基于背景重構(gòu)的運動對象越界偵測方法

洪 虹，李文耀

(武漢郵電科學(xué)研究院，湖北 武漢 430074)

運動對象越界偵測(例如安全禁區(qū)監(jiān)控、車流量統(tǒng)計)是監(jiān)控領(lǐng)域經(jīng)常用到的功能，目前的運動對象統(tǒng)計方法主要有地感線圈檢測、視頻檢測、微波檢測、激光檢測等方法。地感線圈檢測方法因其成本低、精度高、性能穩(wěn)定、抗干擾能力強等優(yōu)點而得到廣泛應(yīng)用，但其缺點是需要切割道路，不僅工程量大、影響道路、影響美觀，而且切割后的道路容易損壞。微波檢測和激光檢測因為成本高，主要用于流動執(zhí)法等場合。視頻檢測克服了地感線圈檢測方法的缺點，使用方便，價格低廉，應(yīng)用面越來越廣。

筆者提出了一種實用、有效的運動目標(biāo)檢測方法，即基于背景重構(gòu)的運動對象越界偵測方法。首先，該算法通過對一批視頻流圖像計算構(gòu)造背景圖像，然后利用當(dāng)前視頻圖像和背景視頻圖像，通過差分法獲取運動對象模型和背景差值，利用運動對象模型的連續(xù)性繪制運動對象軌跡，依據(jù)軌跡和警戒線交叉方程進行越界偵測。同時，利用背景差值融合背景視頻生成新的背景圖像，能有效保證識別算法的自適應(yīng)性，提高偵測結(jié)果的準(zhǔn)確性。

1 運動對象檢測

運動對象檢測就是從實時視頻圖像序列中抽取出感興趣運動對象。該技術(shù)是計算機視覺、模式識別、視頻圖像跟蹤等應(yīng)用領(lǐng)域的重要研究內(nèi)容［1－8］。運動目標(biāo)檢測示例見圖1，圖中用紅色框(原圖片為彩色圖)標(biāo)注的人和車輛便是感興趣的目標(biāo)，比如汽車和行人。

圖1 運動目標(biāo)檢測示例

在運動目標(biāo)檢測過程中，經(jīng)常會用到幀差分和背景差分兩種檢測算法。

1.1 幀差分法

幀差法是對連續(xù)兩幅視頻幀作差分減法，通過設(shè)定一個合理差分閾值來分割運動目標(biāo)和背景［9－11］。幀差分法示例見圖2，最左邊為連續(xù)兩幅幀圖像得到，中間為幀差的結(jié)果，最右邊為最終分割結(jié)果。

幀差分法對于檢測復(fù)雜動態(tài)環(huán)境下的運動物體，具有較強的自適應(yīng)性和很好的可靠性。但由于運動物體上相似像素的替換效應(yīng)，幀差分不能完全地提取出運動物體所有相關(guān)的特征像素點，這樣在運動實體內(nèi)部容易產(chǎn)生空洞現(xiàn)象。

圖2 幀差分法示例

1.2 背景差分法

背景差分法是用當(dāng)前視頻幀與背景圖像進行差分，通過設(shè)定一個合理的差分閾值來分割運動目標(biāo)和背景。如圖3所示，最左邊為兩幅幀圖像，左上一幅為背景圖，左下一幅為當(dāng)前幀圖像，最右邊為最終分割結(jié)果。

圖3 背景差分法示例

背景差分法通過實時圖像和標(biāo)準(zhǔn)背景圖像的差分，判斷運動物體上移動像素，同時通過統(tǒng)計分析移動像素，可以判定運動目標(biāo)的有效位置、大小、形狀等信息。

在實際采用背景差分法的過程中，經(jīng)常會碰到以下困難:

1)背景圖像是背景差分法的基礎(chǔ)，但是在實際條件中，很難在場景沒有運動物體干擾的情況下獲取有效的背景圖像。

2)背面圖像中非固定元素的干擾，比如背景中的樹木、花草、彩帶等容易晃動的對象，易對算法判斷產(chǎn)生影響。

3)在監(jiān)控過程中，外界光照、天氣等元素的變化也會對檢測結(jié)果造成影響。

4)如果背景中的固定對象被動或主動地產(chǎn)生移動，則可能造成移走的區(qū)域被一直誤判為運動目標(biāo)。

2 運動對象跟蹤和背景更新

運動目標(biāo)跟蹤是對于連續(xù)視頻圖像中存在的同一個運動目標(biāo)進行跟蹤并記錄其運動的軌跡。

2.1 算法原理描述

這里提出了一種實用、有效的運動目標(biāo)檢測與跟蹤方法，該算法綜合考慮了幀差分法和背景差分法的特點，通過重構(gòu)背景的方法來準(zhǔn)確定位運動目標(biāo)。首先，通過學(xué)習(xí)一系列視頻幀圖像來構(gòu)造背景圖像;然后，將當(dāng)前視頻圖像與背景圖像進行差分處理，得到運動目標(biāo)，將其加入運動目標(biāo)隊列，并通過目標(biāo)匹配算法跟蹤同一個目標(biāo);接著，將當(dāng)前視頻圖像與背景圖像進行擬合，得到新的實時背景圖像。該算法系統(tǒng)框圖如圖4所示，圖中方框代表數(shù)據(jù)，橢圓框代表處理環(huán)節(jié)，虛線框包括的4個部分為系統(tǒng)主要處理模塊，處理流程為運動檢測→目標(biāo)匹配→目標(biāo)判斷→背景更新→運動檢測，如此反復(fù)處理連續(xù)視頻圖像。

圖4 算法系統(tǒng)框圖

2.2 運動區(qū)域檢測

幀間差分法能夠檢測出相鄰兩幀間發(fā)生了變化的區(qū)域，這個區(qū)域?qū)嶋H上包括運動目標(biāo)在前一幀所覆蓋的區(qū)域(即顯露區(qū))和運動目標(biāo)現(xiàn)在所覆蓋的區(qū)域(在當(dāng)前幀中就是運動目標(biāo)本身)。檢測的規(guī)則如下

式中:diffFrame(i，j)為分割結(jié)果圖，是一個二值圖;f(i，j，t)表示t時刻幀圖像在坐標(biāo)(i，j)處的灰度值，f(i，j，t+1)表示t+1時刻幀圖像在坐標(biāo)(i，j)處的灰度值，threshold為閾值，算法中取10。

通過上述操作，得到一幅運動區(qū)域圖，即diffFrame(i，j)，其中 diffFrame(i，j)=1 表示為運動點，diffFrame(i，j)=0表示靜止點。由于運動區(qū)域圖中存在一些噪聲，如獨立的小塊、空洞等，因此還需要做必要的膨脹、腐蝕、開閉等濾波操作。運動區(qū)域檢測濾波效果如圖5所示，上側(cè)為運動目標(biāo)分割圖，下側(cè)為經(jīng)過濾波后的結(jié)果圖，從圖中可以看到，噪聲都被消除了。

圖5 運動區(qū)域檢測濾波效果圖

2.3 運動目標(biāo)匹配

對于視頻流中檢測到的一個目標(biāo)，將會出現(xiàn)在連續(xù)的視頻流中，這里需要對同一個目標(biāo)進行跟蹤，這個問題也就轉(zhuǎn)換為同一個目標(biāo)在連續(xù)視頻流中的圖像匹配問題。圖像匹配的思路很多，有模板匹配法、Adaboost方法和SIFT方法，這些方法的開銷很大，需要占用大量資源，有時難以做到實時處理。本文提出一種實用的方法，如果視頻采集設(shè)備的采樣率比較高，能達到在20 f/s以上，則同一個目標(biāo)出現(xiàn)在前后連續(xù)視頻中必然會出現(xiàn)重疊部分，具體情況如圖6所示，該圖反映了一個目標(biāo)在連續(xù)視頻流中出現(xiàn)的空間位置情況(如1，2，3)，黑色區(qū)域即為重疊區(qū)域。

圖6 運動區(qū)域重疊圖

從上圖中可以看出，只要保證足夠大的采樣率，即便再快速的運動目標(biāo)也會出現(xiàn)重疊區(qū)域，對于慢速運動的目標(biāo)更是如此，因此可以將圖像匹配問題進一步簡化為重疊區(qū)域的檢測問題。通過判斷相鄰幀運動區(qū)域重疊來跟蹤運動目標(biāo)，識別其運動軌跡。

2.4 背景圖像更新

由于背景圖像受到來自自然光照、天氣的影響，為了得到一個相對穩(wěn)定的背景，需要對背景圖像進行實時更新。在實際應(yīng)用中，應(yīng)該根據(jù)實際環(huán)境情況選取相應(yīng)的背景更新規(guī)則，以獲得更好的性能。

背景更新原則一:對于背景圖像中一個特定像素點，根據(jù)2.2節(jié)的原理檢測該點在當(dāng)前幀中是否位于運動區(qū)域，若該點為運動點，采用當(dāng)前幀中該點的值替換背景圖像中對應(yīng)位置處的像素值，若該點不是運動點，則該點在背景圖像中對應(yīng)位置處的像素值不予更新。

背景更新原則二:對于背景圖像中一個特定像素點，根據(jù)2.2節(jié)的原理檢測該點在當(dāng)前幀中是否位于運動區(qū)域，采用以下公式進行更新

式中:bg(i，j)為當(dāng)前背景值，F(xiàn)rame(i，j)為當(dāng)前幀值，α通常取0.7～0.9，需要根據(jù)實際情況作出選擇;若該點不是運動點，則該點在背景圖像中對應(yīng)位置處的像素值不予更新。

3 越界偵測

越界偵測是對視頻區(qū)域設(shè)定的一條警戒線，當(dāng)運動目標(biāo)穿越了該線時，則判斷為越界。越界檢測思路為:利用前面所述的方法，可以檢測到視頻中的運動目標(biāo)并跟蹤運動軌跡，此時計數(shù)問題可以歸結(jié)為判斷兩條線段的相交問題，若兩條線段相交，表示有運動目標(biāo)越界，若兩條線段不相交，則表示無越界情況。越界偵測如圖7所示。

圖7 越界偵測

如圖7中，線段AB表示警戒線，虛線段S表示目標(biāo)運動軌跡，S={S1，S2，…，Sn}，這里Sn表示軌跡點。若目標(biāo)穿越警戒線，則線段AB與線段S1S2相交;若目標(biāo)沒有穿越警戒線，則線段AB與線段S1S2不相交。設(shè)A坐標(biāo)(Xa，Ya)，B 坐標(biāo) (Xb，Yb)，S1 坐標(biāo) (x1，y1)，S2 坐標(biāo)(x2，y2)，則上述兩條線段可以用如下方程表示

利用式(3)和式(4)求解交點。

越界偵測統(tǒng)計如圖8所示(原圖為彩色圖)，圖中藍色線顯示了車輛跟蹤的軌跡圖，綠色數(shù)字為車輛編號，紅色的一條線為警戒線，當(dāng)一輛車駛過該警戒線時，越界計數(shù)器加1，“flux:10”顯示了當(dāng)前已有10輛車越界駛過。

圖8 越界偵測統(tǒng)計

4 小結(jié)

筆者提了一種基于背景重構(gòu)的運動對象越界偵測技術(shù)，該方法簡單實用，且具有很好的自適應(yīng)性和準(zhǔn)確性，可廣泛應(yīng)用于智能交通、安防等行業(yè)，如智能交通中的闖紅燈抓拍系統(tǒng)、公路車輛檢測與記錄系統(tǒng)、交通流量檢測系統(tǒng)、人流量統(tǒng)計計數(shù)系統(tǒng)、安防中的入侵檢測等。

［1］CHEN H T，LIU T L.Trust－region methods for real－time tracking［EB/OL］.［2011－09－20］.http://www.google.com.hk/url?sa=t＆rct=j＆q=CHEN+H%EF%BC%8CLIU+T.+Trust－Region+methods+for+real－time+tracking＆source=web＆cd=6＆ved=0CFsQFjAF＆url=http%3A%2F%2Fwww.iis.sinica.edu.tw%2F ～ liutyng%2FPublication_files%2Ficcv01.pdf＆ei=sRhXT － ThKNCTiQeNxbz-NDQ＆usg=AFQjCNHKNwfJAcFKwWCQl2exDz13ykhMjQ＆cad=rjt.

［2］WREN C，AZARBAYEJANI A，DARRELL T，et al.Real－time tracking of the human body［J］.IEEE Transactions on Pattern Analysis and Machine Intelligence，1997，19(7):780.

［3］TOYAMA K，KRUMM J，BRUMITT B，et al.Wallflower:principles and practice of background maintenance［C］//Proc.7th IEEE International Conference on Computer Vision，1999.Greece:［s.n.］，1999:255.

［4］FREER J A，BEGGS B J，F(xiàn)ERNMDEZ－CANQUE H L，et al.Automatic intruder detection incorporating intelligent scene monitoring with video surveillance［C］//European Conference on Security and Detection.London:［s.n.］，1997:109－113.

［5］TAKANO T，USHITA K.Intruder detection system by image processing［C］//Proc.Conference on Security Technology，Institute of Electrical and Electronics Engineers 28th Annual 1994 International Carnahan.Albuquerque，NM，USA:［s.n.］，1994:31－33.

［6］HARITAOGLU I，HARWOOD D，DAVIS L S.W4S:A real－time system for detection and tracking people and their parts［C］//Proc.IEEE Computer Society Conference on Computer Vision and Pattern Recognition.［S.l.］:IEEE Press，1998:962－977.

［7］胡俊，蘇祥芳，劉立海，等.圖像序列運動檢測算法的研究及應(yīng)用［J］.武漢大學(xué)學(xué)報:自然科學(xué)版，2000(10):613－616.

［8］艾海舟，樂秀宇.面向視覺監(jiān)視實時跟蹤的動態(tài)背景更新方法［J］.計算機工程與應(yīng)用，2001(19):104－106.

［9］范勇，游志勝，張建州，等.一種快速運動目標(biāo)檢測與跟蹤算法［J］.光電工程，2000，27(6):30－33.

［10］劉亞，艾海舟，徐光佑.一種基于背景模型的運動目標(biāo)檢測與跟蹤算法［J］.信息與控制，2002，31(4):315－319.

［11］蔡榮太，吳元昊，王明佳，等.視頻目標(biāo)跟蹤算法綜述［J］.電視技術(shù)，2010，34(12):22－23.