熊英

摘 要： 在自動人臉識別系統(tǒng)中，人體目標(biāo)的檢測是該系統(tǒng)識別人臉的前期關(guān)鍵步驟之一。為了能快速準(zhǔn)確地檢測出運(yùn)動的人體目標(biāo)，提出了背景差分法和幀間差分法相結(jié)合的運(yùn)動目標(biāo)提取檢測方法。針對視頻中的背景因鏡頭擺動或物體的移入/移出而有所變動，給出了幾種提取背景的方法，比較各種方法后決定采用中值法快速地進(jìn)行背景建模，隨后采用自適應(yīng)背景更新，結(jié)合兩種差分法檢測運(yùn)動目標(biāo)。通過實(shí)驗(yàn)驗(yàn)證了本文算法的有效性。

關(guān)鍵詞： 運(yùn)動目標(biāo)； 背景差分法； 幀間差分法； 背景建模

中圖分類號：TP391 文獻(xiàn)標(biāo)志碼：A 文章編號：1006-8228（2014）03-38-04

0 引言

對于人體生物特征的識別，可以說從古到今一直受到人類的關(guān)注。隨著智能監(jiān)控、人機(jī)交互技術(shù)的發(fā)展，具有視頻分析處理能力并可對運(yùn)動目標(biāo)實(shí)現(xiàn)檢測和跟蹤的智能化視頻監(jiān)控系統(tǒng)己成為研究的熱點(diǎn)和主流[1]。視頻圖像中運(yùn)動目標(biāo)檢測相對于靜態(tài)圖像而言稍顯復(fù)雜一些，運(yùn)動目標(biāo)檢測是指在視頻圖像序列中判斷是否有前景目標(biāo)的運(yùn)動，如果有前景目標(biāo)，則對目標(biāo)進(jìn)行初始定位的檢測。視頻是由時(shí)間上連續(xù)的圖像序列構(gòu)成的，故對于視頻中運(yùn)動目標(biāo)的檢測是按照一定的周期從視頻序列中提取出一張張靜態(tài)圖像幀來實(shí)現(xiàn)檢測的，因此視頻序列圖像與靜態(tài)圖像中的目標(biāo)檢測方法存在相似的地方，而不同的地方就在于運(yùn)動目標(biāo)時(shí)間上的連慣性[2]。針對視頻圖像的特殊性，我們常用于運(yùn)動目標(biāo)檢測的方法有以下幾種[3]。

1 運(yùn)動目標(biāo)檢測的方法

1.1 背景差分法

背景差分法（Background Difference Method）是利用當(dāng)前圖像與預(yù)存的背景圖像作差分，再利用閾值來檢測運(yùn)動區(qū)域的一種動態(tài)目標(biāo)識別技術(shù)。背景差分法的原理如圖1所示。

[當(dāng)前圖像][—] [二值化][連通性分析][目標(biāo)][背景圖像][非目標(biāo)][f][b][R][Y][N] [D]

圖1 背景差分法的識別過程

首先通過式⑴求出當(dāng)前圖像f與背景圖像b的差，即

⑴

然后根據(jù)式⑵對差分結(jié)果圖像D進(jìn)行二值化，再對二值化之后的圖像R進(jìn)行連通性分析，即

⑵

當(dāng)某一連通區(qū)域的面積大于一定的閾值T時(shí)，則認(rèn)為檢測到目標(biāo)，并認(rèn)為這個連通的區(qū)域就是提取的目標(biāo)[4]。

背景差分算法簡單，相對于其他方法而言易于實(shí)現(xiàn)，較適用于背景已知的情況，是最受歡迎的運(yùn)動目標(biāo)檢測方法之一，也是當(dāng)前運(yùn)動目標(biāo)檢測技術(shù)中應(yīng)用較為廣泛的一類方法。

1.2 幀間差分法

幀間差分法（Frame Difference）是選取視頻圖像序列中相鄰兩幀或多幀圖像信息作差分運(yùn)算來獲得運(yùn)動目標(biāo)輪廓的方法，利用不同幀圖像對應(yīng)位置像素點(diǎn)的差分運(yùn)算結(jié)果進(jìn)行目標(biāo)檢測。其主要工作流程如圖2所示。

[第k幀圖像][—] [二值化][連通性分析][目標(biāo)][fk][fk-1][第k-1幀圖像][非目標(biāo)][R][D][N][Y]

圖2 幀間差分法運(yùn)動目標(biāo)的識別

fk和fk-1分別為時(shí)刻k和時(shí)刻k-1采集到的兩幅圖像，據(jù)此可以得到差分圖像為公式⑶：

⑶

其中，T為閾值，兩圖像間發(fā)生變化的位置的像素取值為1，兩圖像間沒有發(fā)生變化的位置像素取值為0，這樣就檢測到目標(biāo)。也可以利用連續(xù)三幀甚至多幀圖像來提取運(yùn)動目標(biāo)，這時(shí)判斷一個像素點(diǎn)是否屬于運(yùn)動物體的原則為公式⑷：

⑷

在運(yùn)動的檢測過程中，該方法利用時(shí)間信息，通過比較圖像中若干連續(xù)幀獲得對應(yīng)像素點(diǎn)的灰度差值，如果均大于一定的閾值T，則可以判斷該位置存在運(yùn)動的目標(biāo)[4]。其優(yōu)點(diǎn)是計(jì)算簡單、檢測速度快，對動態(tài)環(huán)境具有很好的適應(yīng)性，它可以很好地適用于多個運(yùn)動目標(biāo)和攝像機(jī)移動的情況。但是該類方法提取的目標(biāo)不完整，所以幀間差分法通常不單獨(dú)應(yīng)用在運(yùn)動目標(biāo)檢測中，而往往與其他的檢測算法結(jié)合使用。

1.3 光流法

光流法（Optical Flow）是利用相鄰兩幀中對應(yīng)像素的灰度保持原理來評估二維圖像的變化[5]。簡單來說，光流是空間運(yùn)動物體在觀測成像平面上的像素運(yùn)動的“瞬時(shí)速度”。光流法是對運(yùn)動序列圖像進(jìn)行分析的一個重要方法，光流不僅包含圖像中目標(biāo)的運(yùn)動信息，而且包含了三維物理結(jié)構(gòu)的豐富信息，因此可用來確定目標(biāo)的運(yùn)動情況以及反映圖像其他信息。但是，多數(shù)光流場計(jì)算方法相當(dāng)復(fù)雜，算法要對所有幀中的所有像素點(diǎn)來評估光流，所以計(jì)算量大，算法復(fù)雜耗時(shí)，且容易受到噪聲影響。如果沒有專門的硬件設(shè)備支持，很難實(shí)現(xiàn)視頻實(shí)時(shí)檢測，因此其應(yīng)用性和實(shí)時(shí)性較差，不適合在實(shí)時(shí)的視頻監(jiān)控系統(tǒng)中使用。

1.4 統(tǒng)計(jì)與分析的方法

基于統(tǒng)計(jì)與分析的運(yùn)動檢測方法是近幾年才發(fā)展起來的，主要有：基于經(jīng)典的統(tǒng)計(jì)模式識別方法，包括決策函數(shù)法、K近鄰分類法、支持向量機(jī)特征分析法、主因子分析法等；基于知識或者基于模型的自動目標(biāo)檢測方法，包括先驗(yàn)知識、SNAKE模型、單高斯模型、混合高斯模型等；基于多傳感器信息融合的自動目標(biāo)檢測方法，包括嵌入約束法、證據(jù)組合法、人工神經(jīng)網(wǎng)絡(luò)法；基于專家系統(tǒng)的自動目標(biāo)檢測方法等。盡管目前各種算法存在各種各樣的問題，但最終隨著相關(guān)學(xué)科及計(jì)算機(jī)硬件運(yùn)算速度的提高，該類方法將表現(xiàn)出卓越的性能[4]。

2 運(yùn)動目標(biāo)的分割

2.1 背景建模

在實(shí)際應(yīng)用中，背景往往是不固定的，它會隨著光照、前景物體的移入/移出，以及攝像頭擺動等產(chǎn)生動態(tài)變化。本文研究的背景差分法是將當(dāng)前幀圖像與一個不斷更新的背景模型相減，在差分圖像中提取運(yùn)動目標(biāo)。利用背景差分法實(shí)現(xiàn)目標(biāo)檢測主要包括如下四個環(huán)節(jié)：

[背景建模][背景更新][目標(biāo)檢測][后期處理]

其中，背景建模和背景更新是背景差分法中的主要問題。背景模型建立的好壞直接影響到目標(biāo)檢測結(jié)果。因此，人們提出了各種方法實(shí)現(xiàn)背景建模和背景更新。目前背景提取的算法很多，如均值法、中值法、單高斯分布模型、混合高斯分布模型、碼書算法等。雖然方法很多，但是很難找到一種在各種情況下都表現(xiàn)最好的算法。

下面介紹以下幾種常用算法的原理[6]。

⑴ 均值法的原理是將運(yùn)動物體比作噪聲，用累積平均的方法消除噪聲，從而可以利用有運(yùn)動物體的序列圖像進(jìn)行平均來得到背景圖像。用公式表示為：。其中Background表示背景圖像，N表示幀數(shù)，imagei（x，y）表示第i幀序列圖像中的（x，y）像素點(diǎn)，通過改變x和y的值就可以獲得整幅背景圖像。

⑵ 中值法是一種基于排序理論的、能有效抑制噪聲的非線性信號處理技術(shù)，其思想是把所有像素的灰度按從小到大的順序排列，若像素為奇數(shù)個，則將中間值作為（x，y）處的灰度值，若像素為偶數(shù)個，則取兩個中間值的平均值作為（x，y）處的灰度值。

⑶ 單高斯分布背景模型適用于單模態(tài)背景，它把每個像素點(diǎn)的顏色值分布用單個高斯分布表示，一般只能處理有微小變化與緩慢變化的簡單場景。

⑷ 混合高斯模型是用多個單高斯函數(shù)來描述多模態(tài)的場景背景，當(dāng)復(fù)雜背景變化很大，背景像素值的變化較快，比如背景像素值為多峰分布（如微小重復(fù)運(yùn)動）時(shí)，這時(shí)可以根據(jù)單模態(tài)的思想方法，用多個單模態(tài)的集合來描述復(fù)雜場景中像素點(diǎn)值的變化，它是背景建模較為成功的方法之一。

⑸ CodeBook背景模型。CodeBook算法的基本思想是得到每個像素的時(shí)間序列模型。CodeBook算法為當(dāng)前圖像的每一個像素建立一個CodeBook（CB）結(jié)構(gòu)，每個CodeBook結(jié)構(gòu)又由多個CodeWord（CW）組成。這種模型能很好地處理時(shí)間起伏，缺點(diǎn)是需要消耗大量的內(nèi)存。

本文對均值法、中值法的性能優(yōu)劣作個比較?？偟膩碚f，均值濾波法和中值濾波法都適合外部擾動比較小的特定場合，而且算法簡單有效。在本文中主要研究的是處于教室一類較簡單的內(nèi)部環(huán)境，可以直接將彩色圖像轉(zhuǎn)換成灰度圖像，然后通過灰度值的中值或者均值來進(jìn)行背景建模，通過實(shí)驗(yàn)可以看出中值法提取的背景效果比均值法提取的效果要理想一些（見圖3與圖4）。

圖3 中值法提取背景

圖4 均值法提取背景

2.2 背景更新

由于光照、場景變化等各種因素的影響，背景不可能在建立之后就一成不變。要使背景模型在一段時(shí)間之內(nèi)能夠適應(yīng)環(huán)境的變化，就必須對初始模型不斷地進(jìn)行更新。背景更新的實(shí)質(zhì)是用當(dāng)前幀中發(fā)生了變化的信息去修正使用過去幀建立的模型[7]。一種常用的自適應(yīng)背景更新方法采用式⑸進(jìn)行。

⑸

其中，Bn（x，y）是當(dāng)前時(shí)刻經(jīng)過更新后得到的背景；Bn-1（x，y）是前一時(shí)刻建立的背景；In（x，y）是用于修正前一時(shí)刻背景的當(dāng)前幀；a稱為學(xué)習(xí)速率，其值可以通過實(shí)驗(yàn)確定，一般取0.9，是指用當(dāng)前幀中每個位置上的像素值與原來背景中相應(yīng)位置的像素值加權(quán)平均值替代原背景對應(yīng)位置上的值。

2.3 目標(biāo)檢測分割

獲得了背景圖像后就可以使用背景減除的方法進(jìn)行運(yùn)動目標(biāo)的檢測。設(shè)當(dāng)前幀圖像為I（x，y），當(dāng)前的背景為B（x，y），經(jīng)過背景減除，并二值化后的結(jié)果見公式⑹。

⑹

其中，T是判別閾值，可以通過實(shí)驗(yàn)得到。本論文中提取視頻的第一幀圖像作為背景圖像，隨后再根據(jù)鏡頭的擺動來更新背景，完成新的背景建模。

幀間差分法是通過視頻中連續(xù)兩幀圖像對應(yīng)像素點(diǎn)的像素差值找出變化的運(yùn)動區(qū)域的方法。設(shè)當(dāng)前幀圖像為Ik（x，y），上一幀的圖像為Ik-1（x，y），經(jīng)過兩幀圖像相減，并二值化后的結(jié)果見公式⑺。

⑺

如果差值大于預(yù)先設(shè)定好的閾值，則認(rèn)為該點(diǎn)是運(yùn)動目標(biāo)像素點(diǎn)，否則就是背景像素點(diǎn)。

在本文中采用背景與幀間差分法相結(jié)合，將視頻中背景差圖像和相鄰兩幀差圖像直接進(jìn)行‘與操作，再進(jìn)行二值化處理得到運(yùn)動目標(biāo)[8]。其檢測效果有所提高，特別是當(dāng)背景發(fā)生變化時(shí)，得到的運(yùn)動檢測圖像包含了許多目標(biāo)信息，將運(yùn)動目標(biāo)從背景圖像中分離出來，最終得到視頻序列圖像中運(yùn)動目標(biāo)存在與否的標(biāo)記圖像。

算法描述：①從視頻中選取出初始背景圖像B（x，y），使其只包含固定的背景圖像；②在視頻圖像序列中選取連續(xù)的兩幀圖像，當(dāng)前幀圖像Ik（x，y），前一幀圖像Ik-1（x，y）；③計(jì)算當(dāng)前幀與背景幀的差值R（x，y），從圖像中提取出完整的目標(biāo)；④計(jì)算當(dāng)前幀與前一幀的差得Rk（x，y），得到目標(biāo)的變化量；⑤求背景差R（x，y）與幀間差Rk（x，y）的交集得到運(yùn)動目標(biāo)粗糙的運(yùn)動區(qū)域圖像；⑥當(dāng)物體運(yùn)動，鏡頭跟進(jìn)，背景圖像也相應(yīng)改變，利用中值法求得變化后的背景模板Bk（x，y），重復(fù)②-⑤步得到變化的運(yùn)動目標(biāo)；⑦數(shù)學(xué)形態(tài)學(xué)運(yùn)算使得運(yùn)動區(qū)域封閉、連續(xù)、完整，并去掉背景中的噪聲；⑧用紅色矩形框?qū)⑦\(yùn)動目標(biāo)標(biāo)記出來。

3 實(shí)驗(yàn)仿真結(jié)果

本文實(shí)驗(yàn)視頻序列為一段室內(nèi)授課視頻，首先對須處理的視頻進(jìn)行幀提取，以每秒15幀的速率提取出所有圖片；然后采用中值法對前20幀進(jìn)行背景建模，將背景差分法和幀間差分法相結(jié)合得到運(yùn)動目標(biāo)，由于背景的變動以至背景要隨時(shí)更新；最后，利用形態(tài)學(xué)膨脹原理以及開運(yùn)算，提取運(yùn)動目標(biāo)輪廓，并且用矩形框框出來。

接下來分別利用背景差分法和幀間差分法提取運(yùn)動目標(biāo)，如圖5所示。

圖5 背景差分法與幀間差分法的效果圖

隨著目標(biāo)的移動，鏡頭也跟隨移動，導(dǎo)致背景有所改變，采用中值法對背景實(shí)時(shí)更新。當(dāng)完成新的背景建模后，結(jié)合背景與幀間差分法，將背景差圖像和相鄰兩幀差圖像直接進(jìn)行‘與操作，其效果如圖6所示。

圖6 結(jié)合背景及幀間差分法提取運(yùn)動目標(biāo)

最后進(jìn)行二值化處理得到運(yùn)動目標(biāo)，利用數(shù)學(xué)形態(tài)學(xué)運(yùn)算使得運(yùn)動區(qū)域封閉、連續(xù)、完整，并去掉背景中的噪聲，最終得到視頻序列圖像中運(yùn)動目標(biāo)存在與否的標(biāo)記圖像，如圖7所示。

4 結(jié)束語

本文詳細(xì)介紹了視頻目標(biāo)的基本檢測方法和分割步驟。為了實(shí)現(xiàn)檢測的快速性以及準(zhǔn)確性，對圖像采用背景差分和幀間差分法相結(jié)合而獲得目標(biāo)。采用這種方法既避免了背景差分法因背景變動導(dǎo)致的前景提取不準(zhǔn)確，又避免了幀間差分法的前景目標(biāo)不完整。為了使視頻目標(biāo)區(qū)域更完整、更準(zhǔn)確，需要對背景提取方法做更進(jìn)一步的研究，用更好的方法來提取實(shí)時(shí)的背景，這樣，有利于更準(zhǔn)確地提取運(yùn)動目標(biāo)。

參考文獻(xiàn)：

[1] 鄧楠.視頻監(jiān)控系統(tǒng)與人臉識別技術(shù)的結(jié)合應(yīng)用[J].計(jì)算機(jī)光盤軟件

與應(yīng)用，2012.19：156-157

[2] 萬纓，韓毅，盧漢清.運(yùn)動目標(biāo)檢測算法的探討[J].計(jì)算機(jī)仿真，

2006.10：229-234

[3] 徐晶，方明，楊華民.計(jì)算機(jī)視覺中的運(yùn)動檢測與跟蹤[M].國防工業(yè)出

版社，2012.

[4] 馮仰敏.運(yùn)動目標(biāo)圖像檢測與跟蹤問題研究[D].西安建筑科技大學(xué)，

2007.

[5] 吳立德.計(jì)算機(jī)視覺[M].復(fù)旦大學(xué)出版社，1993.

[6] 背景建模算法 [EB/OL]. http：//wenku.baidu.com/link？url=

ZwdjPaJBjuu1IhI8rkkMdTFjMUur9KttAndN993tcH00S9VTJFHx

Dx3KnUJ3DPgjhb0pZcguuwvEHJvKfmPTSANWOg0zHgAuZ6c0JKnAeyO

[7] 高飛，蔣建國，安紅新等.一種快速運(yùn)動目標(biāo)檢測算法[J].合肥工業(yè)大

學(xué)學(xué)報(bào)（自然科學(xué)版），2012.2：42-45

[8] 王亮亮，王黎，高曉蓉等.基于視頻圖像的運(yùn)動目標(biāo)檢測算法研究[J].

微計(jì)算機(jī)信息，2010.16：155-157