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)

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，在背景更新時對背景圖像進行選擇性更新。改進算法在不同的場景中具有較強的適應(yīng)能力。

背景提取；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動目標(biāo)檢測的基礎(chǔ)，也是視頻處理、理解、編碼的關(guān)鍵。對于一段視頻序列，運動目標(biāo)的檢測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]是基于運動目標(biāo)隨時間變化的光流場作用來檢測運動目標(biāo)。其無需知道任何關(guān)于場景的先驗知識，就能獨立的檢測出運動目標(biāo)，但其計算復(fù)雜，抗噪性能差，如果沒有較高的硬件配置，很難達到視頻流全幀的實時監(jiān)測。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動目標(biāo)輪廓的一種方法。其優(yōu)點是算法簡單，易于實現(xiàn)，穩(wěn)定性好，在各種動態(tài)環(huán)境中具有自適應(yīng)性，但這種檢測方式對運動目標(biāo)的速度變化比較敏感。背景差分法[4]是實時的對當(dāng)前幀與背景圖像進行減除，從而完整的分割出運動目標(biāo)的一種方法。其優(yōu)點是能夠提取出完整的運動目標(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，會受到運動目標(biāo)速度、光照，天氣變化，樹葉抖動等狀況的影響，得到的結(jié)果不能令人滿意。針對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，提出一種改進的背景提取方法，以滿足實際檢測的要求。

1 背景圖像的提取

由運動目標(biāo)的跟蹤得到啟示，通過對采用幀間差分法二值化后跟蹤到運動物體的大致輪廓，進行內(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受到運動目標(biāo)的運動速度影響，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行閾值比較，排除前景像素點，最終得到完整的背景圖像。為使得背景圖像對外界變化具有自適應(yīng)性，對背景圖像進行選擇性更新，得到更新后干凈的背景圖像。改進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，對其進行差分[5]得到幀間差分圖像

Di(x,y)=|Bi(x,y)-Bi-1(x,y)|，

檢測出屬于背景的像素點。

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]。在此實驗中α取0.3，以避免外界和光照環(huán)境變化引起的干擾噪點。

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

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

4個點構(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，可以得出每一個像素點在N幀內(nèi)做背景像素點對應(yīng)的次數(shù)count′(x,y)。

步驟6 根據(jù)N幀中每個像素點做背景像素點的值和次數(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)每個像素點值為非-1的次數(shù)記錄下來。N幀掃描結(jié)束后，可以得出每一個像素點在N幀內(nèi)做背景像素點對應(yīng)的次數(shù)count″(x,y)。

步驟10 再對滿足步驟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、樹葉抖動等外界突發(fā)狀況的影響，背景圖像會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。為使得背景圖像對外界變化具有自適應(yīng)性，可以對背景圖像進行選擇性更新[11]，即就是對當(dāng)前幀中運動的部分不更新，而對當(dāng)前幀中除去運動的部分進行自適應(yīng)更新，這樣背景圖像就可以在長時間內(nèi)保持相對穩(wěn)定[12]。

3 實驗結(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機上利用MATLAB7.0軟件進行三種場景的實驗分析。

針對動態(tài)場景，將原視頻序列轉(zhuǎn)換為灰度視頻序列后進行幀間差分，幀間差分二值化后對二值化序列的每一幀的像素點坐標(biāo)進行分析，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幀中每個像素點做背景像素點的值和次數(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行比較，通過加權(quán)平均得到視頻的背景圖像。對背景圖像進行選擇性更新，當(dāng)前幀中運動的部分不更新，而對當(dāng)前幀中除去運動的部分進行自適應(yīng)更新。三種場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，但其依舊會受光照、天氣變化、樹葉抖動等外界突發(fā)狀況的影響，提取出的背景圖像有運動物體掠過的痕跡。而改進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，對背景圖像進行選擇性更新后，可以根據(jù)場景的實時變化對背景圖像進行實時的自適應(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，通過對幀差二值圖像提取出運動物體的內(nèi)切矩形框，將非矩形框像素點加權(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行比較，從整體圖像中將運動目標(biāo)分離，從而提取出背景圖像。改進后的算法易于實現(xiàn)、抗外界干擾能力強，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運動目標(biāo)檢測帶來的負(fù)面影響，使得背景模型更加可靠穩(wěn)定。實驗表明，結(jié)合后的算法便于實現(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動目標(biāo)檢測算法[J].計算機測量與控制,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價研究[J].計算機工程與應(yīng)用,2010，46(23):162-165.

[6] 袁偉才,徐向民.一種有效的動態(tài)背景提取及更新方法[J].計算機工程與應(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,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價研究[J].計算機工程與設(shè)計,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與跟蹤[J].計算機應(yīng)用,2009,29(6):1669-1672.

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

[12] 劉菁,王忠民. 基于單目視覺的運動障礙物檢測[J].西安郵電學(xué)院學(xué)報,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，研究方向為視頻中運動目標(biāo)的檢測與跟蹤。E-mail: 290475690@qq.com

TP751

A

2095-6533(2014)01-0013-04