田小平， 史 蕾

(西安郵電大學(xué) 電子工程學(xué)院， 陜西 西安 710121)

視頻監(jiān)控中的背景提取與更新算法

田小平， 史 蕾

(西安郵電大學(xué) 電子工程學(xué)院， 陜西 西安 710121)

為了從復(fù)雜場(chǎng)景中獲取高質(zhì)量的背景圖像，提出一種基于幀間差分法和背景差分法的改進(jìn)算法。將幀間差分法獲得的背景圖像作為視頻的初始圖像，將當(dāng)前幀與初始圖像的差值和平均差值進(jìn)行比較，通過加權(quán)平均得到視頻的背景圖像，在背景更新時(shí)對(duì)背景圖像進(jìn)行選擇性更新。改進(jìn)算法在不同的場(chǎng)景中具有較強(qiáng)的適應(yīng)能力。

背景提??；背景更新；幀間差分法；矩形框；閾值比較

視頻監(jiān)控中背景的提取與更新是運(yùn)動(dòng)目標(biāo)檢測(cè)的基礎(chǔ)，也是視頻處理、理解、編碼的關(guān)鍵。對(duì)于一段視頻序列，運(yùn)動(dòng)目標(biāo)的檢測(cè)算法主要分為光流法、幀間差分法和背景差分法三類[1]。光流法[2]是基于運(yùn)動(dòng)目標(biāo)隨時(shí)間變化的光流場(chǎng)作用來檢測(cè)運(yùn)動(dòng)目標(biāo)。其無需知道任何關(guān)于場(chǎng)景的先驗(yàn)知識(shí)，就能獨(dú)立的檢測(cè)出運(yùn)動(dòng)目標(biāo)，但其計(jì)算復(fù)雜，抗噪性能差，如果沒有較高的硬件配置，很難達(dá)到視頻流全幀的實(shí)時(shí)監(jiān)測(cè)。幀間差分法[3]是利用視頻序列中相鄰兩幀的差值來描述運(yùn)動(dòng)目標(biāo)輪廓的一種方法。其優(yōu)點(diǎn)是算法簡(jiǎn)單，易于實(shí)現(xiàn)，穩(wěn)定性好，在各種動(dòng)態(tài)環(huán)境中具有自適應(yīng)性，但這種檢測(cè)方式對(duì)運(yùn)動(dòng)目標(biāo)的速度變化比較敏感。背景差分法[4]是實(shí)時(shí)的對(duì)當(dāng)前幀與背景圖像進(jìn)行減除，從而完整的分割出運(yùn)動(dòng)目標(biāo)的一種方法。其優(yōu)點(diǎn)是能夠提取出完整的運(yùn)動(dòng)目標(biāo)，分割出能夠直接反映目標(biāo)的數(shù)量、位置、大小、形狀等信息，但實(shí)際中背景圖像容易受到各種干擾。

從上面的分析中可以得出，單純的每一種算法都有它的局限性，會(huì)受到運(yùn)動(dòng)目標(biāo)速度、光照，天氣變化，樹葉抖動(dòng)等狀況的影響，得到的結(jié)果不能令人滿意。針對(duì)以上幾種算法的不足，本文在傳統(tǒng)的幀間差分法和背景差分法基礎(chǔ)上，提出一種改進(jìn)的背景提取方法，以滿足實(shí)際檢測(cè)的要求。

1 背景圖像的提取

由運(yùn)動(dòng)目標(biāo)的跟蹤得到啟示，通過對(duì)采用幀間差分法二值化后跟蹤到運(yùn)動(dòng)物體的大致輪廓，進(jìn)行內(nèi)切矩形定位，由每一幀定位到的矩形來區(qū)分前景物體以及背景圖像。但由于幀間差分法得到的背景圖像會(huì)受到運(yùn)動(dòng)目標(biāo)的運(yùn)動(dòng)速度影響，因此，將幀間差分法獲得的背景圖像作為視頻流的初始圖像，再通過當(dāng)前幀與初始圖像的差值和當(dāng)前幀與初始圖像的總差值平均值進(jìn)行閾值比較，排除前景像素點(diǎn)，最終得到完整的背景圖像。為使得背景圖像對(duì)外界變化具有自適應(yīng)性，對(duì)背景圖像進(jìn)行選擇性更新，得到更新后干凈的背景圖像。改進(jìn)算法的基本步驟如下。

步驟2 設(shè)Bi(x,y)和Bi-1(x,y)為視頻序列的相鄰兩幀，對(duì)其進(jìn)行差分[5]得到幀間差分圖像

Di(x,y)=|Bi(x,y)-Bi-1(x,y)|，

檢測(cè)出屬于背景的像素點(diǎn)。

步驟3 將差分得到的Di(x,y)二值化[6]得到

(1)

其中閾值的系數(shù)α∈[0,1]。在此實(shí)驗(yàn)中α取0.3，以避免外界和光照環(huán)境變化引起的干擾噪點(diǎn)。

步驟4 將得到的二值化序列的每一幀的像素點(diǎn)坐標(biāo)進(jìn)行分析，區(qū)分出前景的大致輪廓[7]。對(duì)于每一幀來說，對(duì)其像素點(diǎn)逐行逐列的進(jìn)行掃描，都會(huì)存在由

(xi,min,yi,min)， (xi,min,yi,max)，
(xi,max,yi,min)， (xi,max,yi,max)，

4個(gè)點(diǎn)構(gòu)成的矩形框[8]，將幀差圖像中的前景圖像內(nèi)切的包含在矩形框內(nèi)，其中

xi,min={Bwi(x,y)=0|x{Bwi(x,y)=1|x=xi,min},
xi,max={Bwi(x,y)=0|x>xi,max}∩
{Bwi(x,y)=1|x=xi,max},
yi,min={Bwi(x,y)=0|y{Bwi(x,y)=1|y=yi,min},
yi,max={Bwi(x,y)=0|y>yi,max}∩
{Bwi(x,y)=1|y=yi,max}。

對(duì)于通過式(1)得到的幀間差分二值化圖像而言，其中參數(shù)xi,min,yi,min,xi,max,yi,max的位置如圖1所示。

圖1 參數(shù)位置說明

N幀掃描結(jié)束后，可以得出每一個(gè)像素點(diǎn)在N幀內(nèi)做背景像素點(diǎn)對(duì)應(yīng)的次數(shù)count′(x,y)。

步驟6 根據(jù)N幀中每個(gè)像素點(diǎn)做背景像素點(diǎn)的值和次數(shù)加權(quán)平均，求出由幀間差分法得到的初始背景圖像。

(2)

Zi(x,y)=
{Bi(x,y):|Bi(x,y)-L(x,y)|≤E(x,y)}。

步驟9 將不符合上式的像素點(diǎn)賦值為-1,即

Zi(x,y)=

{-1：|Bi(x,y)-L(x,y)|>E(x,y)}，

通過逐幀掃描，將Zi(x,y)每個(gè)像素點(diǎn)值為非-1的次數(shù)記錄下來。N幀掃描結(jié)束后，可以得出每一個(gè)像素點(diǎn)在N幀內(nèi)做背景像素點(diǎn)對(duì)應(yīng)的次數(shù)count″(x,y)。

步驟10 再對(duì)滿足步驟8中的Zi(x,y)求平均值，記為J0(x,y),該值則作為提取出的背景圖像的像素值。

2 背景更新

由于光照、天氣變化、樹葉抖動(dòng)等外界突發(fā)狀況的影響，背景圖像會(huì)受到不同程度的干擾，因此，背景圖像的更新就顯得尤為重要。由于背景圖像的確定不僅取決于當(dāng)前幀的情況，還與以前幀具有相關(guān)性。為使得背景圖像對(duì)外界變化具有自適應(yīng)性，可以對(duì)背景圖像進(jìn)行選擇性更新[11]，即就是對(duì)當(dāng)前幀中運(yùn)動(dòng)的部分不更新，而對(duì)當(dāng)前幀中除去運(yùn)動(dòng)的部分進(jìn)行自適應(yīng)更新，這樣背景圖像就可以在長時(shí)間內(nèi)保持相對(duì)穩(wěn)定[12]。

3 實(shí)驗(yàn)結(jié)果分析

選取80幀分辨率為320×240的24位RGB視頻序列圖像,在PC機(jī)上利用MATLAB7.0軟件進(jìn)行三種場(chǎng)景的實(shí)驗(yàn)分析。

針對(duì)動(dòng)態(tài)場(chǎng)景，將原視頻序列轉(zhuǎn)換為灰度視頻序列后進(jìn)行幀間差分，幀間差分二值化后對(duì)二值化序列的每一幀的像素點(diǎn)坐標(biāo)進(jìn)行分析，區(qū)分出前景的大致輪廓，將幀差圖像中的前景圖像內(nèi)切的包含在矩形框內(nèi)并在對(duì)原灰度視頻序列每一幀矩形框內(nèi)的像素值都賦值為-1，根據(jù)N幀中每個(gè)像素點(diǎn)做背景像素點(diǎn)的值和次數(shù)加權(quán)平均，求出由幀間差分框值法得到的初始背景圖像，再將當(dāng)前幀與初始圖像的差值和平均差值進(jìn)行比較，通過加權(quán)平均得到視頻的背景圖像。對(duì)背景圖像進(jìn)行選擇性更新，當(dāng)前幀中運(yùn)動(dòng)的部分不更新，而對(duì)當(dāng)前幀中除去運(yùn)動(dòng)的部分進(jìn)行自適應(yīng)更新。三種場(chǎng)景背景圖像的提取和選擇性更新分別如圖2和圖3所示。

圖2可以看出，幀間差分框值法提取出的背景圖像雖優(yōu)于傳統(tǒng)的平均值法和幀間差分法，但其依舊會(huì)受光照、天氣變化、樹葉抖動(dòng)等外界突發(fā)狀況的影響，提取出的背景圖像有運(yùn)動(dòng)物體掠過的痕跡。而改進(jìn)算法能夠克服外界不同程度的干擾提取出干凈的背景圖像。

圖3可以看出，對(duì)背景圖像進(jìn)行選擇性更新后，可以根據(jù)場(chǎng)景的實(shí)時(shí)變化對(duì)背景圖像進(jìn)行實(shí)時(shí)的自適應(yīng)更新，得到更新后的背景圖像與當(dāng)前幀的背景較為接近。

圖2 三種場(chǎng)景背景圖像的提取

圖3 背景圖像選擇性更新

4 結(jié)束語

基于幀間差分法、背景差分法的新背景提取更新算法，通過對(duì)幀差二值圖像提取出運(yùn)動(dòng)物體的內(nèi)切矩形框，將非矩形框像素點(diǎn)加權(quán)平均后得到的圖像視為視頻流的初始圖像，將當(dāng)前幀與初始圖像的差和差值平均值進(jìn)行比較，從整體圖像中將運(yùn)動(dòng)目標(biāo)分離，從而提取出背景圖像。改進(jìn)后的算法易于實(shí)現(xiàn)、抗外界干擾能力強(qiáng)，提取出的背景圖像也清晰可辨。自適應(yīng)的背景更新算法也消除了背景突然改變對(duì)運(yùn)動(dòng)目標(biāo)檢測(cè)帶來的負(fù)面影響，使得背景模型更加可靠穩(wěn)定。實(shí)驗(yàn)表明，結(jié)合后的算法便于實(shí)現(xiàn),準(zhǔn)確有效。

[1] Wang Liang,Hu Weiming,Tan Tieniu.Recent developments in human motionanalysis [J]. PatternRecognition, 2003, 36 (3):585-601.

[2] Barron J,Fleet D,Beachem in S.Performance of optical flow teachniques[J].International Journal of computer Vision, 1994,12(1):42-47.

[3] Lipton A J, Fujiyoshi H,Patil R S. Moving target classification and tracking from real-time video[C]//Applications of Computer Vision, 1998, WACV’98, Proceedings, Fourth IEEE Workshop on, 1998:8-14.

[4] 朱明旱,羅大庸,曹倩霞.幀間差分與背景差分相融合的運(yùn)動(dòng)目標(biāo)檢測(cè)算法[J].計(jì)算機(jī)測(cè)量與控制,2005,13(3): 215-217.

[5] 田小平,吳成茂.利用差分圖像奇異值分解的置亂程度評(píng)價(jià)研究[J].計(jì)算機(jī)工程與應(yīng)用,2010，46(23):162-165.

[6] 袁偉才,徐向民.一種有效的動(dòng)態(tài)背景提取及更新方法[J].計(jì)算機(jī)工程與應(yīng)用,2010,46(4):191-235.

[7] 靳鵬飛.基于自適應(yīng)模板相關(guān)跟蹤算法的研究[J].西安郵電學(xué)院學(xué)報(bào),2007,12(1):44-47.

[8] 張洋.視頻跟蹤算法研究[D].北京:北京交通大學(xué), 2011:12-27.

[9] 田小平,吳成茂,譚鐵牛.基于差分信噪比的圖像置亂效果評(píng)價(jià)研究[J].計(jì)算機(jī)工程與設(shè)計(jì),2009,30(10):2390-2393.

[10] 高山,畢篤彥,魏娜.基于SACON背景模型的人體檢測(cè)與跟蹤[J].計(jì)算機(jī)應(yīng)用,2009,29(6):1669-1672.

[11] 汪沖,席志紅,肖春麗.基于背景差分的運(yùn)動(dòng)目標(biāo)檢測(cè)方法[J].應(yīng)用科技,2009,36(10):16-18.

[12] 劉菁,王忠民. 基于單目視覺的運(yùn)動(dòng)障礙物檢測(cè)[J].西安郵電學(xué)院學(xué)報(bào),2012,17(3):58-62.

[責(zé)任編輯:祝劍]

An algorithm of background extraction and update in video surveillance

TIAN Xiaoping， SHI Lei

(School of Electronic Engineering, Xi’an University of Posts and Telecommunications, Xi’an 710121, China)

An improved algorithm based on frame-difference and background subtraction is proposed for obtaining a high-quality background image from complex scene. The current frame and the original image, which is the background from frame-difference to distinguish pixels between foreground and background, is compared and then weight averaged in order to obtain the background image, which is selectively updated while background updating. The improved algorithm has strong adaptability to different scenarios.

back ground extraction, back ground update, frame-difference, rectangular box, threshold comparison

10.13682/j.issn.2095-6533.2014.01.002

2013-10-10

國家自然科學(xué)基金資助項(xiàng)目(612712120)

田小平(1963-)，男，碩士，教授，從事數(shù)字圖像處理研究。E-mail:xptian@xupt.edu.cn 史蕾(1989-)，女，碩士研究生，研究方向?yàn)橐曨l中運(yùn)動(dòng)目標(biāo)的檢測(cè)與跟蹤。E-mail: 290475690@qq.com

TP751

A

2095-6533(2014)01-0013-04