(jié)合的運(yùn)動(dòng)目分割方法[J].計(jì)算機(jī)科學(xué), 2012,39(10):290-293.
[10] GONZALEZ R C,WOODS R E. Digital image processing[M]. MATLAB Edition, Chinese, Beijing: Publishing House of Electronics Industry, 2005.