摘要：該文針對(duì)從具有動(dòng)態(tài)背景的監(jiān)控視頻中有效提取前景目標(biāo)問題進(jìn)行相關(guān)研究及建模，根據(jù)動(dòng)態(tài)背景對(duì)運(yùn)動(dòng)目標(biāo)檢測(cè)所產(chǎn)生的影響，首先利用魯棒混合高斯模型對(duì)多峰分布背景進(jìn)行建模，提取動(dòng)態(tài)背景下監(jiān)控視頻中具有前景目標(biāo)的前景圖像，接著使用中值濾波和數(shù)學(xué)形態(tài)學(xué)中的開運(yùn)算對(duì)所得到的前景圖像進(jìn)行二次處理，濾掉大部分噪聲，最終得到質(zhì)量較高的前景目標(biāo)圖像。通過MArLAB仿真實(shí)驗(yàn)表明，該文提出的方法能夠有效提取動(dòng)態(tài)背景下監(jiān)控視頻的前景目標(biāo)。

關(guān)鍵詞：動(dòng)態(tài)背景;前景目標(biāo)提取;混合高斯背景建模;中值濾波;開運(yùn)算

中圖分類號(hào)：TP3 文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：1009-3044（2020）20-0207-02

前景目標(biāo)提取作為監(jiān)控視頻的處理中信息提取的關(guān)鍵技術(shù)之一[1]。將真實(shí)的運(yùn)動(dòng)目標(biāo)去掉干擾后在視頻中全部提取出來，將為后續(xù)的視頻內(nèi)容處理及分類提供極大的幫助。在進(jìn)行監(jiān)控視頻前景目標(biāo)提取時(shí)，視頻場(chǎng)景中所存在的具有不連續(xù)特點(diǎn)的動(dòng)態(tài)背景，會(huì)造成在提取前景目標(biāo)時(shí)圖像信息的部分丟失，嚴(yán)重時(shí)將造成誤判的情況。

為實(shí)現(xiàn)動(dòng)態(tài)背景下視頻的前景目標(biāo)提取，Shoichi等人[2]在幀差法的基礎(chǔ)上，利用仿射變換的方法，相鄰兩幀圖像的背景偏移更為直觀地表現(xiàn)出來。Hsieh[3]和Tissainaysgam等人[4]提出了對(duì)圖像背景偏移后進(jìn)行補(bǔ)償并差分計(jì)算的方法。李博川等人[5]將HSV空間陰影抑制技術(shù)與混合高斯模型相結(jié)合，從而實(shí)現(xiàn)視頻的前景目標(biāo)提取。

由于監(jiān)控視頻中所包含的動(dòng)態(tài)背景信息多為微小重復(fù)運(yùn)動(dòng)，比如窗簾和樹葉的迎風(fēng)擺動(dòng)、湖面上泛起的層層漣漪等，都屬于此類運(yùn)動(dòng)的動(dòng)態(tài)背景，為此本文采用魯棒混合高斯模型對(duì)有微小重復(fù)運(yùn)動(dòng)的復(fù)雜場(chǎng)景進(jìn)行背景建模，從而在動(dòng)態(tài)背景中提取出前景信息，對(duì)于在檢測(cè)監(jiān)控視頻中誤將動(dòng)態(tài)背景檢測(cè)為運(yùn)動(dòng)前景從而導(dǎo)致前景提取的二值圖畫面不清晰的情況，使用圖像處理中形態(tài)學(xué)方面的運(yùn)算和濾波運(yùn)算對(duì)面面質(zhì)量進(jìn)行提升，濾掉存在的噪聲，從而實(shí)現(xiàn)前景目標(biāo)的有效提取。

1混合高斯背景建模

混合高斯模型的基礎(chǔ)，是由于圖像中特征點(diǎn)邊緣的相關(guān)抖動(dòng)（如水面泛起的漣漪、樹葉迎風(fēng)擺動(dòng)等）將導(dǎo)致多個(gè)中心位置聚集大量的像素點(diǎn)，形成高斯分布。

本文提出的混合高斯背景建模，將一段時(shí)間的視頻中大量樣本像素點(diǎn)的概率密度、模式數(shù)量、模式均值和標(biāo)準(zhǔn)差等信息進(jìn)行統(tǒng)計(jì)處理，利用樣本的統(tǒng)計(jì)信息將圖片背景描述出來，并結(jié)合統(tǒng)計(jì)差分的方法對(duì)目標(biāo)進(jìn)行提取。

像素點(diǎn)依據(jù)時(shí)間的推移，在監(jiān)控視頻里一系列時(shí)序圖像中的變化，是一個(gè)隨機(jī)產(chǎn)生像素值的過程，其呈現(xiàn)出的顏色是一個(gè)隨機(jī)變量。本文在利用混合高斯背景模型提取前景目標(biāo)時(shí)，利用高斯分布在個(gè)像素點(diǎn)無顏色信息關(guān)聯(lián)的基礎(chǔ)上，獨(dú)立處理每個(gè)像素點(diǎn)的顏色信息，描述各像素點(diǎn)單峰或是多峰的顏色規(guī)律。利用高斯混合模型訓(xùn)練視頻中每一幀的圖像，模擬出其背景信息，再將像素點(diǎn)與背景信息進(jìn)行匹配，從而將代表前景目標(biāo)的特征像素與背景分割開來。

算法中利用多個(gè)高斯分布進(jìn)行疊加，每個(gè)高斯分布具有不同的權(quán)重，代表著一種可能呈現(xiàn)的顏色狀態(tài)，利用這種多高斯分布疊加的方法，描繪出視頻中每一幀圖像所包含像素點(diǎn)的顏色。像素點(diǎn)的顏色為隨機(jī)變量X，其R、G、B三色通道不僅相互獨(dú)立還具有相同的方差。利用統(tǒng)計(jì)學(xué)方法，在T時(shí)間段內(nèi)，對(duì)隨機(jī)變量X的觀測(cè)采樣數(shù)據(jù)集為{X1，X2，…，XT】，其中t（t∈T）時(shí)刻的采樣值為xt=（rt，gt，bt）。Xt的混合高斯分布概率密度公式為：

其中k為分布模型總數(shù)，η（xt，μi，t，τi，t）為t時(shí)刻第i個(gè)高斯分布，μi，t為其均值，τi，t為其協(xié)方差矩陣，δi，t為方差，I為三維單位矩陣，ωi，t為t時(shí)刻第i個(gè)高斯分布的權(quán)重。

綜上所述，混合高斯背景建模算法的具體流程描述如下：

（1）將像素點(diǎn)在t時(shí)刻的采樣值Xt值與當(dāng)前K個(gè)模型在t-1時(shí)刻的均值相減，找到均值偏差在2.5σ內(nèi)的新像素點(diǎn)作為匹配該分布模型的像素點(diǎn)，其公式如下：

（2）對(duì)所匹配的分布模型進(jìn)行檢測(cè)，判定其屬于背景目標(biāo)或者前景目標(biāo)。

（3）更新各模式在t時(shí)刻的權(quán)值，其公式如下，

其中α代表學(xué)習(xí)速率，表示算法學(xué)習(xí)速度的快慢，Wk，t表示是否匹配該模式，如匹配則Wk，t=1否則Wk，t=0，接著對(duì)每個(gè)模式的權(quán)重進(jìn)行歸一化處理。

（4）針對(duì)步驟（1）中未與像素匹配的模式，保持其均值和標(biāo)準(zhǔn)差不做改變，將與像素匹配的模式按照如下公式更新其在t時(shí)刻的相關(guān)參數(shù)。

（5）如果在（1）中像素點(diǎn)與K個(gè)模式都不匹配，則利用當(dāng)前狀態(tài)下權(quán)重最小的模式的均值作為當(dāng)前像素點(diǎn)的像素值。

（6）將當(dāng)前狀態(tài)下的所有模式按照權(quán)重和標(biāo)準(zhǔn)差進(jìn)行排序，將權(quán)重大、標(biāo)準(zhǔn)差小的模式排在前面。

（7）按照如下公式選擇作為背景的模式，其中參數(shù)T表示作為背景的模式占當(dāng)前所有模式的比例。

2開運(yùn)算和中值濾波

為進(jìn)一步提高所得到圖像的質(zhì)量，本文采用開運(yùn)算結(jié)合中值濾波的方法，對(duì)利用混合高斯背景模型所提取的前景目標(biāo)圖像進(jìn)行二次處理，過濾掉所得圖像中的相關(guān)噪聲。

利用數(shù)學(xué)形態(tài)學(xué)中的開運(yùn)算，現(xiàn)將目標(biāo)圖像進(jìn)行腐蝕處理，對(duì)物體的邊界點(diǎn)進(jìn)行相關(guān)的消除，使得處理后的圖像沿其周邊比腐蝕之前縮小一個(gè)像素的面積，接著對(duì)圖像進(jìn)行膨脹處理，將所有與物體接觸的背景像素點(diǎn)融入物體之中，從而讓物體增加相應(yīng)數(shù)量點(diǎn)的面積。本文采用開運(yùn)算的方法，在不明顯改變?cè)瓐D像面積的情況下，將原圖像中表示噪聲的像素點(diǎn)進(jìn)行消除和分離。

中值濾波技術(shù)作為一種信號(hào)處理方法，可以有效濾除噪音，本文利用中值濾波技術(shù)，將提取的前景目標(biāo)圖像中的元素點(diǎn)利用該元素點(diǎn)規(guī)定領(lǐng)域內(nèi)的各元素點(diǎn)的中值代替。使得圖像中前景目標(biāo)周的像素點(diǎn)更接近于真實(shí)值，進(jìn)一步消除圖像中存在的噪聲。二維圖像中，中值濾波的輸出公式如下：

其中f（x，y）表示原始圖像，g（x，y）表示處理后的圖像，W為使用的二維模板。

3實(shí)驗(yàn)仿真

為驗(yàn)證本文所提方法的有效性，提取一組具有動(dòng)態(tài)背景的監(jiān)控視頻進(jìn)行前景目標(biāo)檢測(cè)，監(jiān)控視頻中的動(dòng)態(tài)背景為湖面上的漣漪，仿真實(shí)驗(yàn)在MATLAB 2016上進(jìn)行。

圖1為原始圖像，由圖2可以看出，使用混合高斯背景建模算法可有效提取除了前景目標(biāo)，但是由于監(jiān)控視頻的背景是動(dòng)態(tài)的，所形成的廁面中存在噪聲和白點(diǎn)，由圖3可以看出，利用開運(yùn)算和中值濾波對(duì)圖像進(jìn)行進(jìn)一步的處理，可以有效地去除所提取信息中的噪聲和白點(diǎn)。通過仿真實(shí)驗(yàn)，驗(yàn)證了本文所提出方法的可行性與有效性。

4結(jié)語

本文監(jiān)控視頻的前景目標(biāo)提取做出了細(xì)致的研究，提出了混合高斯背景建模結(jié)合開運(yùn)算與中值濾波的動(dòng)態(tài)背景下監(jiān)控視頻的前景目標(biāo)提取方法，并利用MATLAB沒計(jì)仿真實(shí)驗(yàn)，驗(yàn)證了該方法的有效性。

參考文獻(xiàn)：

[1]李強(qiáng).監(jiān)控視頻異常行為檢測(cè)算法研究[D].合肥：中國(guó)科學(xué)技術(shù)大學(xué)，2017.

[2] Araki S，Matsuoka T，Yokoya N，et aI.Real-time tracking ofmultiple moving object contours in a moving camera image se-quence[J]. IEICL Transactions on Information and Systems.2000. E83-D（7）：1583-1591.

[3] Hsieh J W.Fast stitching algorithm for moving ohject detectionand mosaic construction[J]. Image and Vision Computing，2004， 22（4）：291-306.

[4] Tissainayagam P，Suter D.Object tracking in image sequencesusing point features[J]. Pattern Recognition， 2005， 38（1）： 105-113.

[5]李博川，丁軻.結(jié)合陰影抑制的混合高斯模型改進(jìn)算法[J].計(jì)算機(jī)工程與科學(xué)，2016，38（3）：556-561.

【通聯(lián)編輯：代影】

收稿日期：2020-04-17

作者簡(jiǎn)介：陳明智（1992-），男，湖北宜昌人，助教，主要研究方向?yàn)槲锫?lián)網(wǎng)技術(shù)、系統(tǒng)工程。