戴 航，郭秀娟

吉林建筑大學(xué) 電氣與計(jì)算機(jī)學(xué)院，長(zhǎng)春 130118

0 引言

隨著我國(guó)綜合國(guó)力不斷增強(qiáng)、經(jīng)濟(jì)快速增長(zhǎng)，城市復(fù)雜性越來(lái)越高，安全問(wèn)題逐漸成為人們關(guān)心的重要問(wèn)題.智能視頻監(jiān)控仍有圖像模糊、目標(biāo)捕捉困難及人工篩選視頻效率低等問(wèn)題.但在這三方面中，智能保障有更高的提升空間，也是更快更好提升安全防護(hù)的重要保障,在很多領(lǐng)域中發(fā)揮著重要作用.隨著計(jì)算機(jī)硬件技術(shù)的不斷完善，各種環(huán)境復(fù)雜的地區(qū)對(duì)智能視頻監(jiān)控的要求也越來(lái)越高.目前，此領(lǐng)域在國(guó)際上比較有代表性的項(xiàng)目，例如DARPA針對(duì)軍用及民用特殊情況下視頻自動(dòng)監(jiān)視、分析與理解；此外，VSAM及AVS項(xiàng)目等也做出了一系列的階段性成果[1].此外，還有很多與智能視頻監(jiān)控相關(guān)的會(huì)議，如CVIU，ECCV和ICCV等.我國(guó)智能視頻監(jiān)控技術(shù)起步較晚，但也取得了一系列的階段性科研成果.例如GIS智慧校園[2]，Canny算子視頻監(jiān)控圖像濾波算法[3]，以及異常行為在圖像幀上標(biāo)注[4]等.就現(xiàn)有的研究和技術(shù)而言，對(duì)運(yùn)動(dòng)目標(biāo)的檢測(cè)仍是目前國(guó)內(nèi)亟待突破的難題.

運(yùn)動(dòng)目標(biāo)的檢測(cè)目前常用的算法包括光流法、幀間差分法、邊緣檢測(cè)法和背景減除法.這四種方法各有其優(yōu)勢(shì)與不足[5]：光流法方法簡(jiǎn)單但計(jì)算量大，易受噪聲影響：高精度光流法常用于判斷人群異常行為[6]；幀間差分法計(jì)算復(fù)雜度低但準(zhǔn)確度也低；邊緣檢測(cè)法對(duì)于運(yùn)動(dòng)速度緩慢的目標(biāo)不能準(zhǔn)確捕捉目標(biāo)：背景減除法的優(yōu)勢(shì)在于能夠獲得較為完整的運(yùn)動(dòng)目標(biāo).本文的核心工作在于應(yīng)用背景減除法建立高效的檢測(cè)模型.

1 背景減除法

1.1 背景減除法原理

背景減除法是將當(dāng)前的視頻幀與建立的背景模型進(jìn)行比較，通過(guò)判定灰度等特征的變化，或直方圖等統(tǒng)計(jì)信息的變化來(lái)分割運(yùn)動(dòng)目標(biāo)，同時(shí)判斷異常情況的發(fā)生與否.要應(yīng)用背景減除法，首先就是建立輸入圖像即攝像機(jī)拍到的圖像的背景模型.

1.2 背景建模方法

根據(jù)目標(biāo)對(duì)象提取的準(zhǔn)確性，背景建模的方法可以分為：均值函數(shù)法、中值函數(shù)法、單高斯背景建模以及混合高斯背景建模4種方法.相鄰幀差法相對(duì)簡(jiǎn)單，但其對(duì)環(huán)境的變化及抗干擾能力比較低，而且檢測(cè)結(jié)果對(duì)運(yùn)動(dòng)目標(biāo)的速度比較敏感[7-10].混合高斯模型的背景減除法則可以提供更好的檢測(cè)效果，能夠檢測(cè)出更完整的運(yùn)動(dòng)目標(biāo)，適應(yīng)更為復(fù)雜的視頻監(jiān)控場(chǎng)景.針對(duì)復(fù)雜多變的場(chǎng)景，混合高斯模型相比于單高斯[11]及其他建模方式展現(xiàn)出了良好的適應(yīng)能力，為運(yùn)動(dòng)目標(biāo)分析提供科學(xué)性的數(shù)據(jù)支持.通過(guò)對(duì)4種常用的運(yùn)動(dòng)目標(biāo)檢測(cè)方法的分析，本文選取背景減除法中的混合高斯模型進(jìn)行建模，同時(shí)針對(duì)混合高斯背景建模這種方法進(jìn)行深入討論.

2 高斯背景建模

高斯背景建模是將計(jì)算機(jī)學(xué)習(xí)后的視頻序列，通過(guò)高斯概率密度函數(shù)來(lái)精確量化視頻序列，讓它們以高斯分布的模型的形態(tài)展現(xiàn)出來(lái)，從而完成背景模型建立.圖像的背景有單模態(tài)和多模態(tài)兩種[12].背景中的每個(gè)像素顏色分布集中，緩慢變化的簡(jiǎn)單場(chǎng)景，稱為單模態(tài)，采用單高斯背景建模；對(duì)于發(fā)生突然變化的復(fù)雜場(chǎng)景，稱為多模態(tài)，采用混合高斯背景建模.由于小區(qū)有樹木，有居民，有車輛等，呈現(xiàn)多模態(tài)，故在分析時(shí)采用混合高斯背景建模.本文通過(guò)對(duì)混合高斯建模的參數(shù)進(jìn)行調(diào)試，達(dá)到對(duì)背景圖目標(biāo)精確檢測(cè)的目的.

2.1 混合高斯建模流程

背景模型的建立分為以下3種基礎(chǔ)建模方式[13]：視頻幀建模，區(qū)域建模及像素建模[14]方式，具體如表1所示.

表1 基礎(chǔ)建模方式Table 1 Basic modeling method

雖然表1所指出的背景建模方式仍有不足，但以視頻幀為基礎(chǔ)的背景建模方式已經(jīng)由Wang.L[15]進(jìn)行了改進(jìn)，其他兩種背景建模方式仍有待更多學(xué)者提出優(yōu)化措施.背景建模效果如何取決于建模方式的魯棒性.

確定了建模方式以及建模方法，混合高斯建模流程如下[16]：

(1) 初始化高斯背景模型參數(shù)定義. 設(shè)定背景建模所需幀的個(gè)數(shù)、每個(gè)像素要用到的高斯函數(shù)的個(gè)數(shù)、背景閾值、更新閾值、最小連通域面積、高斯分布的權(quán)值和初始化方差.圖像(0-T)內(nèi)每個(gè)像素亮度平均值為μ,方差為σ2，則初始化的高斯模型參數(shù)如下：

(1)

(2)

(2) 背景模型的匹配. 對(duì)于某一幀t，像素點(diǎn)的灰度值為Xt，當(dāng)滿足灰度值與(t-1)時(shí)刻第i個(gè)高斯分布的期望值的差的絕對(duì)值小于等于經(jīng)驗(yàn)值和標(biāo)準(zhǔn)差的積時(shí)，可以認(rèn)為該像素值與高斯模型匹配.其中，經(jīng)驗(yàn)值在2.5～3之間，一般取2.5.

(3) 背景的更新. 混合高斯模型更新是為了更快地適應(yīng)變化的背景以及更強(qiáng)的抗干擾能力.設(shè)α為背景更新系數(shù)，α∈(0,1)，α表示背景模型的更新速度,α的值越大表示背景模型的更新速度越快.

(4) 前景點(diǎn)和背景點(diǎn)的判定. 假設(shè)前幀中各點(diǎn)的像素值在某一幀t時(shí)，像素點(diǎn)的灰度值為Xt..若該均值滿足灰度值與(t-1)時(shí)刻第i個(gè)高斯分布的期望值之差的絕對(duì)值小于等于經(jīng)驗(yàn)值和標(biāo)準(zhǔn)差的積時(shí)，可以認(rèn)為該幀中的點(diǎn)屬于背景點(diǎn)；若上述條件不成立，則屬于前景點(diǎn).

在背景的更新過(guò)程中，α值并不是越大越好.如果α太大，將導(dǎo)致背景更新速度比場(chǎng)景更新快，出現(xiàn)運(yùn)動(dòng)目標(biāo)缺失的情況.針對(duì)不同環(huán)境采取不同的α值.更新公式如下：

μt+1=(1-α)μt+Xt

(3)

σt+12=(1-α)σt2+α(Xt-μt)2

(4)

2.2 實(shí)驗(yàn)結(jié)果

在模型更新時(shí)間和背景學(xué)習(xí)速度之間，筆者列出了一個(gè)表格，時(shí)間選取范圍在2 s～40 s，速率由1 %～20 %，具體如表2所示.

表2 更新時(shí)間和背景學(xué)習(xí)速度Table 2 Update time and background learning speed

通過(guò)Matlab進(jìn)行擬合，結(jié)果如圖1所示.

圖1 速率和時(shí)間的變化關(guān)系Fig.1 The change of the relationship between velocity and time

由圖1可以看出，在2 s到3 s時(shí)，背景更新速率為18 %，故得出α=0.18為場(chǎng)景更新的最優(yōu)速率.

采用Matlab語(yǔ)言針對(duì)該方法編碼實(shí)現(xiàn)，原圖如圖2所示，背景圖見圖3.

圖2 原圖Fig.2 The original image

圖3 背景圖Fig.3 Background

通過(guò)設(shè)置閾值參數(shù)來(lái)提取圖片的背景模型，具體如下.組成混合高斯的單高斯數(shù)目為3，閾值為2.5個(gè)標(biāo)準(zhǔn)差，學(xué)習(xí)率決定更新速度取0.2，前景閾值取0.25，初始化標(biāo)準(zhǔn)差取36.通過(guò)調(diào)節(jié)參數(shù)，可以獲得更多的混合高斯建模方式.方法的難點(diǎn)在于保證合理更新的同時(shí)，為復(fù)雜場(chǎng)景尋找理想可靠的背景模型，而圖3就是我們找到原圖的背景.

3 結(jié)語(yǔ)

本文針對(duì)視頻監(jiān)控中背景減除法建模的混合高斯模型，設(shè)計(jì)分析了建模流程及其存在的問(wèn)題.通過(guò)調(diào)整設(shè)計(jì)參數(shù)，尋找出最合適的更新時(shí)間和背景學(xué)習(xí)速度，改善了混合高斯模型的更新速率，提取監(jiān)控圖片中的背景圖，解決了日常生活中由于背景看不清楚導(dǎo)致監(jiān)控出現(xiàn)問(wèn)題的情形.