史瑞環(huán)，吳斌，李務(wù)軍，范風(fēng)兵

　?。ㄎ髂峡萍即髮W(xué) 信息工程學(xué)院，四川 綿陽(yáng) 621010）

　　摘要：ViBe運(yùn)動(dòng)目標(biāo)檢測(cè)算法速度快，能有效抑制噪聲，但在光照強(qiáng)度突然改變的情況下，該算法會(huì)造成大面積的背景像素被誤判為前景像素，針對(duì)此問(wèn)題提出一種改進(jìn)的融合幀差法的ViBe算法。實(shí)驗(yàn)結(jié)果表明，改進(jìn)的算法能在光照有變化時(shí)依然能檢測(cè)到完整的運(yùn)動(dòng)目標(biāo)。

　　關(guān)鍵詞： ViBe；目標(biāo)檢測(cè)； 幀差法

0引言

　　隨著互聯(lián)網(wǎng)和物聯(lián)網(wǎng)的飛速發(fā)展 ，近年來(lái)智能安防監(jiān)控得到了廣泛的關(guān)注和應(yīng)用。前景目標(biāo)的提取是運(yùn)動(dòng)視頻分析的關(guān)鍵步驟，提取的目標(biāo)是否準(zhǔn)確完整將直接影響到后續(xù)的目標(biāo)分類(lèi)、目標(biāo)跟蹤和識(shí)別的準(zhǔn)確率。

　　目前，常用的運(yùn)動(dòng)檢測(cè)方法有：幀差法、背景差法、光流法［1］。其中，背景差法應(yīng)用最為廣泛，核心原理是為每一個(gè)像素點(diǎn)建立一個(gè)背景模型，然后用模型與當(dāng)前像素相比，以確定是否為背景像素。經(jīng)典的背景差法是GMM［2］，它將單一像素點(diǎn)所呈現(xiàn)的顏色用M(一般取 3～5)個(gè)高斯分布來(lái)近似，能處理多模型背景場(chǎng)景，但是它的計(jì)算量非常大，需要估計(jì)分布的參數(shù)，而且更新參數(shù)難調(diào)試。

　　2009年，BARNICH O等人［3］提出了一種全新的背景差算法——ViBe算法，只通過(guò)在每個(gè)像素領(lǐng)域內(nèi)隨機(jī)選取若干個(gè)采樣點(diǎn)對(duì)各像素建立一個(gè)樣本模型，采用隨機(jī)的方法更新背景模型。對(duì)比其他一些前沿的背景提取方法，ViBe算法簡(jiǎn)單，有效地簡(jiǎn)化了程序，加快了對(duì)于幀的處理速度的同時(shí)，可以達(dá)到較高的準(zhǔn)確度，增強(qiáng)了抗噪能力并減少了計(jì)算負(fù)載［4］。但是該算法在背景光照突然發(fā)生變化時(shí)會(huì)將大面積的背景誤判為運(yùn)動(dòng)前景［5］，導(dǎo)致檢測(cè)出的目標(biāo)無(wú)法識(shí)別。針對(duì)此問(wèn)題，本文結(jié)合幀差法對(duì)ViBe算法進(jìn)行改進(jìn)，實(shí)驗(yàn)結(jié)果驗(yàn)證了改進(jìn)算法的有效性。

1ViBe和幀差法的算法原理

　　1.1ViBe算法

　　ViBe算法主要包括工作原理、初始化方法、更新策略三個(gè)方面。

　　（1）工作原理

　　ViBe算法為每個(gè)背景點(diǎn)存儲(chǔ)了一個(gè)樣本集，然后將每一個(gè)新的像素值和樣本集進(jìn)行比較來(lái)判斷是否屬于背景點(diǎn)。如果一個(gè)新的觀察值屬于背景點(diǎn)，那么它應(yīng)該與樣本集中的采樣值比較接近。圖1展示了ViBe算法如何判斷像素點(diǎn)是否為前景點(diǎn)。

　　記v(x)為x點(diǎn)處的像素值，M(x)={v1,v2,…,vN}為x處的背景樣本集(樣本集大小為N)，SR(v(x))是以x為中心、R為半徑的區(qū)域。如果SR(v(x))∩{v1,v2,…,vN}大于一個(gè)給定的閾值#min,則認(rèn)為x點(diǎn)屬于背景點(diǎn)。

　?。?）初始化方法

　　初始化就是建立背景模型的過(guò)程。ViBe的初始化利用了相近像素點(diǎn)擁有相近的時(shí)空分布特性，僅通過(guò)一幀圖像即可完成，極大地提高了算法的實(shí)時(shí)性。具體就是：對(duì)于一個(gè)像素點(diǎn)，隨機(jī)地選擇它的鄰居點(diǎn)的像素值作為它的模型樣本值。

　?。?）更新策略

　　BARNICH O在參考文獻(xiàn)［6］中提到，好的更新方式是讓采樣值在模型中的概率單調(diào)降低。ViBe算法采用一種無(wú)記憶背景更新策略，從每個(gè)點(diǎn)的八鄰域中隨機(jī)選取一個(gè)樣本，替代原有背景模型中隨機(jī)選取的一個(gè)樣本，這樣既保證了樣本在背景模型中存在壽命的平滑指數(shù)衰減，又避免了先入先出方法造成的變化速度不能正確處理的問(wèn)題。同時(shí)采用隨機(jī)鄰域傳播機(jī)制，即背景模型中的樣本也要更新對(duì)應(yīng)的鄰域，這樣有效地保證了空間的一致性，可以隨時(shí)間恢復(fù)被前景遮擋的背景像素。

　　1.2幀差法

　　幀差法［7］的基本原理是將連續(xù)視頻序列中的兩幀或3幀圖像的像素點(diǎn)相減，然后通過(guò)比較相減得到的差值與預(yù)先設(shè)定的閾值相比較來(lái)確定視頻序列中移動(dòng)目標(biāo)的運(yùn)動(dòng)的區(qū)域。對(duì)于一段視頻序列，用當(dāng)前幀圖像fm(x,y,t)減去前一幀圖像fn(x,y,t－1)，最后得到二值圖像 fj(x,y)。用式(1)表示如下：

　　fj(x,y)=1,|fm(x,y,t)-fn(x,y,t-1)|≥X

　　0,|fm(x,y,t)-fn(x,y,t-1)|<X(1)

　　其中,fm(x,y,t)是當(dāng)前幀的輸入圖像,fn(x,y,t－1)是前一幀輸入圖像，fj(x,y)是檢測(cè)到的二值圖像，X是設(shè)定的閾值。

　　幀差法是根據(jù)相鄰幀差值與閾值X的大小來(lái)判斷像素點(diǎn)屬于運(yùn)動(dòng)前景還是背景，如果相鄰幀差值的絕對(duì)值大于等于閾值X，則該像素是前景像素，反之為背景像素。

2融合幀差法的ViBe算法

　　ViBe算法速度快，能有效抑制噪聲，檢測(cè)效果完整準(zhǔn)確，但卻在光照變化時(shí)幾乎檢測(cè)不到準(zhǔn)確的目標(biāo)。而幀差法算法實(shí)現(xiàn)簡(jiǎn)單，檢測(cè)速度快，實(shí)時(shí)性好，受光線變化的影響小。

　　根據(jù)以上分析本文采用幀差法來(lái)改進(jìn)ViBe算法。對(duì)于一段視頻，首先，從第二幀開(kāi)始對(duì)輸入的當(dāng)前幀圖像是否有光照變化進(jìn)行判斷，然后根據(jù)判斷結(jié)果選擇使用的目標(biāo)檢測(cè)算法和檢測(cè)結(jié)果。即計(jì)算當(dāng)前幀與前一幀圖像像素值的變化程度，當(dāng)像素值的變化大于等于預(yù)先設(shè)定的閾值時(shí)表明當(dāng)前幀光照有變化，則將幀差法處理的結(jié)果和ViBe算法處理的結(jié)果做與運(yùn)算，作為當(dāng)前幀的目標(biāo)檢測(cè)結(jié)果。當(dāng)像素值的變化小于設(shè)定的閾值時(shí)表示當(dāng)前幀光照無(wú)變化或變化不明顯，則ViBe算法的處理結(jié)果作為當(dāng)前幀的目標(biāo)檢測(cè)結(jié)果。最后再通過(guò)形態(tài)學(xué)處理掉一些孤立的噪點(diǎn)得到完整的目標(biāo)圖像。具體的算法流程圖如圖2所示 。

　　當(dāng)前幀像素值的變化大小用M表示：

　　M=∑N|fm(x,y,t)－fn(x,y,t－1)|(2)

　　其中，N是圖像的大小，fm(x,y,t)是當(dāng)前幀圖像，fn(x,y,t－1)是前一幀圖像。光照變化可能是變亮，也可能是變暗，所以式（2）中加了絕對(duì)值。當(dāng)M≥T（T為閾值）時(shí)，表明當(dāng)前幀與前一幀相比，有光照的變化；當(dāng)M<T，表明當(dāng)前幀與前一幀光照幾乎無(wú)變化或者變化不明顯。閾值T的大小選取與圖像大小、目標(biāo)運(yùn)動(dòng)速度等有關(guān)。

3實(shí)驗(yàn)結(jié)果與分析

　　為了驗(yàn)證算法的有效性，本文選取了一段有光照強(qiáng)度變化（像素值變化了30~40）的車(chē)輛視頻做測(cè)試，該視頻的幀率為15幀/秒，分辨率為160×120，格式為AVI。實(shí)驗(yàn)效果對(duì)比如圖3所示，第71幀與前一幀相比無(wú)光照變化，39、77幀與前一幀相比有光照變化。根據(jù)實(shí)驗(yàn)結(jié)果可以看出ViBe算法在光照不變的情況下檢測(cè)效果很好，但是在光照變化的情況下，出現(xiàn)了大面積的像素點(diǎn)誤判。改進(jìn)之后的ViBe算法不再受光照變化的影響，依然可以檢測(cè)到運(yùn)動(dòng)目標(biāo)，大大提高了ViBe算法在光照變化時(shí)的目標(biāo)檢測(cè)準(zhǔn)確率。

4結(jié)論

　　將ViBe算法與幀差法融合在一起，根據(jù)閾值判斷當(dāng)前幀圖像是否發(fā)生了光照變化來(lái)決定最終目標(biāo)檢測(cè)結(jié)果的算法，在監(jiān)控視頻中有光照變化的情況下依然可以檢測(cè)到近乎完整的目標(biāo)。但是ViBe算法還存在對(duì)陰影敏感和鬼影［8］長(zhǎng)時(shí)間不能消除的問(wèn)題，這將是下一步的研究計(jì)劃。

參考文獻(xiàn)

　?。?］ PANDER R P，MISHRA N D，GULBANE S， et al. Detection of moving object with the help of motion detection alarm system in video survelliance［J］．Journal of Signal and Image Processing，2012，2(3)：118121.

　?。?］ STAUFER C，GRIMSON W E L．Adaptive background mixture models for realtime tracking［C］．IEEE Computer Society Conference on Computer Vision and Pattern Recognition,1999(2)：241252．

　　［3］ BARNIEH O，VAN DROOGENBROECH M．ViBe：a powerful random technique to estimate the background in video sequences［C］Proceedings of IEEE International Conference on Acoustics，Speech and Signal Processing,IEEE，2009：945948.

　　［4］ 邱禎艷, 王修暉. 一種結(jié)合Grabcut的Vibe目標(biāo)檢測(cè)算法［J］.中國(guó)計(jì)量學(xué)院學(xué)報(bào),2012,23(3):250256.

　?。?］ 嚴(yán)紅亮, 王福龍, 劉志煌, 等. 基于ViBe算法的改進(jìn)背景減去法［J］.計(jì)算機(jī)系統(tǒng)應(yīng)用,2014(6):130134.

　?。?］ BARNICH O， M. VAN DROOGENBROECK. ViBe : A universal background subtraction algorithm for video sequences［J］. IEEE Transactions on Image Processing, 2011,20(6):17091724.

　?。?］ SAMUELE S, ANDREA C, LUIGI D S. Adaptive appearance modeling for video tracking: survey and evaluation［J］. IEEE Transactions on Image Processing, 2012,21(21):43344348.

　　［8］ 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?。跩］. 微型機(jī)與應(yīng)用,2015,34(14):3638.