基于改进ViBe算法的动态目标检测

肖红军 白冰鑫

开发设计

基于改进ViBe算法的动态目标检测

肖红军 白冰鑫

（佛山科学技术学院，广东 佛山 528225）

针对传统ViBe算法在动态目标检测过程中出现鬼影的问题，提出一种改进ViBe算法。利用连续多帧图像代替原有单帧图像进行与、或运算获取背景模型；加入Otsu算法，计算ViBe算法和Otsu算法的前景置信度，并对Otsu算法前景置信度设置衰减因子，双重判定并计算图像最佳分割阈值来代替传统阈值。实验结果表明：改进ViBe算法具有良好的鲁棒性。

ViBe算法；Otsu算法；去除鬼影；目标检测

0 引言

运动目标检测是机器视觉的一个热门方向，广泛应用于智能交通、航空航天、军事安防等领域。常用的运动目标检测方法有光流法[1]、帧差法[2]和背景差分法[3]。光流法可在动态背景下获取大量的运动信息，但抗噪性较差、计算复杂，且受硬件影响较大。帧差法算法简单、计算快，但易产生空洞现象，导致目标信息获取不完整。背景差分法简单、应用方便，但对外部环境变化较敏感，对更新背景模型策略依赖性高。若能建立较完善的背景模型[4]，该方法在运动目标检测中具有较好表现，其中最具代表性的算法是GMM算法[5]和ViBe算法[6]。

GMM算法可准确地检测目标，但计算复杂、工程量大且光敏度较差。ViBe算法是一种像素级视频背景建模算法[7]，仅占用较少的硬件内存空间，且样本衰减较为明显。本文利用ViBe算法提取运动目标，但在检测过程中会出现鬼影区域。针对这一关键难题，众多学者提出多种改进方案。文献[8]提出一种结合Surendra算法快速更新背景多次迭代的方法对ViBe算法进行改进，得到纯净背景，但多次迭代增加了算法复杂度，实时性较差；文献[9]利用ViBe前景检测算法提取前景轮廓，结合粒子滤波检测目标，提高了算法精度，但运算量大，动态背景下实时性差；文献[10]采用三帧差分结合边缘检测方法对传统ViBe算法进行改进，将视频帧的前50帧作为样本集来获取背景模型，消除鬼影区域，算法较简单，但背景模型建立效率不高且场景存在局限性；文献[11]采用改进的平均背景法获得真实背景，对其进行样本初始化，利用ViBe算法结合形态学，可有效消除鬼影；文献[12]利用前景和邻域背景，设立直方图相似度匹配阈值，在YCbCr空间结合CLBP算子提取纹理特征，该方法检测精度高、错分率低，能够快速消除鬼影干扰。

本文针对传统ViBe算法首帧背景建模及固定阈值方法易造成鬼影的问题提出十帧与、或建模法；并加入Otsu算法，计算ViBe算法和Otsu算法的前景置信度，获取背景与前景类间方差最大的最优分割阈值，代替传统ViBe算法固定阈值。

1 ViBe算法

ViBe算法由BARNICH O等学者在2009年提出，是一种像素级视频帧适用于众多环境的算法[7]。该算法的具体思想：算法为视频帧中每个像素点存储一个样本集，其中这一像素点在过去所在的像素值以及该点周边的像素值组成该样本集中的采样值；通过随机性背景更新和邻域扩散的特点更新背景样本。在建立背景模型时，参照相近像素值的空间相似性[9]，效率较高。

背景模型初始化即对一个像素点建立模型样本值，样本值的选择具有随机性。样本值为该像素点的邻边像素值，模型公式为

当样本个数大于阈值时，像素点为背景点；反之为前景点。

图1 ViBe算法前景检测

由式(3)可知，背景更新与时间无关。

传统ViBe算法在创建背景模型时，仅使用视频帧的第1帧图像。如果第1帧图像存在1个原本静止的目标，建立背景模型时，会将该静止目标覆盖的区域错误地检测为背景区域，在接下来的背景更新中很难消除，即鬼影区域[4]。而前景检测过程中采用固定阈值判别目标的方法，无法克服外界环境发生突变的情况。

2 改进ViBe算法

背景模型初始化：改进ViBe算法采用十帧与、或运算方式建立背景模型。改进ViBe算法并未使算法复杂繁琐，同时还提高了背景建模效率，降低错检现象的发生。

在样本初始化阶段，选取由第1帧开始后的连续10帧图像作为样本集

通过上述操作，获得背景模型。

Otsu算法、自适应分割阈值算法、迭代阈值算法等是常用的图像阈值分割算法。其中，Otsu算法被认为是图像分割阈值选取中较为出色的算法，又称为最大类间方差法。在图像分割阈值选取的算法中，其在直方图上根据灰度特性，计算类间最大方差求取阈值进行二值化分割，计算方法简单。本文前景检测利用Otsu算法计算类间最大方差来获取最佳分割阈值，代替传统固定阈值区分前景区域和背景区域的方法。

在此过程中，阈值选取十分重要，而Otsu对噪声、光照及目标大小十分敏感，外界条件影响会使阈值选取不合适，导致目标图像错检为背景图像。为降低Otsu误检率，本文采用Otsu进行二次判别。首先，计算ViBe被判定为前景的置信度，即前景占背景模板个数比例；同时计算Otsu的前景置信度，即像素和最佳像素差的比例；然后，比较Otsu算法和ViBe算法的前景置信度。针对算法过于依赖Otsu问题，对Otsu的置信度设置衰减因子，在视频帧数越来越大时，降低Otsu算法对改进ViBe算法的影响。

3 实验结果与分析

为验证本文改进ViBe算法在复杂背景下鬼影抑制的效果，分别选取PETS2006测试视频第940帧~1040帧图像、Highway测试视频第660帧~760帧图像进行实验验证。本实验在Windows7操作系统下，使用OpenCV4.0.0的Visual Studio2015编写运行。本文改进ViBe算法与传统ViBe算法对比的实验结果如图2所示。

在PETS2006视频帧中，传统ViBe算法在多目标情况下未能快速准确地检测出目标，未能准确分辨前景与背景；而改进ViBe算法因采用Otsu算法双重判定，可及时完成背景更新，选择最优阈值，准确去除人消失后遗留的鬼影问题，且能同时检测多目标，检测效果明显，鲁棒性较好。

在Highway视频帧中，道路交通情况较为复杂，车辆的运动速度快导致目标变化较大。723视频帧中的车辆速度较快，车辆消失在图像中，传统ViBe算法检测出来的目标依旧存在鬼影，效果不佳，目标前景车辆不完整；而改进ViBe算法可准确去除鬼影。

统计数值可反映算法的性能特征，本文选用召回率（recall, Re）、精确度（precision, Pre）、误匹配率（percentage of bad classifications, PBC）、真负率（specificity, SP）、误检率（false positive rate, FPR）、漏检率（false negative rate, FNR）、综合评价指标（F-measure, FM）作为算法的评价指标。

通过对PETS2006及Highway测试视频帧的评价指标计算，得到改进ViBe算法的性能评价指标，并与传统ViBe算法比较，评价结果如表1、表2所示。

表1 PETS2006视频帧下算法的性能指标评价结果

表2 Highway视频帧下算法的性能指标评价结果

算法的评价指标一般主要看Re，Pre和FM 3个指标。其中，Re是衡量检测前景像素点覆盖有效点的标准；Pre表示前景像素分割的精准度；FM是衡量算法性能的整体性指标。从表1、表2可以看出：本文改进ViBe算法的主要3个指标都优于传统ViBe算法；传统ViBe算法对运动目标状态改变的适应能力存在一定缺陷，而改进ViBe算法可获得更好的数据指标，抑制孤立的噪声点。

4 结语

传统ViBe算法图像帧初始化导致动态目标在动态背景干扰下易产生鬼影区域，且检测运动状态时的拖影现象较为严重。针对这些问题，本文提出以连续多帧图像代替原有单帧图像进行与、或运算获取完整的背景模型；然后加入Otsu算法，计算ViBe算法和Otsu算法的前景置信度，并对Otsu置信度设置衰减因子，双重判定并计算出图像最佳分割阈值。实验结果表明：在动态环境下，改进ViBe算法可很好地去除鬼影、抑制拖影现象，具有良好的鲁棒性。由于本文算法以连续多帧图像获取背景模型，当图像在缓慢移动时，可能无法完全去除鬼影，应用场景具有一定局限性。后期将会对算法作进一步优化。

[1] 胡瑞卿,田杰荣.基于光流法的运动目标检测算法研究[J].电子世界,2019(5):58-61.

[2] 黄金海.背景帧间差分法的移动目标跟踪研究[J].中国仪器仪表,2019(1):62-65.

[3] 句建国,邢进生.基于平滑帧差法的混合高斯模型的研究与应用[J].陕西科技大学学报,2018,36(3):160-166.

[4] SEKI M, WADA T, FUJIWARA H, et al. Background subtraction based on cooccurrence of image variations[C]. Proceedings of IEEE Computer Society Conference on Computer Vision and Pattern Recognition, 2003.

[5] 李晓瑜,马大中,付英杰.基于三帧差分混合高斯背景模型运动目标检测[J].吉林大学学报(信息科学版),2018,36(4): 414-422.

[6] BARNICH O, VAN DROOGENBROECK M. ViBe: a powerful random technique to estimate the background in video sequences[C]. 2009 IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP) , Taipei, Taiwan, 2009.

[7] BARNICH O, VAN DROOGENBROECK M. ViBe: a universal background subtraction algorithm for video sequences[J]. IEEE Transactions on Image Processing, 2011, 20(6): 1709-1724.

[8] 刘春,翟志强.改进的ViBe运动目标检测算法[J].传感器与微系统,2017,36(1):123-126.

[9] 陈霖,尤枫,胡伟.监控场景中的运动物体提取技术研究[J].计算机工程与应用,2015,51(22):158-162,205.

[10] 胡小冉,孙涵.一种新的基于ViBe的运动目标检测方法[J].计算机科学,2014,41(2):149-152.

[11] 马永杰,陈梦利,刘培培,等.ViBe算法鬼影抑制方法研究[J/OL].激光与光电子学进展:1-11[2019-11-27].http://kns. cnki.net/kcms/detail/31.1690.TN.20190710.1524.012.html.

[12] 方岚,于凤芹.去除鬼影及阴影的视觉背景提取运动目标检测算法[J].激光与光电子学进展,2019,56(13):71-78.

Dynamic Target Detection Based on Improved ViBe Algorithm

Xiao Hongjun Bai Bingxin

(Foshan University, Foshan 528225, China)

Aiming at the ghost problem of traditional vibe algorithm in dynamic target detection, this paper proposes an improved algorithm, which replaces the original single frame image with continuous multi frame image to obtain the background model by "and" or "operation; adds the Otsu algorithm, calculates the foreground confidence of vibe algorithm and Otsu algorithm, and determines the best segmentation threshold of image to replace the traditional fixed threshold. Experimental results show that the improved algorithm has good robustness.

ViBe algorithm; Otsu algorithm; removing ghosts; object detection

肖红军，男，1979年生，硕士生导师，副教授，主要研究方向：智能检测与智能控制。E-mail:86209513@qq.com

白冰鑫，女，1995年生，硕士研究生，主要研究方向：图像处理与智能检测。E-mail: 934019120@qq.com

TP391.4

A

1674-2605(2020)05-0006-05

10.3969/j.issn.1674-2605.2020.05.006