史瑞環(huán),，吳斌，李務軍,，范風兵

　?。ㄎ髂峡萍即髮W 信息工程學院，四川 綿陽 621010）

　　摘要：ViBe運動目標檢測算法速度快,，能有效抑制噪聲,，但在光照強度突然改變的情況下，該算法會造成大面積的背景像素被誤判為前景像素,，針對此問題提出一種改進的融合幀差法的ViBe算法,。實驗結(jié)果表明，改進的算法能在光照有變化時依然能檢測到完整的運動目標,。

　　關(guān)鍵詞： ViBe,；目標檢測； 幀差法

0引言

　　隨著互聯(lián)網(wǎng)和物聯(lián)網(wǎng)的飛速發(fā)展 ,，近年來智能安防監(jiān)控得到了廣泛的關(guān)注和應用,。前景目標的提取是運動視頻分析的關(guān)鍵步驟，提取的目標是否準確完整將直接影響到后續(xù)的目標分類,、目標跟蹤和識別的準確率,。

　　目前，常用的運動檢測方法有：幀差法,、背景差法,、光流法［1］。其中,，背景差法應用最為廣泛，核心原理是為每一個像素點建立一個背景模型,，然后用模型與當前像素相比,，以確定是否為背景像素。經(jīng)典的背景差法是GMM［2］,，它將單一像素點所呈現(xiàn)的顏色用M(一般取 3～5)個高斯分布來近似,，能處理多模型背景場景,，但是它的計算量非常大，需要估計分布的參數(shù),，而且更新參數(shù)難調(diào)試,。

　　2009年，BARNICH O等人［3］提出了一種全新的背景差算法——ViBe算法,，只通過在每個像素領(lǐng)域內(nèi)隨機選取若干個采樣點對各像素建立一個樣本模型,，采用隨機的方法更新背景模型。對比其他一些前沿的背景提取方法,，ViBe算法簡單,，有效地簡化了程序，加快了對于幀的處理速度的同時,，可以達到較高的準確度,，增強了抗噪能力并減少了計算負載［4］。但是該算法在背景光照突然發(fā)生變化時會將大面積的背景誤判為運動前景［5］,，導致檢測出的目標無法識別,。針對此問題，本文結(jié)合幀差法對ViBe算法進行改進,，實驗結(jié)果驗證了改進算法的有效性,。

1ViBe和幀差法的算法原理

　　1.1ViBe算法

　　ViBe算法主要包括工作原理、初始化方法,、更新策略三個方面,。

　　（1）工作原理

　　ViBe算法為每個背景點存儲了一個樣本集,，然后將每一個新的像素值和樣本集進行比較來判斷是否屬于背景點,。如果一個新的觀察值屬于背景點，那么它應該與樣本集中的采樣值比較接近,。圖1展示了ViBe算法如何判斷像素點是否為前景點,。

　　記v(x)為x點處的像素值，M(x)={v1,v2,…,vN}為x處的背景樣本集(樣本集大小為N),，SR(v(x))是以x為中心,、R為半徑的區(qū)域。如果SR(v(x))∩{v1,v2,…,vN}大于一個給定的閾值#min,則認為x點屬于背景點,。

　?。?）初始化方法

　　初始化就是建立背景模型的過程。ViBe的初始化利用了相近像素點擁有相近的時空分布特性,，僅通過一幀圖像即可完成,，極大地提高了算法的實時性。具體就是：對于一個像素點,，隨機地選擇它的鄰居點的像素值作為它的模型樣本值,。

　?。?）更新策略

　　BARNICH O在參考文獻［6］中提到，好的更新方式是讓采樣值在模型中的概率單調(diào)降低,。ViBe算法采用一種無記憶背景更新策略,，從每個點的八鄰域中隨機選取一個樣本，替代原有背景模型中隨機選取的一個樣本,，這樣既保證了樣本在背景模型中存在壽命的平滑指數(shù)衰減,，又避免了先入先出方法造成的變化速度不能正確處理的問題。同時采用隨機鄰域傳播機制,，即背景模型中的樣本也要更新對應的鄰域,，這樣有效地保證了空間的一致性，可以隨時間恢復被前景遮擋的背景像素,。

　　1.2幀差法

　　幀差法［7］的基本原理是將連續(xù)視頻序列中的兩幀或3幀圖像的像素點相減,，然后通過比較相減得到的差值與預先設(shè)定的閾值相比較來確定視頻序列中移動目標的運動的區(qū)域。對于一段視頻序列,，用當前幀圖像fm(x,y,t)減去前一幀圖像fn(x,y,t－1),，最后得到二值圖像 fj(x,y)。用式(1)表示如下：

　　fj(x,y)=1,|fm(x,y,t)-fn(x,y,t-1)|≥X

　　0,|fm(x,y,t)-fn(x,y,t-1)|<X(1)

　　其中,fm(x,y,t)是當前幀的輸入圖像,fn(x,y,t－1)是前一幀輸入圖像,，fj(x,y)是檢測到的二值圖像,，X是設(shè)定的閾值。

　　幀差法是根據(jù)相鄰幀差值與閾值X的大小來判斷像素點屬于運動前景還是背景,，如果相鄰幀差值的絕對值大于等于閾值X,，則該像素是前景像素，反之為背景像素,。

2融合幀差法的ViBe算法

　　ViBe算法速度快,，能有效抑制噪聲，檢測效果完整準確,，但卻在光照變化時幾乎檢測不到準確的目標,。而幀差法算法實現(xiàn)簡單，檢測速度快,，實時性好,，受光線變化的影響小。

　　根據(jù)以上分析本文采用幀差法來改進ViBe算法,。對于一段視頻,，首先，從第二幀開始對輸入的當前幀圖像是否有光照變化進行判斷,，然后根據(jù)判斷結(jié)果選擇使用的目標檢測算法和檢測結(jié)果,。即計算當前幀與前一幀圖像像素值的變化程度，當像素值的變化大于等于預先設(shè)定的閾值時表明當前幀光照有變化,，則將幀差法處理的結(jié)果和ViBe算法處理的結(jié)果做與運算,，作為當前幀的目標檢測結(jié)果。當像素值的變化小于設(shè)定的閾值時表示當前幀光照無變化或變化不明顯,，則ViBe算法的處理結(jié)果作為當前幀的目標檢測結(jié)果,。最后再通過形態(tài)學處理掉一些孤立的噪點得到完整的目標圖像。具體的算法流程圖如圖2所示 ,。

　　當前幀像素值的變化大小用M表示：

　　M=∑N|fm(x,y,t)－fn(x,y,t－1)|(2)

　　其中,，N是圖像的大小，fm(x,y,t)是當前幀圖像,，fn(x,y,t－1)是前一幀圖像,。光照變化可能是變亮，也可能是變暗,，所以式（2）中加了絕對值,。當M≥T（T為閾值）時，表明當前幀與前一幀相比,，有光照的變化,；當M<T，表明當前幀與前一幀光照幾乎無變化或者變化不明顯,。閾值T的大小選取與圖像大小,、目標運動速度等有關(guān)。

3實驗結(jié)果與分析

　　為了驗證算法的有效性,，本文選取了一段有光照強度變化（像素值變化了30~40）的車輛視頻做測試,，該視頻的幀率為15幀/秒，分辨率為160×120,，格式為AVI,。實驗效果對比如圖3所示，第71幀與前一幀相比無光照變化,，39,、77幀與前一幀相比有光照變化。根據(jù)實驗結(jié)果可以看出ViBe算法在光照不變的情況下檢測效果很好,，但是在光照變化的情況下,，出現(xiàn)了大面積的像素點誤判。改進之后的ViBe算法不再受光照變化的影響,，依然可以檢測到運動目標,，大大提高了ViBe算法在光照變化時的目標檢測準確率。

4結(jié)論

　　將ViBe算法與幀差法融合在一起,，根據(jù)閾值判斷當前幀圖像是否發(fā)生了光照變化來決定最終目標檢測結(jié)果的算法,，在監(jiān)控視頻中有光照變化的情況下依然可以檢測到近乎完整的目標。但是ViBe算法還存在對陰影敏感和鬼影［8］長時間不能消除的問題，這將是下一步的研究計劃,。

參考文獻

　?。?］ PANDER R P，MISHRA N D,，GULBANE S,， et al. Detection of moving object with the help of motion detection alarm system in video survelliance［J］．Journal of Signal and Image Processing，2012,，2(3)：118121.

　?。?］ STAUFER C，GRIMSON W E L．Adaptive background mixture models for realtime tracking［C］．IEEE Computer Society Conference on Computer Vision and Pattern Recognition,1999(2)：241252．

　?。?］ BARNIEH O,，VAN DROOGENBROECH M．ViBe：a powerful random technique to estimate the background in video sequences［C］Proceedings of IEEE International Conference on Acoustics，Speech and Signal Processing,IEEE,，2009：945948.

　?。?］ 邱禎艷, 王修暉. 一種結(jié)合Grabcut的Vibe目標檢測算法［J］.中國計量學院學報,2012,23(3):250256.

　　［5］ 嚴紅亮, 王福龍, 劉志煌, 等. 基于ViBe算法的改進背景減去法［J］.計算機系統(tǒng)應用,2014(6):130134.

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

　　［7］ SAMUELE S, ANDREA C, LUIGI D S. Adaptive appearance modeling for video tracking: survey and evaluation［J］. IEEE Transactions on Image Processing, 2012,21(21):43344348.

　?。?］ 張杜, 陳元枝, 邱憑婷.基于ViBe算法及Canny邊緣檢測的運動目標提?。跩］. 微型機與應用,2015,34(14):3638.