專利名稱：一種自適應(yīng)背景建模及運動目標(biāo)檢測方法
技術(shù)領(lǐng)域：
本發(fā)明屬于智能視頻監(jiān)控技術(shù)領(lǐng)域，具體涉及一種在視頻監(jiān)控系統(tǒng)中的自適應(yīng) 背景建模及運動目標(biāo)檢測方法。
背景技術(shù)：
隨著視頻分析技術(shù)、多媒體數(shù)據(jù)庫、人工智能技術(shù)的發(fā)展，智能化視頻監(jiān)控系 統(tǒng)能夠及時、自動地從原始視頻中提取大量有用信息，這些信息可以被傳輸、保存 和檢索，也可以驅(qū)動其他數(shù)據(jù)、觸發(fā)其他行為，輕而易舉地完成人力很難完成的任 務(wù)。計算機和圖像處理技術(shù)的結(jié)合使得圖像自動檢測、視頻分析成為可能，從而可 以使視頻監(jiān)控系統(tǒng)具備了智能，產(chǎn)生了許多新型應(yīng)用。視頻分析可以大大提高監(jiān)控 效率，還能從復(fù)雜的數(shù)據(jù)中辨認(rèn)行為和類型，還可提供操作命令、數(shù)據(jù)和信息。視 頻監(jiān)控系統(tǒng)不僅僅被認(rèn)為是事后搜尋犯罪嫌疑人的手段，而且是一種阻止犯罪發(fā)生 的輔助手段。視頻監(jiān)控技術(shù)正在向著數(shù)字化、網(wǎng)絡(luò)化、智能化的方向發(fā)展，未來的 視頻監(jiān)控系統(tǒng)很大程度取決于智能分析系統(tǒng)的成功與否，監(jiān)控系統(tǒng)由目視解釋轉(zhuǎn)變 為自動解釋是視頻監(jiān)控技術(shù)的飛躍，是安防技術(shù)發(fā)展的必然。運動目標(biāo)檢測是基于視頻的智能監(jiān)控系統(tǒng)的重要環(huán)節(jié)。常用的運動目標(biāo)檢測方 法主要有背景相減法、幀間差分法和光流法。光流法采用了運動目標(biāo)隨時間變化的光流特性，主要優(yōu)點在于對目標(biāo)在幀間的 運動的限制較少，可以處理大的幀間位移；主要缺點是光流計算方法復(fù)雜，如果沒 有特定的硬件裝置支持一般很難應(yīng)用于視頻中運動目標(biāo)的實時檢測，且抗噪性能差。幀間差分法是計算相鄰兩幀圖像對應(yīng)像素點的灰度值的絕對差，然后通過閾值 化來檢測出視頻圖像中的運動目標(biāo)。幀間差分法能夠?qū)崿F(xiàn)實時的運動檢測，具有較 強的場景變化適應(yīng)能力，但有可能不能判定尺寸較大、亮度或顏色一致的運動目標(biāo) 的內(nèi)部像素，以至在運動目標(biāo)內(nèi)部產(chǎn)生"空洞"現(xiàn)象， 一般很難完整地分割出運動 目標(biāo)，不利于進(jìn)一步的對象分析與識別。對于攝像頭固定的場合，背景相減法是目前最常用的運動目標(biāo)檢測方法。其基 本思想是將當(dāng)前幀圖像與事先存儲或者實時得到的背景圖像相減，若對應(yīng)像素的差 值大于某一閾值，則判此像素屬于運動目標(biāo)上的一個像素，閾值操作后得到的結(jié)果 直接給出了運動目標(biāo)的位置、大小、形狀等信息。背景相減法的參考文獻(xiàn)見-[1] Massimo Piccardi. Background subtraction techniques: a review[A], 2004IEEE International Conference on Systems, Man and Cybernetics[C]. 10-13 Oct. 2004， 4: 3099-3104. [2]代科學(xué)，李國輝，涂丹，袁見.監(jiān)控視頻運動目標(biāo)檢測減背景技術(shù)的研究現(xiàn)狀和展望[J].中國圖象圖形學(xué)報，2006, 11(7) :919-927.背景相減法實現(xiàn)簡單，并且能夠檢測出較為完 的運動目標(biāo)，但對于對光線、天氣等光照條件的變化非常敏感。背景相減法的關(guān)鍵問題是如何建立背景模型和實 時更新模型參數(shù)以適應(yīng)背景變化，這些背景變化包括場景的光照變化和場景構(gòu)成的 改變，如一天中不同時間段光線、天氣等的變化以及室內(nèi)開燈、關(guān)燈等引起的光線 強弱的改變，背景中物體的微小擾動(樹枝的隨風(fēng)擺動)、人或其他物體進(jìn)入或移出 場景等。雖然大部分研究人員曾致力于開發(fā)不同的背景模型，以減少動態(tài)場景變化 對于運動目標(biāo)檢測的影響。但由于構(gòu)建背景模型需要考慮光照變化等很多因素，目 前開發(fā)一個好的背景建模及自適應(yīng)背景更新算法仍然面臨很多挑戰(zhàn)。在現(xiàn)有的背景更新算法中，其基本思想是通過當(dāng)前幀圖像和背景圖像相減得到差 值圖像，對差值小于某一閾值的像素點進(jìn)行更新，對差值大于某一閾值的像素點保 持不變。這些方法雖然使背景更新更加穩(wěn)定，但是由于只考慮到像素級的更新，可 能會發(fā)生背景更新的"死鎖"(Deadlock)問題。即當(dāng)前輸入圖像某一位置像素點實 際上在連續(xù)幾幀中都屬于背景，但由差值圖像中對應(yīng)位置的灰度值被誤判為大于閾 值，認(rèn)為此點屬于前景，則背景圖像中該位置像素點不進(jìn)行更新(事實上應(yīng)該進(jìn)行 更新)，此后一直都錯誤地被認(rèn)為屬于前景。這樣就會出現(xiàn)把靜止物體誤判為運動目 標(biāo)，降低了檢測的準(zhǔn)確率。發(fā)明內(nèi)容技術(shù)問題本發(fā)明的目的是公開一種應(yīng)用于視頻監(jiān)控系統(tǒng)中的自適應(yīng)背景建模 及運動目標(biāo)檢測方法，能適應(yīng)不同復(fù)雜環(huán)境下視頻監(jiān)控場所的運動目標(biāo)檢測。技術(shù)方案本發(fā)明要解決的技術(shù)方案在于檢測目標(biāo)運動形式復(fù)雜，如運動目 標(biāo)進(jìn)入監(jiān)控區(qū)域后停止在區(qū)域范圍內(nèi)，此時模型應(yīng)把運動目標(biāo)作為模型的一部分融 入背景之中；當(dāng)原來靜止的目標(biāo)離開監(jiān)控區(qū)域時，模型應(yīng)把被物體遮擋住的部分作 為模型的一部分融入背景之中，而此物體作為運動目標(biāo)被檢測出來。為了解決現(xiàn)有 背景更新算法中的"死鎖"問題以及運動目標(biāo)檢測準(zhǔn)確率低的問題，本發(fā)明公開了 一種自適應(yīng)背景建模及運動目標(biāo)檢測方法，包括基于幀間差分法的初始背景圖像的 建立、基于背景相減法的運動目標(biāo)二值化掩模的提取、基于區(qū)域的選擇性自適應(yīng)背 景更新和運動目標(biāo)檢測四個步驟。在初始背景圖像的建立過程中，為了利用幀間差分法對光照、天氣等環(huán)境變化 適應(yīng)性強的優(yōu)勢，同時又克服其在運動實體內(nèi)部產(chǎn)生"空洞"而誤判為背景的缺點， 我們對相隔K幀(K值一般取2、 3或4，由實際應(yīng)用場合而定)的兩幀灰度圖像進(jìn) 行差分運算，差分圖像中灰度值小于某個閾值(采用自適應(yīng)動態(tài)閾值)的像素點被 認(rèn)為是背景像素點，確定初始背景圖像中該像素的灰度值等于當(dāng)前輸入幀圖像對應(yīng) 像素的灰度值。隨著目標(biāo)的移動，被目標(biāo)遮擋的背景不斷顯露出來，基于幀間差分 法的變化檢測算法可以實時地檢測到顯露出來的背景部分，然后對其像素的灰度值 進(jìn)行初始化，隨著時間的推移，背景圖像中的所有像素最終全部被初始化，也就表 示初始背景圖像已建立完成。在運動目標(biāo)二值化掩模的提取中，基于背景相減法，將當(dāng)前幀輸入圖像與背景 圖像相減得到差值圖像，然后使用自適應(yīng)閾值對差值圖像進(jìn)行二值化處理，并經(jīng)形 態(tài)學(xué)濾波、連通區(qū)域面積大小及最小外接矩形的長寬比判斷等后處理得到運動目標(biāo) 二值化掩模。后處理就是去除不屬于真實運動目標(biāo)的像素，以便得到真正的前景運動目標(biāo)。由于構(gòu)建背景的質(zhì)量和序列場景中其他各種客觀因素的影響(如樹葉搖動)， 變化檢測輸出的二值圖像中不可避免地會留下大量的噪聲點。噪聲點與運動目標(biāo)區(qū) 域的區(qū)別在于運動目標(biāo)區(qū)域表現(xiàn)為若干像素點組成的具有一定形狀的空間，而噪 聲點則表現(xiàn)為相對孤立的像素點的較小的集合。另外，原圖像中對應(yīng)于運動目標(biāo)的 區(qū)域也會出現(xiàn)不同程度的碎化。鑒于此，先采用適當(dāng)?shù)男螒B(tài)結(jié)構(gòu)元素對二值圖像進(jìn) 行形態(tài)開-閉運算，消除孤立的噪聲點，合并非連通的前景鄰近區(qū)域，消除目標(biāo)碎塊。 這樣處理后的二值圖像就能較好地反映出各個運動目標(biāo)在當(dāng)前圖像中的位置。然后， 再把各個運動目^)^標(biāo)記出來，這實際上是一個連通區(qū)域的識別過程。連通區(qū)域標(biāo)記 就是按照一定的規(guī)則尋找一幅圖像中所有的連通區(qū)域，并賦予同一區(qū)域唯一的標(biāo)記。 假設(shè)對一幅二值圖像從左到右、從上到下進(jìn)行掃描(起點在圖像的左上方)。要標(biāo)記 當(dāng)前正被掃描的像素需要檢査它與在它之前掃描的若干個近鄰像素的連通性。例如 當(dāng)前正被掃描像素的灰度值為"1"，則將它標(biāo)記為與之相連通的目標(biāo)像素。如果它 與兩個或多個目標(biāo)相連通，則可以認(rèn)為這些目標(biāo)實際是同一個，并把它們連接起來。 如果發(fā)現(xiàn)了從為"0"的像素到一個孤立的為"1"的像素的過渡，就賦予一個新的 標(biāo)記。在完成連通區(qū)域標(biāo)記后，再填補區(qū)域內(nèi)的"空洞"。最后計算連通區(qū)域的面積 大小及最小外接矩形的長寬比，排除不感興趣的運動目標(biāo)區(qū)域，消除噪聲和背景擾 動帶來的影響后，得到運動目標(biāo)二值化掩模A/Oc,力。在背景更新階段，采用區(qū)域級的基于前景目標(biāo)的選擇性背景更新方法，對背景 圖像中對應(yīng)運動目標(biāo)二值化掩模內(nèi)的像素灰度值不予更新，對運動目標(biāo)二值化掩模 以外的其他像素的灰度值進(jìn)行自適應(yīng)動態(tài)更新，解決了背景更新的"死鎖"問題。 在背景更新算法中，通過前后幀中背景區(qū)域亮度的平均值的變化來感知光照的變化， 同時又根據(jù)光照的變化信息來調(diào)節(jié)更新率/ 進(jìn)行自適應(yīng)動態(tài)更新背景。最后，使用運動目標(biāo)二值化掩模與當(dāng)前幀輸入圖像進(jìn)行邏輯"與"操作，就可 以檢測出運動目標(biāo)。該方法包括以下步驟1) 基于幀間差分法的初始背景圖像的建立① 初始化背景圖像中每個像素的背景標(biāo)志位為"l"，即初始化背景標(biāo)志矩陣的 每個元素為1;② 初始化背景圖像中每個像素的灰度值為0;③ 將輸入的彩色圖像轉(zhuǎn)化為灰度圖像； 對相隔K幀的兩幀灰度圖像求其絕對差，遍歷差值圖像的每個像素，檢測 對應(yīng)該像素的背景標(biāo)志位是否為"0" 若背景標(biāo)志位為"0"，表示該像素已為背 景點，無需作變化檢測；若背景標(biāo)志位為"l",則要進(jìn)行變化檢測，具體的步驟是:判斷差值是否小于閾值r, 若小于閾值r,，則設(shè)置該像素的背景標(biāo)志位為"0",以表示該像素為背景點，同時將背景圖像中該像素的灰度值設(shè)置為當(dāng)前輸入幀圖像對應(yīng)像素的灰度值；否則，該像素暫時判為前景點，其背景標(biāo)志位保持為"1"，由 此產(chǎn)生二值背景標(biāo)志矩陣； 判斷背景標(biāo)志矩陣中的所有元素是否全為O 若全為O，則表示初始背景圖 像己建立完成，執(zhí)行步驟2);否則，返回步驟(D;2) 基于背景相減法的運動目標(biāo)二值化掩模的提取-⑥ 將當(dāng)前幀灰度圖像與背景圖像相減，取其絕對值得到差值圖像；⑦ 使用自適應(yīng)閾值乙對差值圖像進(jìn)行二值化處理；⑧ 對二值圖像進(jìn)行形態(tài)開-閉運算、連通區(qū)域標(biāo)號、填補"空洞"、連通區(qū)域面 積大小及最小外接矩形的長寬比判斷等后處理，消除噪聲和背景擾動帶來的影響后， 得到運動目標(biāo)二值化掩模；3) 基于區(qū)域的選擇性自適應(yīng)背景更新(D對背景圖像中對應(yīng)運動目標(biāo)二值化掩模內(nèi)的像素的灰度值不予更新，對運動 目標(biāo)二值化掩模以外的其他像素的灰度值根據(jù)背景亮度的變化進(jìn)行自適應(yīng)動態(tài)更 新；4) 運動目標(biāo)檢測⑩使用運動目標(biāo)二值化掩模與當(dāng)前幀輸入圖像進(jìn)行邏輯"與"操作，檢測出運 動目標(biāo)。步驟④和步驟⑦中使用自適應(yīng)閾值對差值圖像進(jìn)行二值化處理，自適應(yīng)閾值r的求取公式為r=arg pax{| w0 W(^(0 - MO)2 + W ,(0 - MO)21 (1 - W))} 式1式1中，Z代表像素的灰度值，其取值范圍為f0,l，2,…,ml; ;KO為灰度值Z出現(xiàn)的概率；W。(0和M^)分別為在以灰度值/為閾值對差值圖像進(jìn)行二值化時被劃分為肯景 部分和前景部分的像素數(shù)占整幅圖像像素數(shù)的比例；//oW和/A(0分別為對應(yīng)背景部 分和前景部分的差值圖像的平均灰度值；；^)為差值圖像的平均灰度值。步驟⑨中基于區(qū)域的選擇性自適應(yīng)背景更新對背景圖像中對應(yīng)運動目標(biāo)二值 化掩模內(nèi)的像素灰度值不予更新;對運動目標(biāo)二值化掩模以外的其他像素的灰度值， 采用公式2進(jìn)行自適應(yīng)動態(tài)更新式2中，/,(x，力、SG,(x，力和M,(x，力分別為第z'幀的輸入灰度圖像、背景圖像和運動 目標(biāo)二值化掩模在像素點Oc，j)處的值；5《+1(^，力為第/ + 1幀背景圖像在像素點 Oc,力處的值；/ 為更新率，/ 的計算公式如式3:max(4，4-')式3中，4和《,分別為第f幀和第f - 1幀輸入圖像中對應(yīng)背景區(qū)域的像素灰度值的有益效果實驗結(jié)果表明，本發(fā)明方法克服幀間差分法提取目標(biāo)不精細(xì)缺點， 解決了背景相減法中背景構(gòu)造更新的困難，能夠快速、精確地對監(jiān)控場景中運動目 標(biāo)進(jìn)行檢測，對光線變化、背景干擾不敏感，具有較好的魯棒性和實時性。與現(xiàn)有技術(shù)相比，本發(fā)明的優(yōu)點在于 (l)采用自適應(yīng)動態(tài)閾值二值化算法，依據(jù)類間方差最大思想自適應(yīng)地尋找最 佳閾值，并對圖像進(jìn)行二值化處理，可以較好地適應(yīng)場景光照的變化情況，適應(yīng)性 較強。bg,O,力 當(dāng)m,0，力4時 / /, (;c,力+ (1 — / )5g, (;c，力當(dāng)M, (j,力=0時平均值。(2) 由于基于區(qū)域的選擇性自適應(yīng)背景更新是依據(jù)運動目標(biāo)二值化掩模進(jìn)行 的，而運動目標(biāo)二值化掩模是在二值化圖像經(jīng)過后處理后得到的，所以可以消除諸 如樹葉、昆蟲等的微小擾動，有效地解決了背景更新的"死鎖"問題，更加精確地 對背景圖像進(jìn)行更新。(3) 依據(jù)運動目標(biāo)二值化掩模的背景更新是一種選擇性的更新，背景模型中不 是每個像素點都要進(jìn)行更新，而是只把屬于背景點的像素點更新到背景模型，所以 運算量較少，處理速度較快，算法具有較強的實時性。(4) 在背景更新算法中，通過前后幀中背景區(qū)域亮度的平均值的變化來感知光 照的變化，同時又根據(jù)光照的變化信息來調(diào)節(jié)更新率"進(jìn)行自適應(yīng)動態(tài)更新背景。(5) 使用幀間差分法構(gòu)建的初始背景圖像以及基于前景目標(biāo)的區(qū)域級選擇性背 景更新方法，能有效地把停止的運動目標(biāo)融入背景，同時也能去除場景中突然運動 的目標(biāo)原來位置所留下"鬼影"。


圖1是本發(fā)明的自適應(yīng)背景建模及運動目標(biāo)檢測方法流程圖。
具體實施方式
1基于幀間差分法的初始背景圖像的建立假設(shè)視頻序列的圖像分辨率為Mx W像素< 的背景標(biāo)志位為"1",即首先，初始化背景圖像中每個像素細(xì) /(1，2) /(2,1) /(2，2)/(2，M)1/(AM) /(W，2)…/(JV,M)」Ll 1 初始化背景圖像中每個像素的灰度值為0，即(1)g(U) g(1，2) g(2，l) g(2，2).g(iV，l) g(AT，2)g(2，M)g(W,M) 0 00 0 0 0"000(2)設(shè)定{/,"力},/ = 1,2,—為一圖像序列，/,"力表示第/幀圖像在"力點的灰度值 (p1,2，…，M， ；^I,2，…,AO ,在不產(chǎn)生歧義時，也用來表示第/幀圖像。為了獲得場景的初始背景圖像，我們對相隔尺幀(尺值一般取l、 2、 3或4， 由實際應(yīng)用場合而定)的兩幀灰度圖像進(jìn)行差分運算，求其絕對差，遍歷差值圖像 的每個像素點0c,力，檢測對應(yīng)該像素的背景標(biāo)志位/Oc，力是否為"0" 若背景標(biāo) 志位/(x,力為"0"，表示該像素已為背景點，無需作變化檢測；若背景標(biāo)志位/(x，力 為"1"，則要進(jìn)行變化檢測，具體的步驟是判斷差值是否小于閾值r, 即判斷式 (3)是否成立 1/,(;c，力-/,》，力卜《 (3) 若式(3)成立，則設(shè)置該像素的背景標(biāo)志位/Oc,力為"0"，以表示該像素為背景點，同時將背景圖像中該像素的灰度值設(shè)置為當(dāng)前輸入幀圖像對應(yīng)像素的灰度值，即g0c,力二/,0c，力；否則，該像素暫時判為前景點，其背景標(biāo)志位/Oc,W保持為"l"， 由此產(chǎn)生二值背景標(biāo)志矩陣。當(dāng)背景標(biāo)志矩陣中的所有元素全為O時，則表示初始背景圖像已建立完成；否則，輸入下一幀圖像，重復(fù)執(zhí)行上述過程，直到背景標(biāo)志矩陣中的所有元素全為o。隨著目標(biāo)的移動，被目標(biāo)遮擋的背景不斷顯露出來，基于幀間差分法的變化檢 測算法可以實時地檢測到顯露出來的背景部分，然后對其像素的灰度值進(jìn)行初始化，隨著時間的推移，背景圖像中的所有像素最終全部被初始化，也就表示初始背景圖 像已建立完成。在上述過程中，自適應(yīng)閾值r,的求取算法如下假設(shè)差值圖像在Oc,力點處的灰度值為J(x,力，^c,力的取值范圍為(0,1，2，…，/^， 記p(A:)為灰度值it出現(xiàn)的概率，則有洲4 Z 1 (4)假設(shè)以灰度值r為閾值對差值圖像進(jìn)行二值化處理，則背景部分的像素數(shù)占整 幅圖像像素數(shù)的比例為-(5)1=0前景部分的像素數(shù)占整幅圖像像素數(shù)的比例為,=|>(/) (6) 對應(yīng)背'i'部分的差值圖像平均灰度值為襲t! (7) 對應(yīng)前景部分的差值圖像平均灰度值為差值圖像的平均灰度值為-自適應(yīng)閾值7;的求取公式為7;=argj^x{| w。(f)(/U0-MO)2 + w,(,)C ,(/)-MO)21(1-沖))} (10)0"附2基于背景相減法的運動目標(biāo)二值化掩模的提取一旦完成初始背景圖像的構(gòu)建，即令當(dāng)前幀背景圖像的像素值 "G,(Jc，力二g(A:，力。將當(dāng)前輸入幀的灰度圖像與背景圖像相減，取其絕對值得到 差值圖像，使用自適應(yīng)閾值[對差值圖像進(jìn)行二值化處理，即他力={1 I他力，，力卜r2其中，閾值^的求取算法與r,的求取算法相同。然后，對得到的二值圖像S,(;c,3;)進(jìn) 行后處理。后處理就是去除不屬于真實運動目標(biāo)的像素，以便得到真正的前景運動 目標(biāo)。由于構(gòu)建背景的質(zhì)量和序列場景中其他各種客觀因素的影響(如樹葉搖動)， 變化檢測輸出的二值圖像中不可避免地會留下大量的噪聲點。噪聲點與運動目標(biāo)區(qū) 域的區(qū)別在于運動目標(biāo)區(qū)域表現(xiàn)為若干像素點組成的具有一定形狀的空間，而噪 聲點則表現(xiàn)為相對孤立的像素點的較小的集合。另外，由于背景和運動目標(biāo)某些位 置的灰度值可能相差很小，最后得到的運動目標(biāo)二值化掩模中可能存在著"空洞" 現(xiàn)象。鑒于此，先采用適當(dāng)?shù)男螒B(tài)結(jié)構(gòu)元素對二值圖像進(jìn)行形態(tài)開-閉運算，消除孤 立的噪聲點，合并非連通的前景鄰近區(qū)域，消除目標(biāo)碎塊。這樣處理后的二值圖像 就能較好地反映出各個運動目標(biāo)在當(dāng)前圖像中的位置。然后，再把各個運動目標(biāo)標(biāo) 記出來，這實際上是一個連通區(qū)域的識別過程。連通區(qū)域標(biāo)記就是按照一定的規(guī)則 尋找一幅圖像中所有的連通區(qū)域，并賦予同一區(qū)域唯一的標(biāo)記。假設(shè)對一幅二值圖 像從左到右、從上到下進(jìn)行掃描(起點在圖像的左上方)。要標(biāo)記當(dāng)前正被掃描的像 素需要檢査它與在它之前掃描的若干個近鄰像素的連通性。例如當(dāng)前正被掃描像素 的灰度值為"l"，則將它標(biāo)記為與之相連通的目標(biāo)像素。如果它與兩個或多個目標(biāo) 相連通，則可以認(rèn)為這些目標(biāo)實際是同一個，并把它們連接起來。如果發(fā)現(xiàn)了從為 "0"的像素到一個孤立的為"1"的像素的過渡，就賦予一個新的標(biāo)記。在完成連 通區(qū)域標(biāo)記后，再填補區(qū)域內(nèi)的"空洞"。最后計算連通區(qū)域的面積、最小外接矩形 的長寬比及形狀密集度，根據(jù)這些幾何特征信息，并結(jié)合經(jīng)驗知識進(jìn)行判別，排除 不感興趣的運動目標(biāo)區(qū)域，消除噪聲和背景擾動帶來的影響后，得到運動目標(biāo)二值化掩模Af,(JC,力。連通區(qū)域的面積S就是連通區(qū)域所含的像素點數(shù)量。 連通區(qū)域的最小外接矩形的長寬比及定義為其中，長是指連通區(qū)域在;;軸方向上所占的長度，寬是指在x軸方向上所占的寬度， 式(12)中;c,和力是最小外接矩形左上角頂點的坐標(biāo)位置，A和^是最小外接矩形 右下角頂點的坐標(biāo)位置。連通區(qū)域的形狀密集度C可用式(13)來度量C = 4 (13)其中，S和P分別表示連通區(qū)域的面積和周長。3基于區(qū)域的選擇性自適應(yīng)背景更新隨著時間的推移，背景模型會發(fā)生變化，如光照的變化、背景物體的移出和移 入等。因此，為了使背景模型適應(yīng)這種變化，需要對背景模型進(jìn)行更新。由于 基于像素級的背景更新方法無法解決背景更新的"死鎖"問題，所以本發(fā)明公開一 種基于前景目標(biāo)的背景更新方法。該方法從區(qū)域級上考慮更新對象，對背景圖像中 對應(yīng)運動目標(biāo)二值化掩模內(nèi)的像素的灰度值不予更新；對 動目標(biāo)二值化掩模以外的其他像素的灰度值進(jìn)行自適應(yīng)動態(tài)更新，更新算法如式(14):雖力 (14)式(14)中，/,(;c，力、5G,(;c，力和M,0c,力分別為第/幀的輸入灰度圖像、背景圖像 和運動目標(biāo)二值化掩模在Oc，力處的值；5(3,+1(^，力為第/ + 1幀背景圖像在像素點 (;c,力處的值；"為更新率，表示背景模型的更新快慢，"越大表示背景更新越快。 當(dāng)- = 0時背景模型不更新，當(dāng)- = 1時，用當(dāng)前幀的輸入圖像灰度值直接替換背景 中相應(yīng)區(qū)域的像素值。當(dāng)光照變化強烈時，應(yīng)盡快更新背景的變化，本發(fā)明釆用與 圖像平均亮度變化相關(guān)的更新策略。根據(jù)經(jīng)驗，當(dāng)環(huán)境光照變化時， 一般場景中背 景區(qū)域的亮度變化是均勻的，因此通過前后幀中背景區(qū)域亮度的平均值的變化來感 知光照的變化，同時也根據(jù)這個信息來調(diào)節(jié)背景的更新率yff。求取"值的算法如下 設(shè)4為第f幀輸入圖像中對應(yīng)背景區(qū)域的像素灰度值的平均值，則4=+ Z (15) 式(15)中l(wèi)為第i幀輸入圖像中對應(yīng)背景區(qū)域的像素點的個數(shù)，令14-4一u式(16)中4和4-,分別為第z幀和第z-i幀輸入圖像中對應(yīng)背景區(qū)域的像素灰度 值的平均值，p為更新率。4運動目標(biāo)檢測使用運動目標(biāo)二值化掩模與當(dāng)前幀輸入圖像進(jìn)行邏輯"與"操作，檢測出運動 目標(biāo)，便于后續(xù)的運動目標(biāo)識別和跟蹤分析。5實驗結(jié)果說明我們以Carnegie Mellon University提供的視頻文件為測試對象。圖2是本發(fā)明 實驗所用的測試視頻序列圖像。圖3是本發(fā)明建立初始背景過程的效果圖，對于視 頻l，當(dāng)取〖=3時，在輸入前108幀后，完成初始背景圖像的建立，如圖3(c)所示； 對于視頻2，當(dāng)取^: = 2時，在輸入前6幀后，完成初始背景圖像的建立，如圖3(f) 所示。圖4是本發(fā)明背景更新的效果圖。圖5是本發(fā)明運動目標(biāo)二值化掩模提取的 效果圖(采用9X9的方形結(jié)構(gòu)元素)。圖6是本發(fā)明運動目標(biāo)檢測的效果圖。1權(quán)利要求
1.一種自適應(yīng)背景建模及運動目標(biāo)檢測方法，其特征在于該方法包括以下步驟1)基于幀間差分法的初始背景圖像的建立①初始化背景圖像中每個像素的背景標(biāo)志位為“1”，即初始化背景標(biāo)志矩陣的每個元素為1；②初始化背景圖像中每個像素的灰度值為0；③將輸入的彩色圖像轉(zhuǎn)化為灰度圖像；④對相隔K幀的兩幀灰度圖像求其絕對差，遍歷差值圖像的每個像素，檢測對應(yīng)該像素的背景標(biāo)志位是否為“0”？若背景標(biāo)志位為“0”，表示該像素已為背景點，無需作變化檢測；若背景標(biāo)志位為“1”，則要進(jìn)行變化檢測，具體的步驟是判斷差值是否小于閾值T1？若小于閾值T1，則設(shè)置該像素的背景標(biāo)志位為“0”，以表示該像素為背景點，同時將背景圖像中該像素的灰度值設(shè)置為當(dāng)前輸入幀圖像對應(yīng)像素的灰度值；否則，該像素暫時判為前景點，其背景標(biāo)志位保持為“1”，由此產(chǎn)生二值背景標(biāo)志矩陣；⑤判斷背景標(biāo)志矩陣中的所有元素是否全為0？若全為0，則表示初始背景圖像已建立完成，執(zhí)行步驟2)；否則，返回步驟③；2)基于背景相減法的運動目標(biāo)二值化掩模的提?、迣?dāng)前幀灰度圖像與背景圖像相減，取其絕對值得到差值圖像；⑦使用自適應(yīng)閾值T2對差值圖像進(jìn)行二值化處理；⑧對二值圖像進(jìn)行形態(tài)開-閉運算、連通區(qū)域標(biāo)號、填補“空洞”、連通區(qū)域面積大小及最小外接矩形的長寬比判斷等后處理，消除噪聲和背景擾動帶來的影響后，得到運動目標(biāo)二值化掩模；3)基于區(qū)域的選擇性自適應(yīng)背景更新⑨對背景圖像中對應(yīng)運動目標(biāo)二值化掩模內(nèi)的像素的灰度值不予更新，對運動目標(biāo)二值化掩模以外的其他像素的灰度值根據(jù)背景亮度的變化進(jìn)行自適應(yīng)動態(tài)更新；4)運動目標(biāo)檢測⑩使用運動目標(biāo)二值化掩模與當(dāng)前幀輸入圖像進(jìn)行邏輯“與”操作，檢測出運動目標(biāo)。
2. 根據(jù)權(quán)利要求1所述的一種自適應(yīng)背景建模及運動目標(biāo)檢測方法，其特征在于步驟④和步驟⑦中使用自適應(yīng)閾值對差值圖像進(jìn)行二值化處理，自適應(yīng)閾值r的求取公式為r-argpax{| ,(A)W-満2 + -則)21(1-p柳 式1式1中，/代表像素的灰度值，其取值范圍為{0，1,2,...,附}; W)為灰度值,出現(xiàn)的概 率；沐。(/)和w'(f)分別為在以灰度值^為閾值對差值圖像進(jìn)行二值化時被劃分為背景 部分和前景部分的像素數(shù)占整幅圖像像素數(shù)的比例；//oW和/UO分別為對應(yīng)背景部分和前景部分的差值圖像的平均灰度值；/^)為差值圖像的平均灰度值。
3. 根據(jù)權(quán)利要求1所述的一種自適應(yīng)背景建模及運動目標(biāo)檢測方法，其特征在于步驟(D中基于區(qū)域的選擇性自適應(yīng)背景更新對背景圖像中對應(yīng)運動目標(biāo)二值化 掩模內(nèi)的像素灰度值不予更新；對運動目標(biāo)二值化掩模以外的其他像素的灰度值， 采用公式(2)進(jìn)行自適應(yīng)動態(tài)更新式(2)中，/,(Jc，力、5G,(x，力和M,(i,力分別為第/幀的輸入灰度圖像、背景圖像和 運動目標(biāo)二值化掩模在像素點Oc,力處的值；5《+1(^，力為第/ + 1幀背景圖像在像素 點0c，力處的值；"為更新率，/ 的計算公式如式(3):max(d)式(3)中，j,和4—分別為第幀和第_ 1幀輸入圖像中對應(yīng)背景區(qū)域的像素灰度值 的平均值。當(dāng)M,(;c,力-刺' 風(fēng)(;c,力+ 0 -釣5G, (x,力當(dāng)M, (i,力=0時
全文摘要
一種自適應(yīng)背景建模及運動目標(biāo)檢測方法，包括初始背景建立、運動目標(biāo)二值化掩模提取、自適應(yīng)背景更新和運動目標(biāo)檢測四個步驟首先，使用幀間差分法確定初始背景的像素灰度值；接著，將當(dāng)前幀圖像與背景圖像相減得到差值圖像，使用自適應(yīng)閾值對差值圖像進(jìn)行二值化處理，并經(jīng)形態(tài)濾波等后處理，得到運動目標(biāo)二值化掩模；然后，采用基于區(qū)域的背景更新方法，對背景圖像中對應(yīng)運動目標(biāo)二值化掩模以外的像素的灰度值進(jìn)行動態(tài)更新；最后，使用運動目標(biāo)二值化掩模與當(dāng)前幀輸入圖像進(jìn)行邏輯“與”操作檢測出運動目標(biāo)。本發(fā)明可以有效地建立可靠的初始背景，并對背景進(jìn)行實時動態(tài)更新，以解決背景擾動、光照變化影響運動目標(biāo)檢測準(zhǔn)確率的問題。
文檔編號H04N5/14GK101621615SQ200910183859
公開日2010年1月6日 申請日期2009年7月24日 優(yōu)先權(quán)日2009年7月24日
發(fā)明者盧官明, 徐方明, 沈蘇彬 申請人:南京郵電大學(xué)