一种快速的前景检测算法

易向阳 莫 林 周 赞 陈大海

（广西大学计算机与电子信息学院，广西 南宁 530004）

一种快速的前景检测算法

易向阳 莫 林 周 赞 陈大海

（广西大学计算机与电子信息学院，广西 南宁 530004）

文章提出一种快速前景检测算法，通过对背景差分得到的前景区域进行处理分析，能够区分出正确的运动区域和由于光线突变而引起的运动区域。首先使用快速背景更新算法建立背景模型及分割出前景，然后提取运动区域，再对运动区域和差分图像进行分析处理，识别出由于光线突变而引起的运动区域，最后对背景进行修正。采用该方法能准确地提取前景中的运动目标区域，同时达到了自适应背景更新的目的，并且算法实现简单，实时性较高。

背景差分；区域分析；背景更新；前景检测

（一）引言

近年来，随着视频监控的迅速发展和广泛应用，视频监控是对视频场景内感兴趣的区域和目标进行检测、跟踪、识别和预警。而前景检测是后继处理的基础，制约着整个视频监控系统稳定性、可靠性。对于视频背景静止不动的情况，前景检测算法有帧差分法、背景差分法两大类。帧差分法速度快，能准确地获取运动目标的边缘，但获取的前景目标上有较多空洞，对于运动速度快的目标，检测时会产生拖尾现象，而且无法检测静止目标。背景差分法是先对背景图像进行建模，然后计算输入帧和背景图像之差，以检测前景物体。这种方法相对简单，能够比较完整地提取运动目标，也能适应环境变化，有一定的抗干扰能力，但是这种方法对背景质量的要求较高。典型背景建模方法有平均背景法、混合高斯算法等。在背景差分法中，为了获得准确的前景，需要对背景进行实时更新，背景更新方法关系到检测到的前景是否准确，对前景检测的实时性也有很大影响。

同时，前景检测还受光照变化的影响，如路灯的突然开和闭、闪电、天气光照、物体的阴影和反光等产生的干扰。背景更新时，有很多干扰会影响到背景更新，有些干扰会引起背景缓慢变化，如环境光线变化不大时。有些干扰会引起背景剧烈变化，如路灯的突然开启和关闭等。对于缓慢变化，可以用背景的更新方法将这些变化融入新的背景中。而对于剧烈变化则会产生新的干扰目标。前景检测应该判断出背景的变化是剧烈变化还是缓慢变化，如果是剧烈变化，则要对背景进行修正，以得到准确的背景。前景检测要识别出干扰目标区域，对干扰目标区域用背景帧像素更新背景，对非干扰目标区域用当前帧像素更新背景。

（二）快速的前景检测算法

视频环境的变化有缓变和突变的情况，多数情况下为缓慢变化，但也有突变，如路灯的突然开启和关闭。背景突变时，如果不对背景模型进行修正，就不能准确地提取前景中的运动目标。为了准确地提取前景目标，本实验提出一种新方法，能够快速地去除背景突变时产生的干扰。

前景检测算法流程图如图1所示。

图1 前景检测算法流程图

1.背景减除法检测运动前景

设当前帧图像为 Ct(x,y)，生成的背景图像为 Bt( x,y)，检测到的前景图像为 Dt(x,y)。可以采用背景差分法生成前景：计算当前帧图像 Ct(x,y)像素与上一帧背景图像 Bt−1(x,y)像素的差值，若差值大于阈值ε，则认为该像素是前景像素点，否则是背景像素点。

其中ε为设定的阈值，Dt(i , j)=0为背景像素，Dt(i , j)=1为前景像素。

获得差分图像为： Ft( i , j)=Ct(i,j)−Bt−1(i,j)，然后再把差分图像区分出前景区和背景区：

2.自适应背景更新

由于视频环境在不断地变化，特别是突变的光照，会造成背景图像的变化，所以需要及时对背景进行更新。通过当前帧图像Ct(x,y)和前一帧生成的背景图像 Bt−1( x,y)获得当前帧的背景图像，更新算法如下：

这种背景更新方法只适用于背景变化缓慢的情况，当背景变化剧烈时，必须识别出剧烈变化的区域，背景更新时，必须对这些区域进行背景修正。

3.背景修正

由于背景的光照剧烈变化，背景更新时会把这种变化误认为是前景目标，从而造成背景更新错误。背景更新时必须识别出这样的剧烈变化，并对背景进行修正。

（1）提取连通区域

在D(i,j)中检测出一系列矩形区域 Sk,设Imax,k是区域 Sk的上边界,Imin,k是区域Sk的下边界，Jmax,k是区域Sk的右边界，Jmin,k是区域 Sk的左边界。这样就可以计算出矩形区域 Sk的高度 Hk、宽度 Wk，也可以计算出该矩形区域内前景像素点的个数SUMk。即

矩形区域面积用像素点的个数SUMk表示：

count=0

for

(i=Imin,k,j=Jmin,k;

{

if Sk(i,j) =1 then

count=count+1;

}

SUMk=count;

（2）分析处理连通区域

光照剧烈变化，而背景还没有及时更新时，会产生干扰运动目标。为了提高背景更新的精度，必须排除由于亮度突变产生的前景目标区域。本实验采用像素灰度的均值对检测到的所有前景目标进行判断，能够快速区分出这些区域是亮度剧烈变化产生的变化区域，还是真正运动目标区域。

1）前景目标区域处理与分析

设为Sk(i,j)中某像素的灰度值为 v( i,j)，先分别计算出该区域内像素灰度的均值μij和差分图像背景区 Ft" ( i,j)内像素的均值μB和标准差σB。

参考均值μB是非常重要的参数，它是判断前景目标区域是否为希望检测的运动区域的重要依据。为使μB体现更多的背景信息，引入学习机制，对μB进行更新，即μB=α×μB+( 1－α)×μij，α为更新率，其值一般在( 0.5,1) 区间选取，实验中α值均设定为0.8。

然后再对该前景目标区域进行逐点扫描，判别该区域Sk( i,j)内的像素是属于背景点或前景点。判断方法如下：

①count=0; 统计v( i,j)属于背景点的数目；

②if | v( i,j)-μB| ＜ T1 count=count+1; 即 v( i,j)∈背景点；

③if count / SUMk＞= T2

其中，T2为分类阈值设为 0.8，分类阈值 T1设为 3σB，而Sk" ( i ,j)是正确的运动目标，而 Sk'(i,j)是亮度剧烈变化产生的变化区域，是虚假的运动目标。

2）修正背景

准确区分出需要检测的运动目标区域和干扰产生的运动区域后，就需要把这些干扰区域的进行修正，修正的方法就是用当前帧的像素值对这些干扰区域进行更新。

若 Sk(i,j)为亮度剧烈变化产生的变化区域，则用当前帧图像 Ct(x ,y)中的相应点像素值更新； 若 Sk(i,j)为正确的运动目标，则用背景图像 Bt−1(x,y) 中的相应点像素值更新。

（三）实验结果

本实验采用C++和OpenCV 为开发工具，在Pentium(R)4 CPU为3.0GHz，内存为512MB的微型机上，提出对一段视频进行实验、测试，获得处理速度为每秒15 帧。下图是视频序列中截取的突然开灯时，如图（a），程序分别用无背景修正和有背景修正算法，对视频序列进行前景检测。无背景修正时，得到图（b）前景，突然亮起的灯也被检测为前景目标。而有背景修正算法时，突然亮起的灯则被正确地更新到背景中，没有被检测出来。可见，本文提出的算法能够有效地适应背景光照突然变化，并能够正确检测出前景目标，如图（c）。果表明该方法快速、准确，有广泛的适用性。

（四）总结

[1] Takashi Matsuyama , Toshikazu Wada , Hitoshi Habe , et al .Background Subtraction Under Varying Illumination[C] .Systems and Computers in Japan[A] . 2006 ,37 (4) :77288.

[2] Chris Stauffer , Grimson W E L. Adaptive Background Mixture Models for Real2time Tracking[C].Computer Vision and Pat2 tern Recognition ,1999.IEEE Computer Society Conference,1999:2462252.

[3] 莫林,廖鹏,刘勋.一种基于背景减除与三帧差分的运动目标检测算法[J].微计算机信息,2009,(12).

[4] 邱尚斌,李刚,林凌.一种新的运动目标检测和背景更新方法[J].辽宁工学院学报,2005,(2).

[5] 邹承明,李伟.一种改进的自适应背景更新算法[J].武汉理工大学学报,2009,(2).

TP301.6

A

1008-1151(2011)06-011-02

2011-04-01

易向阳，广西大学计算机与电子信息学院工程硕士研究生。