蔣晶晶1,安博文2

　?。?.上海海事大學(xué) 信息工程學(xué)院 電子工程系,上海 201306；2.上海海事大學(xué) 信息工程學(xué)院,上海201306）

　　摘要：針對(duì)低空航拍視頻中的船舶檢測(cè)研究普遍存在因背景變化及水紋擾動(dòng)導(dǎo)致的識(shí)別效果不理想等問(wèn)題，提出了一種基于改進(jìn)型Vibe(Visual background extractor)算法的船舶檢測(cè)方法。該方法在傳統(tǒng)Vibe算法基礎(chǔ)上融合了改進(jìn)型的Canny算子，采取平滑濾波與自適應(yīng)閾值分割策略提高了船舶輪廓提取的準(zhǔn)確性。利用四方位結(jié)構(gòu)元素的形態(tài)學(xué)機(jī)制，降低了水面波紋對(duì)目標(biāo)識(shí)別的干擾影響。對(duì)于船舶檢測(cè)中的內(nèi)部空洞則選取了種子填充法進(jìn)行填充，最后根據(jù)船舶外輪廓實(shí)現(xiàn)對(duì)船舶目標(biāo)的框定。實(shí)驗(yàn)結(jié)果表明，所提出的改進(jìn)型Vibe算法的船舶檢測(cè)效果明顯優(yōu)于傳統(tǒng)方法，驗(yàn)證了其可行性與實(shí)用性。

　　關(guān)鍵詞：船舶檢測(cè)；Vibe算法；Canny算子；種子填充法

　　中圖分類號(hào)：TP391.41文獻(xiàn)標(biāo)識(shí)碼：ADOI： 10.19358/j.issn.1674-7720.2017.10.013

　　引用格式：蔣晶晶,安博文.低空航拍視頻中基于Vibe算法的船舶檢測(cè)方法［J］.微型機(jī)與應(yīng)用，2017,36（10）：44-47.

　　空中航拍技術(shù)作為目標(biāo)船舶動(dòng)態(tài)監(jiān)管的重要手段之一，具有成本低、實(shí)現(xiàn)簡(jiǎn)單等諸多優(yōu)勢(shì)，但通過(guò)空中巡航方式進(jìn)行海事監(jiān)管時(shí)，由視覺監(jiān)控實(shí)現(xiàn)目標(biāo)船舶的實(shí)時(shí)檢測(cè)成為了一大技術(shù)難題［1］。

　　當(dāng)前學(xué)術(shù)界對(duì)于目標(biāo)檢測(cè)的方法主要分為以下三類：幀間差分法、背景減除法、光流法。幀間差分法主要是利用視頻圖像序列連續(xù)兩幀或三幀的差異來(lái)檢測(cè)出運(yùn)動(dòng)區(qū)域，但對(duì)于目標(biāo)的輪廓檢測(cè)很不理想，甚至無(wú)法檢測(cè)完整的目標(biāo)邊界；背景減除法最主要的部分就是背景建模，模型的好壞直接影響前景目標(biāo)的檢測(cè)效果；光流法是利用光流場(chǎng)的變化來(lái)檢測(cè)運(yùn)動(dòng)目標(biāo)，在理想狀態(tài)下檢測(cè)效果較好，但是光照變化時(shí)，即使物體沒(méi)有運(yùn)動(dòng)也會(huì)被檢測(cè)出來(lái)［24］。Vibe算法是BARNICH O等知名學(xué)者在圖像處理領(lǐng)域提出的一種動(dòng)態(tài)目標(biāo)檢測(cè)方法［5］。該方法允許在多種動(dòng)態(tài)與靜態(tài)環(huán)境下進(jìn)行目標(biāo)檢測(cè)，且經(jīng)過(guò)學(xué)術(shù)界諸多學(xué)者的研究考量，證實(shí)了其良好的實(shí)時(shí)性和有效性，成為了目標(biāo)檢測(cè)技術(shù)中具有重要意義的有效檢測(cè)算法。但由于低空航拍視頻中的船舶目標(biāo)大小不一、運(yùn)動(dòng)速度緩慢，以及無(wú)人機(jī)的不定向運(yùn)動(dòng)等影響，傳統(tǒng)Vibe算法對(duì)船舶目標(biāo)的檢測(cè)效果不理想，無(wú)法檢測(cè)到船舶的外輪廓信息，船舶內(nèi)部也存在大量空洞。本文針對(duì)低空航拍視頻中船舶檢測(cè)問(wèn)題，提出了一種基于改進(jìn)型Vibe算法的低空航拍視頻中的船舶檢測(cè)方法，將傳統(tǒng)Vibe算法與改進(jìn)型Canny算子邊緣檢測(cè)進(jìn)行融合，并利用增強(qiáng)型種子填充法進(jìn)行船舶目標(biāo)優(yōu)化，實(shí)現(xiàn)了低空航拍視頻中對(duì)船舶目標(biāo)的有效檢測(cè)。

1Vibe算法核心理論

　　Vibe算法首次將隨機(jī)選擇機(jī)制和鄰域傳播機(jī)制應(yīng)用于背景模型的建立與更新，是一種基于樣本的背景建模方法［6］。該算法為每一個(gè)像素建立一個(gè)樣本集，此樣本集由過(guò)去時(shí)刻該位置與其鄰域位置像素值組成，然后將現(xiàn)在此處的像素值與這個(gè)樣本集中的像素進(jìn)行對(duì)比來(lái)判斷此像素是否屬于背景，再隨機(jī)地對(duì)背景模型進(jìn)行更新［7］。其基本原理主要包含背景模型初始化、前景檢測(cè)、背景模型更新三大部分［810］。

　　假設(shè)圖像x處給定的歐式顏色空間像素值為V(x)，背景模型中的每個(gè)像素由N個(gè)背景樣本值組成：M(x)={v1,v2,…vN}(vi為索引是i的背景樣本值)。背景模型初始化就是選取V(x)的過(guò)程，隨機(jī)地從x的八鄰域NG(x)中選取N個(gè)樣本值來(lái)初始化背景模型M0(x)={V0(y|y∈NG(x))}。

　　前景檢測(cè)即像素分類的過(guò)程，Vibe算法是通過(guò)比較2D空間中的歐式距離來(lái)對(duì)像素進(jìn)行分類的。如圖1所示，記為以x為中心、R為半徑的區(qū)域。通過(guò)比較SR(V(x))與M(x)交集的個(gè)數(shù)是否大于給定的閾值#min來(lái)進(jìn)行判斷，若大于或者等于，則這個(gè)像素點(diǎn)x屬于背景點(diǎn)，即完成像素點(diǎn)是背景點(diǎn)還是前景點(diǎn)的分類。

　　在更新單個(gè)像素樣本集中20個(gè)樣本值時(shí)，因單個(gè)值的選取原則是隨機(jī)的，所以模型中樣本值出現(xiàn)的概率呈指數(shù)型衰減，那么該樣本集在T時(shí)刻不被更新的概率為（N-1）/N。若時(shí)間是連續(xù)的，那么在dt時(shí)間之后，樣本集中的樣本值依然保留不被更新的概率則為：

2改進(jìn)型Vibe船舶檢測(cè)算法

　　因低空航拍視頻中待檢測(cè)船舶目標(biāo)較大且運(yùn)行較慢，所以僅使用傳統(tǒng)的Vibe算法難以達(dá)到檢測(cè)完整性與準(zhǔn)確性的要求。本文所述Vibe算法主要是在傳統(tǒng)算法基礎(chǔ)上融合改進(jìn)型Canny算子來(lái)增強(qiáng)船舶目標(biāo)輪廓提取的完整性，對(duì)于水面波紋采用四個(gè)方向的結(jié)構(gòu)元素進(jìn)行形態(tài)學(xué)處理的方法，進(jìn)而優(yōu)化檢測(cè)結(jié)果。

　　2.1改進(jìn)型Vibe算法流程

　　本文所述的改進(jìn)型Vibe算法流程如圖2所示。根據(jù)讀入的視頻幀，將Vibe算法得到的前景目標(biāo)與改進(jìn)型Canny算子邊緣檢測(cè)后的邊緣特征圖進(jìn)行融合，從而得到航拍視頻中的船舶目標(biāo)。為了使船舶目標(biāo)更加完整與準(zhǔn)確，方便后續(xù)的跟蹤，在得到前景目標(biāo)后進(jìn)行了目標(biāo)優(yōu)化與船舶框定。

　　2.2改進(jìn)型Canny算子提取船舶輪廓

　　利用改進(jìn)型Canny算子進(jìn)行邊緣檢測(cè)的主要步驟如下：

　　(1)采用中值濾波代替高斯濾波來(lái)平滑圖像，實(shí)驗(yàn)表明中值濾波對(duì)水面波紋的平滑效果比高斯濾波效果更好。

　　(2)結(jié)合傾斜方向梯度與原梯度方向信息，采用兩個(gè)對(duì)角線模板計(jì)算圖像傾斜方向上的梯度，45°和135°對(duì)角模板矩陣分別為Mat1和Mat2：

　　與45°對(duì)角模板對(duì)應(yīng)的梯度計(jì)算方法為：

　　G′1=f(x,y－1)+2f(x+1,y－1)－f(x－1,y)+f(x+1,y)－2f(x－1,y+1)－f(x,y+1)(4)

　　與135°對(duì)角模板對(duì)應(yīng)的梯度計(jì)算方法為：

　　G′2=－2f(x－1,y－1)－f(x,y－1)－f(x－1,y)+f(x+1,y)+f(x,y+1)+2f(x+1,y+1)(5)

　　對(duì)兩個(gè)傾斜方向上的梯度取平方根得：G2(x,y)=G′21+G′22。若x、y方向上的圖像梯度為G1，以對(duì)角模板提取傾斜方向的梯度圖像為G2，則綜合得到的圖像梯度為G3=max{G1,G2}，對(duì)G3進(jìn)行自適應(yīng)閾值分割處理得到邊緣圖像G4。

　　這里的自適應(yīng)閾值分割采用的是最大類間方差法［11］。將圖像按灰度特性分為前景和背景兩部分，定義參數(shù)如表1所示?！　?/p>

　　假設(shè)一幅圖像的大小為M×N，圖像背景較暗，圖像中灰度值小于閾值T（前景）的像素個(gè)數(shù)為N0,大于閾值T（背景）的像素個(gè)數(shù)為N1。則可得前景像素點(diǎn)個(gè)數(shù)占整幅圖像的比例ω0=N0/(M×N)，背景像素點(diǎn)個(gè)數(shù)占整幅圖像的比例ω1=N1/(M×N)，ω0與ω1存在如下關(guān)系：

　　ω0+ω1=1(6)

　　圖像的總平均灰度計(jì)算方法為：

　　μ=ω0×μ0+ω1×μ1(7)

　　類間方差為：

　　g=ω0(μ0－μ)2+ω1(μ1－μ)2(8)

　　由式(7)、(8)可得g=ω0×ω1×(μ0-μ1)2，采用遍歷的方法即可得到使類間方差最大的閾值T。

　　2.3形態(tài)學(xué)濾波抑制水面雜波

　　由于低空航拍視頻中水面波紋震動(dòng)明顯，且拍攝方向的轉(zhuǎn)變會(huì)造成水面波紋的方向變化，因此利用四種方向的結(jié)構(gòu)元素去濾除水面波紋噪聲對(duì)船舶目標(biāo)檢測(cè)的影響。本文考慮了水平、垂直、對(duì)角線等幾種不同尺寸的結(jié)構(gòu)特點(diǎn)，設(shè)計(jì)了如圖3所示的4種方向的結(jié)構(gòu)元素。

　　設(shè)f(x, y)是輸入圖像，g(x, y)是結(jié)構(gòu)元素。用結(jié)構(gòu)元素對(duì)圖像進(jìn)行腐蝕和膨脹運(yùn)算分別定義為：

　　(fΘg)(x,y)＝min{f(x－i,y－j)－g(－i,－j)}(9)

　　(fg)(x,y)＝max{f(x－i,y－j)＋g(－i,－j)}(10)

　　形態(tài)學(xué)開運(yùn)算定義為：

　　fog＝(fΘg)g(11)

　　對(duì)同一幅圖像分別用這四種方向的結(jié)構(gòu)元素進(jìn)行形態(tài)學(xué)開運(yùn)算，再利用式(12)進(jìn)行融合，便可實(shí)現(xiàn)對(duì)水面雜波的濾除效果。

　　f＝mean(f1,f2,f3,f4)(12)

3目標(biāo)優(yōu)化與船舶框定

　　由于航拍視頻中船只目標(biāo)較大，單純的種子填充不能夠滿足實(shí)際的需求，例如種子點(diǎn)不在搜索二值圖像的空洞內(nèi)而在外部。本文的目標(biāo)優(yōu)化采用了相與的計(jì)算方法來(lái)填充灰度圖像的空洞現(xiàn)象，具體算法步驟如下。

　　(1)選取圖像原點(diǎn)(0,0)作為種子點(diǎn)，對(duì)圖像進(jìn)行填充，填充顏色設(shè)為白色，如圖4(a)所示。

　　(2)理想情況下此時(shí)幀上只存在黑色空洞部分，然后對(duì)灰度圖上的灰度像素值進(jìn)行顏色反轉(zhuǎn)計(jì)算，即灰度圖像素值為1時(shí)賦值0，灰度圖像素值為0時(shí)賦值1，得到的結(jié)果圖4(b)所示。

　　(3)將原圖5(a)與步驟(2)得到的圖像4(b)疊加得到全局的灰度圖像后再進(jìn)行腐蝕濾波處理得到圖5(e)所示的修復(fù)后的圖像。

　　船舶框定的過(guò)程就是根據(jù)船舶的面積以及長(zhǎng)寬比對(duì)檢測(cè)到的前景目標(biāo)進(jìn)行篩選與外輪廓提取，然后再根據(jù)外輪廓框定船舶目標(biāo)，方便后期的船舶定位與跟蹤。

4實(shí)驗(yàn)結(jié)果與分析

　　實(shí)驗(yàn)用到的視頻是由無(wú)人機(jī)在黃浦江流域拍攝的，視頻分辨率為1 280×720；系統(tǒng)平臺(tái)為32位Windows 7系統(tǒng)；軟件實(shí)施平臺(tái)為VS2010和OpenCV2.4.8。

　　圖5、圖6給出了垂直拍攝和非垂直拍攝兩組實(shí)驗(yàn)的對(duì)比實(shí)驗(yàn)結(jié)果。在不同實(shí)驗(yàn)條件下，不同算法提取的船舶目標(biāo)效果各不相同。本文所提出算法的檢測(cè)效果明顯優(yōu)于傳統(tǒng)Vibe算法。具體分析結(jié)果如下：由圖5(b)和圖6(b)可以看出傳統(tǒng)Vibe算法對(duì)低空航拍視頻中無(wú)論是垂直拍攝還是非垂直拍攝的船舶目標(biāo)檢測(cè)效果都不太理想，船舶輪廓不清晰甚至嚴(yán)重缺損，此外還存在一定的鬼影［1213］。Canny邊緣檢測(cè)后的結(jié)果圖如圖5(c)和圖6(c)所示，可以實(shí)現(xiàn)船舶輪廓的基本提取，將其與Vibe算法的檢測(cè)結(jié)果進(jìn)行融合后得到如圖5(d)和6(d)所示的效果，彌補(bǔ)了Vibe算法的輪廓檢測(cè)缺點(diǎn)。再對(duì)前景融合后的結(jié)果圖進(jìn)行目標(biāo)優(yōu)化，解決船舶空洞問(wèn)題，使得船舶外輪廓連續(xù)，如圖5(e)和圖6(e)所示，便于根據(jù)船舶外輪廓進(jìn)行框定。圖5(f)和圖6(f)顯示了用最小外接矩形對(duì)船舶目標(biāo)進(jìn)行連通域標(biāo)記后的檢測(cè)結(jié)果。

　　表2為傳統(tǒng)Vibe算法和本文算法分別處理24幀連續(xù)的圖片所用時(shí)間的對(duì)比。可見由于本文在傳統(tǒng)Vibe算法基礎(chǔ)上增加了Canny邊緣檢測(cè)以及前景融合和目標(biāo)優(yōu)化，算法運(yùn)行時(shí)間有所增加，但仍然能滿足實(shí)時(shí)檢測(cè)的要求。

5結(jié)論

　　本文根據(jù)低空航拍視頻中船舶目標(biāo)檢測(cè)的實(shí)際需求，以前景目標(biāo)檢測(cè)算法中最新的Vibe算法為基礎(chǔ)，針對(duì)其檢測(cè)效果的缺點(diǎn)融合了改進(jìn)型Canny算子邊緣檢測(cè)算法，并對(duì)融合后的前景目標(biāo)進(jìn)行優(yōu)化。將理論算法與實(shí)際相結(jié)合，研究實(shí)現(xiàn)了基于改進(jìn)型Vibe算法的低空航拍視頻中的船舶檢測(cè)方法。該方法適用于海事無(wú)人機(jī)進(jìn)行電子巡航時(shí)對(duì)船舶目標(biāo)的檢測(cè)。

參考文獻(xiàn)

　?。?］ 元海文,肖長(zhǎng)詩(shī),文元橋,等.基于顯著性分析的HOG快速船舶檢測(cè)方法［J］.中國(guó)航海,2016,39(01):69-73.

　?。?］ WREN B C, AZARBAYEJANI A, DARREL T, et al. Pfinder:realtime tracking of human body［J］. Transaction on Pattern Analysis and Machine Intelligence, 2015,19(7):780-785.

　?。?］ 庾鵬, 王旭, 仝天樂(lè),等. 基于GrabCut算法和四幀差分法的目標(biāo)提取算法［J］. 微型機(jī)與應(yīng)用, 2016, 35(11):4042.

　　［4］ BARRON B J L, FLEET D J, BEAUCHEMIN S S, et al. Performance of optical ow techniques［C］. Proceedings of the Conference on Computer Vision and Pattern Recognition, 2010:236-242.

　?。?］ BARNICH O, VAN ROOGENBROECK M. ViBe: a powerful random technique to estimate the background in video sequence［C］. International Conference on Acoustics Speech and Signal Processing(ICASSP),2009:945948.

　　［6］ 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.

　　［7］ BARNICH O, VAN ROOGENBROECK M, EVS B E, et al. ViBe: a universal background subtraction algorithm for video sequence［J］. IEEE Transactions on Image Processing, 2011,20(6):1709-1724.

　　［8］ MAHOOR E, MAGHSOUMI H, ASEMANI D. An improved motion detection algorithm using ViBe［C］. International Conference on Computing, Communication and Networking Technologies, 2015:1-5.

　　［9］ YANG W, ZENG P, FANG D. An improved algorithm for motion detection based on Vibe［J］. Icic Express Letters, 2015, 9(9):2475-2481.

　?。?0］ 余燁,曹明偉,岳峰. EVibe:一種改進(jìn)的Vibe運(yùn)動(dòng)目標(biāo)檢測(cè)算法［J］.儀器儀表學(xué)報(bào), 2014, 35(4):924-931.

　　［11］ 譚艷麗, 趙永強(qiáng). 一種改進(jìn)的二維Otsu閾值分割法［J］. 半導(dǎo)體光電, 2014, 35(5):937-940.

　　［12］ 王珦磊, 唐加山. 一種基于YUV顏色空間自適應(yīng)陰影消除算法［J］. 微型機(jī)與應(yīng)用, 2016, 35(7):44-47.

　　［13］ Dou Jianfang, Li Jianxun. Moving object detection based on improved VIBE and graph cutoptimization［J］. OptikInternational Journal for Light and Electron Optics, 2013, 124(23):6081-6088.