基于改進(jìn)壓縮背景碼書模型的運(yùn)動(dòng)目標(biāo)檢測(cè)方法

段繼華 郝鐸 劉華宇 盧夢(mèng)思

摘要：運(yùn)動(dòng)目標(biāo)檢測(cè)是視頻監(jiān)控系統(tǒng)中的關(guān)鍵技術(shù)步驟。傳統(tǒng)算法一般通過視頻序列中像素分布的時(shí)空域特點(diǎn)進(jìn)行判斷，對(duì)亮度變化和陰影的魯棒性較差。提出了一種基于改進(jìn)壓縮背景碼書模型的運(yùn)動(dòng)目標(biāo)檢測(cè)方法，提出了一種改進(jìn)色彩偏差和亮度差異閾值的檢測(cè)策略，并采用形態(tài)學(xué)處理去除不規(guī)則和較小面積誤檢測(cè)的影響，對(duì)外界光線變化具有更強(qiáng)的魯棒性。仿真實(shí)驗(yàn)表明，此算法在暗/亮區(qū)域目標(biāo)檢測(cè)中更具合理性，證明了算法的有效性。

關(guān)鍵詞：壓縮背景碼書模型；運(yùn)動(dòng)目標(biāo)檢測(cè)；色彩偏差；亮度差異閾值

中圖分類號(hào)：TP391.4文獻(xiàn)標(biāo)志碼：A文章編號(hào)：1008-1739（2022）05-59-4

0引言

運(yùn)動(dòng)目標(biāo)檢測(cè)是計(jì)算機(jī)視覺監(jiān)控/跟蹤系統(tǒng)中的關(guān)鍵步驟[1-3]。在視頻監(jiān)控或光電雷達(dá)系統(tǒng)中，運(yùn)動(dòng)目標(biāo)檢測(cè)技術(shù)是識(shí)別、跟蹤等后續(xù)處理的前提，直接決定后續(xù)處理的精度。根據(jù)文獻(xiàn)顯示，運(yùn)動(dòng)目標(biāo)檢測(cè)算法可以大致分為以下幾類：①基于學(xué)習(xí)的分割方法[4-5]，訓(xùn)練時(shí)間過于冗長(zhǎng)，通過遷移學(xué)習(xí)的方法訓(xùn)練也具有一定局限性。②基于圖像亮度差分的檢測(cè)方法[6-7]，差分檢測(cè)方法僅對(duì)邊緣具有較強(qiáng)的識(shí)別能力，不能有效識(shí)別運(yùn)動(dòng)物體內(nèi)部的像素。③基于壓縮背景碼書模型算法的檢測(cè)方法[8]。傳統(tǒng)碼書算法在視頻圖像的暗區(qū)（像素值較低部分）和亮區(qū)（像素值較高部分），由于色彩偏差和亮度閾值的適應(yīng)性不強(qiáng)造成的碼字匱乏現(xiàn)象，從而使檢測(cè)結(jié)果出現(xiàn)大量誤檢測(cè)和虛影。

針對(duì)傳統(tǒng)碼書模型在暗/亮區(qū)的誤檢測(cè)和虛影問題，本文進(jìn)行了兩方面的研究：①通過在不同亮度區(qū)域測(cè)試和分析，討論了色彩偏差、亮度閾值合理區(qū)間以及自適應(yīng)閾值問題。②根據(jù)分析結(jié)果，提出了一種由改進(jìn)的色彩偏差和亮度閾值構(gòu)建的新型背景碼書模型，實(shí)現(xiàn)運(yùn)動(dòng)目標(biāo)的動(dòng)態(tài)檢測(cè)。

1傳統(tǒng)碼書模型缺陷分析及模型改進(jìn)

壓縮背景碼書模型是Kim等人[8]于2005年提出的一種實(shí)時(shí)運(yùn)動(dòng)目標(biāo)檢測(cè)算法。背景碼書模型主要基于2個(gè)評(píng)價(jià)指標(biāo)創(chuàng)建，第一個(gè)標(biāo)準(zhǔn)是色彩偏差閾值，第二個(gè)是亮度差異閾值，即如果一個(gè)輸入像素滿足：①與某個(gè)碼字之間的色彩偏差小于色彩偏差閾值；②與某個(gè)碼字之間亮度差處于亮度閾值區(qū)間之內(nèi)，則認(rèn)為該輸入像素屬于背景像素；否則認(rèn)為該像素為前景運(yùn)動(dòng)物體像素。

在傳統(tǒng)的壓縮背景碼書算法中，碼書模型是根據(jù)色彩偏差和亮度差異來構(gòu)造的。該策略基于以下2個(gè)結(jié)論：①在光照變化過程中，像素值大多沿原點(diǎn)（0，0，0）方向的軸呈細(xì)長(zhǎng)狀分布。②當(dāng)光照發(fā)生變化時(shí)，物體的亮度值也在亮度閾值范圍內(nèi)發(fā)生變化。然而，在某些特殊情況下，這個(gè)數(shù)學(xué)模型并不適用。

1.1傳統(tǒng)背景碼書模型缺陷分析

對(duì)不同顏色塊中的5個(gè)點(diǎn)進(jìn)行測(cè)試，如圖1所示。不同光照下被測(cè)點(diǎn)的RGB值如圖2所示，當(dāng)值接近255時(shí)，測(cè)試點(diǎn)4和測(cè)試點(diǎn)5像素值沿軸向點(diǎn)（255，0，0）呈細(xì)長(zhǎng)形狀分布。因此，傳統(tǒng)的色彩偏差計(jì)算公式在值接近255時(shí)，其色彩偏差可能產(chǎn)生比較大的數(shù)值，從而會(huì)產(chǎn)生過多的碼字，導(dǎo)致最大時(shí)間間隔過短，出現(xiàn)碼字匱乏現(xiàn)象，造成檢測(cè)精度下降。

1.2模型改進(jìn)

2改進(jìn)壓縮背景碼書模型運(yùn)動(dòng)目標(biāo)檢測(cè)算法

2.1背景碼書模型構(gòu)建

背景碼書模型構(gòu)造完成后，將時(shí)刻屬于背景的所有像素賦給一個(gè)碼字，反復(fù)執(zhí)行步驟②～⑤，即可完成背景碼書模型的構(gòu)造。

2.2運(yùn)動(dòng)目標(biāo)檢測(cè)

3實(shí)驗(yàn)結(jié)果

使用了2個(gè)典型的評(píng)價(jià)標(biāo)準(zhǔn)Tanimoto/Jacard error（T/JE）[15]和normalized absolute error（NAE）[16]進(jìn)行對(duì)比，并得出相應(yīng)的可視化結(jié)果。做了如下3組實(shí)驗(yàn)，在紅色箭頭處有明顯的光線波動(dòng)、或者暗區(qū)和亮區(qū)。檢測(cè)結(jié)果分別如圖3、圖4和圖5所示。WT算法可以識(shí)別出運(yùn)動(dòng)物體的輪廓，但是有時(shí)在運(yùn)動(dòng)目標(biāo)內(nèi)部會(huì)出現(xiàn)孔洞。Kim的方法能夠獲得更好的檢測(cè)結(jié)果，但在光照頻繁變化處以及暗/亮區(qū)有很多誤檢測(cè)。Sigari的方法的檢測(cè)效果優(yōu)于前2種方法；但不能完全避免在特殊區(qū)域出現(xiàn)的誤檢測(cè)。與其他方法相比，本文所提方法的檢測(cè)結(jié)果明顯提升，并克服了對(duì)頻繁局部光照變化敏感的缺點(diǎn)。

這3種測(cè)試的T/JE和NAE值對(duì)比分別如表1和表2所示。數(shù)值計(jì)算結(jié)果與前面的分析結(jié)果一致。與其他3種方法相比，產(chǎn)生的T/JE和NAE值都要低得多。結(jié)果表明，該方法在暗/亮區(qū)域更加有效。

4結(jié)束語(yǔ)

本文提出了一種基于改進(jìn)壓縮背景碼書模型的運(yùn)動(dòng)目標(biāo)分割方法。針對(duì)傳統(tǒng)碼書模型算法在暗/亮區(qū)域分割結(jié)果不準(zhǔn)確的問題，提出了一種基于自適應(yīng)色彩偏差和亮度差異閾值的改進(jìn)壓縮碼書模型的方法。通過仿真實(shí)驗(yàn)驗(yàn)證了該方法的有效性。將所提方法的結(jié)果與WT算法、Kim方法和Sigari方法的結(jié)果進(jìn)行了比較。仿真實(shí)驗(yàn)表明，該方法優(yōu)于其他方法，特別是在暗/亮區(qū)域有明顯的改進(jìn)，證明了所提方法的有效性。

參考文獻(xiàn)

[1]代科學(xué)，李國(guó)輝，涂丹，等.監(jiān)控視頻運(yùn)動(dòng)目標(biāo)檢測(cè)減背景技術(shù)的研究現(xiàn)狀和展望[J].中國(guó)圖象圖形學(xué)報(bào)， 2006， 11（7）： 919-927.

[2]左軍輝，賈振紅，楊杰，等.基于改進(jìn)背景減法的視頻圖像運(yùn)動(dòng)目標(biāo)檢測(cè)[J].計(jì)算機(jī)工程與設(shè)計(jì)， 2020， 41（5）：1367-1372.

[3]李云鵬，侯凌燕，王超.基于YOLOv3的自動(dòng)駕駛中運(yùn)動(dòng)目標(biāo)檢測(cè)[J].計(jì)算機(jī)工程與設(shè)計(jì)， 2019， 40（4）：1139-1144.

[4] STAUFFER C， GRIMSON W E L，[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence，2002，22（8）： 747-757.

[5] KATO J， WATANABE T， JOGA S， et al. An HMM-based Segmentation Method for Traffic Monitoring Movies[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence， 2002， 24（9）：1291-1296.

[6] KIM C， HWANG J N. Object-based Video Abstraction for Video Surveillance Systems[J]. IEEE Transactions on Circuits and Systems for Video Technology，2002，12（12）：1128-1138.

[7] HUANG J C， HSIEH W S. Wavelet-based Moving Object Segmentation[J]. Electronics Letters， 2003， 39（19）：1380-1382.

[8] KIM K， CHALIDABHONGSE T H， HARWOOD D，et al. Real-time Foreground Background Segmentation Using Codebook Model[J]. Real-Time Imaging，2005，11（3）：172-185.

[9] CHOU C H， LI Y C. A Perceptually Tuned Subband Image Coder Based on the Measure of Just-noticeable-distortion Profile[J]. IEEE Transactions on Circuits and Systems for Video Technology， 1995， 5（6）：467-476.

[10]霍宏濤.數(shù)字圖像處理[M].北京：機(jī)械工業(yè)出版社，2003.