复杂环境下运动目标检测的改进算法

梁义涛,张德善

(河南工业大学信息科学与工程学院,河南郑州450001)

复杂环境下运动目标检测的改进算法

梁义涛,张德善

(河南工业大学信息科学与工程学院,河南郑州450001)

针对复杂环境下运动目标检测的抗噪性能较差,提出改进的高斯背景建模检测算法.引入众数法提取理想的初始背景帧,建立适合的初始高斯模型;相对于传统的初始帧法和均值法,众数法能够在运动目标存在的情况下准确地提取背景图像,为下一帧的目标检测提供准确的参数.在提取背景图像后,为消除由于背景轻微变化而产生的对差分图像的扰动影响,还引入了膨胀和腐蚀运算处理差分图像,最终获取了较为理想的运动目标前景图像.实验结果表明,算法能够完整地提取运动目标,抗干扰能力强,实时性好.

运动目标检测;高斯背景建模;众数法

运动目标检测是指在视频或者图像序列中把有价值的并且运动的目标与背景区分开来、标志出来[1],广泛地应用于人工智能、安全监控、人机交互、智能机器等领域,是近年来理论和应用的研究热点.

目前对运动目标检测的研究可分为理想环境下的研究和复杂环境下的研究.所谓理想环境是指:除了运动目标运动外,其他的背景都静止并且不会产生伪目标;在这种理想的环境下,经常采用光流法、背景差分法和帧间差分法等传统的目标检测方法.但是在现实的环境中,在绝大多数情况下背景图像等都是不理想的,例如:环境光线的变化、树叶的抖动所产生的伪目标以及背景中物体的阴影等因素的影响,对于复杂环境下运动目标的研究,已经成为现今的研究热点.这一领域的检测算法有很多种,如:文献[2]提出了帧间差分与背景差分相结合的算法;文献[3]提出五帧差分与背景差分的结合算法;文献[4]提出高斯背景建模与背景差分的结合算法;文献[5-9]利用高斯背景模型检测目标等.

对于背景差分来说,首先要做的就是初始背景的选取,初始背景的选取直接影响下一步的检测效果.如果初始背景提取准确,根据递推原理,后面的目标检测在准确性上也会提高,所以初始背景帧的选取在整个背景建模过程中是非常重要的.本文引入众数法来提取初始背景帧,进而建立高斯模型,为下一帧准确的判断背景和前景提供支持;背景中会含有轻微扰动的对象,如树枝、树叶的摇动,扰动部分不应被看作前景目标,针对这类噪声,本文引入膨胀、腐蚀运算,使得算法的抗噪性能得到进一步改善.

1 改进的高斯背景建模算法

背景建模也称为背景估计,其主要目的是把序列图像的运动目标检测问题转换为二分类问题,将所有像素划分为背景和前景两类,进而对分类结果进行处理,得到最终的检测结果.高斯分布即正态分布,是最常见的概率分布模型,在图像处理、模式识别、计算机视觉中经常被用来刻画一些随机量的变化情况,如噪声、特征分布、像素灰度;正态分布反映了自然界中普遍存在的有关变化量的一种统计规律.基于高斯分布背景模型的差分方法,在原理上通过背景的分布模型判断一个像素点是否属于背景点,以此区分前景点和背景点,前景点就构成分割出来的物体.

高斯模型认为,对于背景图像来说,它的像素的亮度的分布满足高斯分布,即背景图像B(x,y)像素点的亮点满足

式(1)中μ为均值,σ为方差.

本文在高斯背景建模的初始参数的提取方面,引入改进的算法,让高斯背景建模在抗干扰方面有了很好的提高.高斯背景模型的建立主要包括下面几个过程.

1.1 初始均值和方差的提取

初始参数的提取直接影响对物体跟踪监测的准确性.初始参数μ、σ的获取有很多方法.

1.1.1 传统的方法

(1)初始帧法

用采集到的第一帧的像素点的灰度值作为均值μ,将标准方差σ设为0;即

式(2)中fi(x,y)序列i帧对应图像像素点的灰度值.

(2)均值法

用公式可以表示为

式(3)中fi(x,y)表示视频序列i帧对应像素点的灰度值,n为采集的视频帧数.

用初始帧作为背景图像,虽然方法简单,但当初始帧中存在运动目标时,这种方法就会失效.而均值法虽然可以减弱运动目标的影响,但提取的背景帧常会夹杂运动目标的阴影.针对以上问题,本文尝试引入众数法进行改进.

1.1.2 改进的方法——众数法 所谓众数是指一组数据中出现次数最多的那个数据.该算法不受个别极端数据的影响,如树叶的摆动、光照的突变、目标的运动等因素而造成某像素点的个别的突变数据,这些突变数据在数据集合中所占的比例要比正常数据小,采用众数法可以消除这些数据的影响.众数法可以统计出最能代表背景图像的像素点的值,找到合适的背景图像.具体做法如下:采集n帧一定时间间隔的视频序列,统计这n帧图像中出现次数最多的像素值作为初始背景,然后高斯分布的初始均值μ等于该初始背景的像素值,方差σ取0,公式如下:

式(4)中MODE(f1(x,y):fn(x,y))表示这n帧图像对应像素点的众数.

1.2 背景更新

随着时间的变化,背景图像也会发生缓慢的变化,这时要对高斯模型的均值和方差进行不断的更新,否则检测效果会随时间的变化而变得不再准确.如果某一像素点的值为背景,则对该像素点的高斯模型进行更新,更新算法可以表示为

式(5)中fi(x,y)为当前视频序列的像素值,μi为第i帧所计算出的均值,σi为第i帧所计算出的方差,α为更新因子,若α取值太小,会使背景模型跟不上实际场景背景的更新速度,若取值太大则可能将运动速度较慢的目标更新为背景模型的一部分,使运动目标检测出现孔洞与拖尾现象,甚至丢失目标,如果α取1,则高斯背景模型退化为帧间差分法.本文的α取经验值0.05.

1.3 目标的检测

根据高斯模型的原理,如果图像的像素点不满足高斯分布,则认为是前景图像的像素点,否则属于背景,公式如下

式(6)中fi(x,y)为当前视频序列的像素值,μi-1为前一帧所计算出的均值,σi-1为前一帧所计算出的方差.

2 腐蚀与膨胀

本文选用数学形态学中腐蚀与膨胀算法对二值的差分图像进行去噪处理.尽管数学形态学运算简单,但却可以产生比较理想的图像处理效果.常见的基本运算有膨胀、腐蚀、开启、闭合等.腐蚀运算能够把比结构元素小的物体剔除,利用尺寸不同的结构元素可以剔除图像中尺寸不同的噪声对象.在二值图像中存在的噪声常见的特点:零散、面积小,因此可以利用腐蚀运算消除图像中的噪声区域.膨胀运算是将与物体接触的所有背景点合并到该物体中的过程,使物体的面积增大相应数量的点.结构元素的选取对去噪效果非常重要,结构元素越小对运动目标的还原越有好处,但对面积较大的噪声可能无法完全剔除.

3 实验与结果分析

本文采用众数法对室外复杂环境的视频流进行初始背景提取,得到较为准确的初始高斯模型;并且引入膨胀、腐蚀算法对背景中的噪声进行滤除.本文选用DM643硬件开发平台进行结果验证,平台的软硬件介绍参见文献[10].

3.1 初始背景的提取及分析

选取20帧一定时间间隔的视频图像,该时间间隔为10帧.利用这20帧不连续的图像通过初始帧法、均值法和众数法得到初始背景图像;通过实验效果进行比较,从而验证众数法的优势.这3种方法得到的背景图像的效果如图1所示.

图1 背景图像效果Fig.1 The effect of background diagram

由图1可知,采用初始帧法得到背景,虽然方法简单,但初始帧如果存在运动目标,由图1-a中的方框可以看出:很难把图像中的运动目标过滤掉;采用均值法可以消除运动目标的部分影响,但还会存在部分运动目标的阴影,如图1-b中的方框中所示.通过图1-c的方框中可以看出,众数法在提取背景帧时可以较好地剔除运动目标,得到理想的初始背景帧.综上,本文提出的众数法是三者中最理想的.

3.2 算法性能及分析

本文采用众数法得到理想的初始背景,从而得到高斯模型的准确的初始均值和方差;图2-a是通过众数法得到的初始背景图像,图2-b为采集到的当前实时图像,图2-c显示了目标检测的效果.

图2 目标检测效果Fig.2 The effect of target diagram detection

通过图2-c不难看出,运动目标可以被理想地提取出来.但由于室外环境比较复杂,背景上物体的轻微扰动(如光照发生突变、树叶摆动等)的情况发生时,也会使这些背景点被错误地归类为运动目标点.这些点在差分图像上常常表现为孤立的噪声点或小范围的干扰区域,因此要进行去噪处理.

3.3 去噪效果及分析

膨胀腐蚀运算的关键是结构元素的选取,结构元素过大会影响目标的还原效果,而结构元素过小会无法去除噪声.本文利用2*2的结构元素,对二值图像进行腐蚀,可以消除细小噪声区域,平滑较大运动目标的边界但不明显地改变其面积;然后再利用膨胀运算填充运动目标内细小的空洞,还原运动目标的大小.图3、图4分别对图2-c进行不同结构元素的腐蚀和膨胀运算.

图3 腐蚀效果Fig.3 The effect diagram of corrosion

图4膨胀效果Fig.4 The effect diagram of expansion

图3、图4中的a、b、c小图的结构元素大小分别为2*2、3*3、4*4.由图3可知,利用2*2的结构元素既可以消除零散的噪声又不会过多地削弱运动目标.由图4可以看出选取2*2的结构元素获得的运动目标是比较理想的.

4 小结

本文以TI的多媒体DSP处理器TMS320DM643为测试平台,针对室外复杂环境下运动目标检测的效果不理想,提出改进的高斯背景建模检测算法.引入众数法,消除树叶摆动、光照变化和运动目标出现等因素对背景提取的影响,为初始高斯模型的准确建立提供支持.将该算法的实验效果与常用的初始帧法和均值法进行对比.比较结果显示:众数法可以消除外界影响、提取理想的背景帧.并在目标检测的后续步骤中加入了腐蚀和膨胀运算,一方面消除环境噪声的影响,提高了抗干扰能力;一方面可还原运动目标,保证目标的完整性.实验结果证明了此方法的有效性.

在背景建模中,初始帧的选取往往要求准确、快捷,众数法比传统方法有很大的优势,但对系统来说还需对前n帧图像进行存储,这往往会增加系统负担,下一步研究的方向就是找出一种能够利用当前帧或者前n帧(n很小)得到理想的初始帧的方法.

[1]MAQY,NIEDD.Objectdetectionalgorithmbasedonmultipleshapetemplates[J].JournalofInformationandComputationalScience, 2014,11:2309-2315.

[2]LU G Q,YANG K H,ZHAO L L.A combined frame difference with a background subtraction algorithm of moving object detection[J].WIT Transactions on Information and Communication Technologies,2014,55:213-222.

[3]郝毫刚,陈家琪.基于五帧差分和背景差分的运动目标检测算法[J].计算机工程,2012,38(4):146-148.

[4]卢官明,谢双.自适应背景更新及运动目标检测算法[J].南京邮电大学学报:自然科学版,2013,33(3):12-17.

[5]LI Z H,YU P B,ZHANG Q C.Gauss background modeling method based on multi-scale feature[J].Applied Mechanics and Materials,2013,385/386:1439-1442.

[6]SUN X Y,CHANG F L.Background model combining Gauss model with local binary pattern feature[J].Journal of Convergence Information Technology,2012,7(17):174-180.

[7]BAI Q C,JIN C X,YANG D L,et al.The target motion detection algorithm based on gauss mixture model[J].Communications in Computer and Information Science,2012,346:261-266.

[8]华媛蕾,刘万军.改进混合高斯模型的运动目标检测算法[J].计算机应用,2014,34(2):580-584.

[9]喻旭勇,王直杰.一种基于改进单高斯模型的运动目标提取方法[J].科学技术与工程,2013,13(13):3609-3614.

[10]LIANG Y T,ZHANG D S,WANG F,et al.Method of Multi-object detecting and tracking based on DM643[J/OL].Mathematical Problems in Engineering,2014.[2015-06-13].http://www.hindawi.com/journals/mpe/2014/365480.

（责任编辑：卢奇）

An improved algorithm of moving object detection under complex environment

LIANG Yitao,ZHANG Deshan
(School of Information Science and Engineering,Henan University of Technology,Zhengzhou 45001,China)

The effect of object detection is influenced by noise under complex environment.As a response to this issue,in the paper,an improved algorithm based on Gauss background modeling was proposed.The initial frame of ideal background was extracted by using model algorithm,which is the key for the establishment of initial Gauss model.Compared with the traditional algorithm of initial frame and average algorithm,background is extracted accurately by model algorithm under the condition of the presence of moving target,and then accurate parameters are passed to object detection of next frame.The erosion and dilation operation to eliminate noise in image was also introduced in this paper.The experiment results showed that object could be extracted accurately by using the improved algorithm based on Gauss background modeling and the performance of real-time and accuracy was improved by using this algorithm.

moving object detection;Gauss background modeling;model algorithm

TP391.41

：A

：1008-7516（2015）05-0053-05

10.3969/j.issn.1008-7516.2015.05.012

2015-06-23

国家自然科学基金(31171775);国家863计划(2012AA101608);河南省科技攻关项目(142102210148)

梁义涛(1972-),男,山东肥城人,博士,教授.主要从事光电信息检测、图像处理图像视频处理及DSP实现研究.