譚中慧， 張 勇(中海網(wǎng)絡科技股份有限公司，上海 200135)

視頻圖像目標偵測及改進算法

譚中慧， 張 勇
(中海網(wǎng)絡科技股份有限公司，上海 200135)

針對傳統(tǒng)目標偵測算法多集中在對運動目標的偵測方面，對運動流中突現(xiàn)的滯留目標缺乏相應檢測處理機制的問題，提出一種幀差法、雙背景算法和高通濾波相結合的算法。該算法既能較好地滿足檢測的靈敏度和精度要求，同時還能兼顧運動目標和滯留目標的檢測問題，具有較好的應用前景。

視頻圖像；目標偵測；幀差法；雙背景法

0 引 言

近年來,視頻監(jiān)控的智能化程度逐步提高，不管是公安、安防領域還是道路交通行業(yè)，都對目標的自動檢測和自動預警提出了更高的要求。例如，封閉環(huán)境運動目標檢測及壓縮錄像、道路交通目標及事件檢測等不同應用的核心都可歸結為對視頻圖像中運動和滯留目標的檢測。

目前已有部分國內外科研機構、設備廠商開展這方面的研究，并逐步將視頻圖像目標檢測技術應用到最新的產品中。但目前應用最廣的在安防領域，由于其精度和靈敏度的局限性，大部分還需依靠人工干預。由于道路交通較為復雜、目標數(shù)量和種類較多，因此當前檢測技術的可靠性還很難滿足工程應用的實際需要，尋求更好的目標檢測方法有助于提高視頻監(jiān)控行業(yè)的整體應用水平。

為提高視頻圖像目標偵測的可靠性，在檢測過程中根據(jù)像素點自身的波動，采用自適應閾值幀差法，同時根據(jù)目標單位像素灰度值在時間、空間上的連續(xù)性和穩(wěn)定性，將雙背景法作為幀差法的補充，兩者優(yōu)勢互補，可較好地對運動目標和滯留目標進行檢測。

1 視頻圖像單位像素/灰度特性

視頻圖像非目標點單位像素在時間、空間上具有連續(xù)性和相對穩(wěn)定性，其一段時間內的像素/灰度值時間分布曲線及統(tǒng)計特性見圖1。由圖1可知，其在時間序列上滿足以灰度均值為中心的正態(tài)分布。設其灰度值在時間序列上的關系滿足方程y=a+δt，則a為該段時間內灰度的均值，δt為波動隨機分量。由圖1可知，灰度波動很小，灰度值分布具有較好的收斂性。

a) 視頻圖像

b) 某像素點灰度時間分布

目標經過之處單位像素灰度值的時間分布曲線及灰度值統(tǒng)計特性見圖2?？傮w來說，其灰度分布在較長時間內仍然滿足正態(tài)分布，但會在短時間內出現(xiàn)較為明顯的波動，灰度值上、下起伏幅度較大。因此，這里首先通過在時間序列上對單位像素的灰度值進行求導來計算像素的突變值，即幀差法。

a) 視頻圖像

b) 目標經過前后像素值分布

2 幀差檢測法

采用幀差法能及時有效地對動態(tài)目標的細微變化實施精確檢測，靈敏度較高，因此采用相鄰幀相減的方式。設單位像素點前一幀灰度值為y1，當前幀灰度值為y2，則y1與y2滿足式(1)和式(2)。

y1=a+δt1

(1)

y2=a+δt2

(2)

式(1)減式(2)得到幀差計算結果

|y2-y2|=|δt1-δt2|

(3)

由式(3)可知，幀差值與像素點自身的灰度值無關，與灰度隨機波動量有直接關系。視頻圖像中某像素在時間序列上的幀差結果見圖3。

(4)

a) 視頻幀

b) 某像素點灰度幀差時間分布

a) 視頻幀

b) 幀差目標提取

圖5為幀差結果分析，右圖白色部分為檢測到的目標。目標車輛輪廓比較完整，但內部存在很多大小不等的孔洞，提取的目標不飽滿，難以滿足實際應用的需求。究其原因，主要是一些大型目標體表面灰度較為單一，且目標運行速度較慢，兩幀圖像之間目標有重疊，因此幀差法相減時重疊部分差值較小，從而造成目標部分缺失。同時，受抖動等客觀因素的影響，存在一些誤檢測噪聲點。這里提出采用雙背景法和高通濾波法對其進行改進。

圖5 幀差結果分析

3 雙背景改進法

(5)

(6)

(7)

a) 增強前

b) 增強后

幀差和虛背景檢測算法只對運動目標具有較高的檢測靈敏度，若運動流中發(fā)生目標滯留，則在較短的時間內幀差減弱為0，同時虛背景也很快更新成當前目標的灰度值，因此虛背景增強效果也減弱為0，滯留目標將很快在檢測結果中消失。針對該問題，提出實背景目標檢測法加以解決。

(8)

(9)

(10)

4 高通濾波法

由試驗結果(如圖4～圖7所示)可知，檢測干擾噪聲分布較散亂，是一種大面積的隨機分布。因此，提出滑動窗口高通濾波法對檢測結果進行改進。

a)滯留目標b)增加實背景檢測

圖7 實背景輔助檢測

a) 窗口模板

b) 高通濾波

(11)

高通濾波后，目標檢測效果見圖9。

a) 小目標

b) 小目標檢測效果

c) 滯留目標

d) 滯留目標檢測效果

5 結 語

研究視頻圖像目標偵測算法，根據(jù)背景的灰度穩(wěn)定性和目標的灰度波動性提出基于幀差的目標檢測算法及雙背景目標檢測改進算法。通過分析，目標檢測結果具有較好的收斂性和魯棒性；針對干擾噪聲具有隨機性和發(fā)散性，提出采用高通濾波進行檢測降噪。該綜合算法具有很高的檢測靈敏度，對于運動目標，不論大小均能有效地檢測出結果；同時，該綜合算法能對運動流中的滯留目標進行有效檢測，具有較高的應用價值。

[1] 劉少華，張茂軍，熊志輝，等. 一種魯棒高效的視頻運動目標檢測與跟蹤算法[J].自動化學報，2009，35(8)：1055-1062.

[2] 方正鵬，孫岳，陳建. 基于圖像識別與追蹤技術的高速公路交通事件有效檢測范圍[J].公路交通科技，2011，28(S1)：5-8.

[3] 譚中慧，張勇.利用軌跡跟蹤的視頻交通事件檢測算法[J].上海船舶運輸科學研究所學報，2013，36(2)：26-32.

[4] 袁彬，于艷玲，譚中慧.基于視頻的車型分類算法研究[J].現(xiàn)代電子技術，2014，37(16)：108-110.

[5] 汪國強，蓋琪琳，于懷勇，等. 基于背景差分法的視頻目標檢測算法研究[J].黑龍江大學工程學報，2014，5(4)：64-68.

Video Target Detection and Improved Algorithm

TANZhonghui，ZHANGYong
(China Shipping Network Technology Co.,Ltd., Shanghai 200135, China)

Commonly used video image target detection algorithms which based on the combination of the frame difference method, the statistical average method, the simple background method and the Gaussian model method, are good for detecting moving targets, but will miss a target if it stops moving because they lack effective processing mechanism for that. This paper proposes a process which introduces the combination of the double background algorithm and high pass filtering algorithm into the frame difference method to deal with the situation. Experiments prove that the modified algorithm improves the detection accuracy and reliability as well as the ability of detecting stopping targets.

video; target detection; frame substract method; double background method

2016-09-14

譚中慧(1982—)，男，湖南湘西人,工程師,碩士,主要從事智能交通中的算法研究。

1674-5949(2016)04-0067-06

TP391.41

A