基于改进视觉背景提取的运动目标检测方法
【专利摘要】本发明公开了一种基于改进视觉背景提取的运动目标检测方法，先对视频图像的每个像素点建立一个背景模型，计算当前像素点与背景模型的相似度，如果相似，则分类为背景，否则为前景，根据被连续判定为前景的次数选择是否更新背景模型及显示运动目标。本发明能够将背景误检为运动前景从而产生的Ghost去除。
【专利说明】基于改进视觉背景提取的运动目标检测方法
【技术领域】
[0001] 本发明属于图像处理【技术领域】，特别是一种基于改进视觉背景提取的运动目标检 测方法。
【背景技术】
[0002] 智能分析系统需要准确地完成运动目标的检测，从而将运动目标与背景图像分 离，以供后继处理。因此运动目标检测是运动目标跟踪等很多后续处理的基础，运动目标检 测算法制约着整个智能视频监控系统的稳定性、可靠性。
[0003] 目前，比较成熟的运动目标检测算法可以分为以下三类：光流法、帧差法以及背景 建模法。
[0004] (1)光流法是将二维图像平面坐标点上灰度的瞬时变化率定义为光流矢量，通过 估计光流矢量梯度平方和或拉普拉斯平方和的最小化确定目标运动。单纯从图像灰度强度 来检测运动目标的光流法在运动目标与背景图像的对比度很小，或图像存在噪声时，其效 果较差，而且光流法运算量较大，对硬件设备要求较高，在实时监控系统中很难得到应用。
[0005] (2)帧差法是在视频图像序列中的相邻两帧间对图像灰度值做差分运算，从而提 取图像中的运动区域。帧差法在动态环境中具有较强的自适应性，对光照的变化干扰不敏 感，运算量小，其缺点是很难完整地提取出与运动目标相关的全部像素区域，只能提取出边 界点，容易在运动实体内部产生空洞。此外，在运动目标速度缓慢时，很可能会检测不到，而 运动目标速度过快时，将会把部分背景也检测为运动目标，检测出的物体在运动方向上被 拉伸，造成检测效果不精确。
[0006] (3)背景差分法是对视频帧序列进行分析后通过建立相应的合适的背景提取模型 提取到背景图像帧，再通过多视频帧序列进行实时采集获得当前帧视频图像，二者相减得 到差分值。通过对差分结果的辨析，判断某一像素点是感兴趣的（或者说有用的）运动目 标还是背景像素点。根据背景差法的原理，只要能够建立正确的背景图像，用当前帧图像减 去背景图像即可提取出运动目标。所以，运动目标检测的关键是如何建立合适的自适应背 景模型，有效的去除光照、噪声等引起的干扰。自适应背景模型能够根据背景的变化建立背 景模型，并不断更新模型参数，最后根据运动目标像素的模型分布参数与背景模型的分布 参数是否符合来判断运动目标像素点，从而检测出运动目标。
[0007] 视觉背景提取（VIBE)算法属于背景差分法的一种，是由OlivierBarnich和 MarcVanDroogenbroeck于2009年《IEEE》在上发表的《VIBE:APOWERFULRANDOMTECHNIQUE TOESTIMATETHEBACKGROUNDINVIDEOSEQUENCES》中提出的一种基于时空随机选择思想 的背景提取算法。与一些主流的背景建模方法（核函数估计、混合高斯背景建模等）采用 估计像素概率密度函数来建立像素模型的方法不同，VIBE算法不再估计概率密度函数而是 采用一系列的像素集合作为每个位置像素点的背景模型。首次将随机选择机制引入到背景 建模中，通过随机选择样本估计背景模型的方式描述实际场景的随机波动性。VIBE背景建 模有思想简单、易于实现、运算效率高等优点，但当背景模型的初始帧存在着运动目标或目 标从运动状态转变为长时间甚至永久静止时，由于此时依然将其判定为运动前景而不对其 背景模型更新，会在之后的检测中出现虚假目标，即鬼影Ghost。
【发明内容】
[0008] 本发明的目的在于提供一种基于改进视觉背景提取的运动目标检测方法，能够将 背景误检为运动前景从而产生的Ghost去除。
[0009] 实现本发明目的的技术解决方案为：一种基于改进视觉背景提取的运动目标检测 方法，包括以下步骤：
[0010] 步骤（1)，利用红外探测器或者可见光摄像头采集图像，该图像含有运动目标；
[0011]步骤（2)，如果步骤⑴采集到的是RGB图像，对其进行灰度化；
[0012] 步骤（3)，初始化背景模型：提取红外探测器采集的灰度化图像或步骤⑵得到的 灰度化图像中前K帧图像奇数帧的像素点灰度值，另外建立针对一帧图像里每一个像素点 的初始化背景模型M(x);
[0013] 步骤（4)，背景判断：从灰度化图像的K+1帧开始判断每个像素点是否为背景，计 算K+1帧开始后的每一帧的每个像素点与背景模型的相似度，如果相似，则分类为背景，转 到步骤（5);否则为前景，记录判断为前景的次数Tom(x，y)，其中（x，y)代表像素点在一帧 图像中的横纵坐标，然后转到步骤（6);
[0014] 步骤（5)，更新背景模型M(x);
[0015] 步骤（6)，前景进一步判断：根据每个像素点的前景判断次数T〇m(x，y)及当前帧 的像素点与当前帧之前的L帧相同位置像素点的相似度来判定该像素点是误判为前景的 背景点，如果是，则更新背景模型M(x);否则判定该像素点是前景点，转到步骤（7);
[0016] 步骤（7)，若步骤（6)的像素点为前景，则判断为运动目标，显示该运动目标，令其 在显示器显示的灰度值为255。
[0017] 本发明与现有技术相比，其显著优点：（1)传统VIBE算法主要是利用单帧视频序 列初始化背景模型，对于一个像素点，结合相邻像素点拥有相近灰度值的空间分布特性，随 机的选择它的邻域点的灰度值作为它的模型样本值。在初始场景中存在运动目标的情况 时，该方法建立的背景模型中的样本可能含有大量运动目标所对应的灰度值，在后续的前 景检测中易产生Ghost。本发明提出的方法对初始场景的前K帧图像，取奇数帧每个像素点 的灰度值建立背景模型，相比传统VIBE算法，可以增大所建立背景模型的准确性。（2)当像 素点被判定为背景需要更新其背景模型时，传统VIBE算法采用无记忆更新策略，即每次以 该像素点当前帧的灰度值随机更新对应模型中的某个样本。本发明提出的方法则在前景判 断过程中记录欧氏距离最大的样本位置，在模型更新时以当前帧像素点的灰度值更新该样 本，相比传统VIBE算法，能在更短的时间更新出可靠的背景模型。（3)当目标从运动状态转 变为长时间甚至永久静止时，由于传统VIBE算法依然将其判定为运动前景而不对其背景 模型更新，会在之后的检测中出现虚假目标，即鬼影Ghost。本发明提出的方法在更新过程 中加入T0M(Timeofmap)机制，可以对把鬼影Ghost有效消除。实验结果表明，本发明基 于改进视觉背景提取的运动目标检测方法检测效果较好，目标信息丰富，误检率低，可以有 效消除Ghost，可以单独应用在安防监控，夜视侦查等民事和军事领域。
[0018] 下面结合附图对本发明作进一步详细描述。
【专利附图】
【附图说明】
[0019] 图1为本发明基于改进视觉背景提取的运动目标检测方法的流程图。
[0020] 图2 (a)为0TSU帧差法、混合高斯模型算法、传统VIBE算法与本发明提出的改进 的视觉背景提取方法在夜间树林对行人的检测效果对比图：1)原始图像；2)0TSU帧差法 的检测结果；3)混合高斯模型算法检测结果；4)VIBE算法检测结果；5)本发明方法检测结 果。
[0021] 图2(b)为0TSU帧差法、混合高斯模型算法、传统VIBE算法与本发明提出的改进 的视觉背景提取方法在夜间公园对行人的检测效果对比图：1)原始图像；2)0TSU帧差法 的检测结果；3)混合高斯模型算法检测结果；4)VIBE算法检测结果；5)本发明方法检测结 果。
[0022] 图2 (c)为0TSU帧差法、混合高斯模型算法、传统VIBE算法与本发明提出的改进 的视觉背景提取方法在室外对行人的检测效果对比图：1)原始图像；2)0TSU帧差法的检测 结果；3)混合高斯模型算法检测结果；4)VIBE算法检测结果；5)本发明方法检测结果。
[0023] 图2 (d)为0TSU帧差法、混合高斯模型算法、传统VIBE算法与本发明提出的改进 的视觉背景提取方法在停车场对车辆的检测效果对比图：1)原始图像；2)0TSU帧差法的检 测结果；3)混合高斯模型算法检测结果；4)VIBE算法检测结果；5)本发明方法检测结果。
[0024] 图3(a)为传统VIBE算法与本发明方法在室外行人的检测中第41帧的结果对比 图。
[0025] 图3 (b)为传统VIBE算法与本发明方法在室外行人的检测中第47帧的结果对比 图。
[0026] 图3 (c)为传统VIBE算法与本发明方法在室外行人的检测中第49帧的结果对比 图。
[0027] 图3 (d)为传统VIBE算法与本发明方法在室外行人的检测中第55帧的结果对比 图。
[0028] 图3 (e)为传统VIBE算法与本发明方法在室外行人的检测中第60帧的结果对比 图。
【具体实施方式】
[0029] 步骤（1)，利用红外探测器或者可见光摄像头采集图像，该图像含有运动目标。
[0030] 步骤（2)，如果步骤（1)采集到的是RGB(红绿蓝三基色）图像，对其进行灰度化。
[0031]步骤（3)，初始化背景模型：提取红外探测器采集的灰度化图像或步骤（2)得到的 灰度化图像中前K帧图像奇数帧的像素点灰度值，另外建立针对一帧图像里每一个像素点 的初始化背景模型M(x)。
[0032] 其中提取灰度化图像中前K帧图像奇数帧的像素点，另外建立初始化背景模型 M(x)步骤如下：
[0033] 对于当前帧中的任一像素点，采用该像素点在视频初始时的前K帧图像奇数帧的 像素点灰度值集合，来建立初始化背景模型
[0034] M(x) = {p1；p2, . . .pN}
[0035] 式中，Pl，p2, ...pN为背景模型的样本，对应于前K帧图像奇数帧的像素点灰度值， N=K/2。以K取40为例，S卩N= 20,背景模型M(x)中共有20个样本。
[0036]步骤（4)，背景判断：从灰度化图像的K+1帧开始判断每个像素点是否为背景，计 算K+1帧开始后（包括K+1帧）的每一帧的每个像素点与背景模型的相似度，如果相似，则 分类为背景，转到步骤（5);否则为前景，记录判断为前景的次数Tom(x，y)，其中（x，y)代表 像素点在一帧图像中的横纵坐标，然后转到步骤（6);
[0037] 上述从K+1帧开始，判断像素点是否为背景步骤如下：
[0038] a)从K+1帧开始，对于当前帧的某一像素点X，其灰度值为P(x)，在欧式颜色 空间中定义一个以P(x)为中心，R为半径的圆SK(P(x))，R为模型匹配阈值，SK(P(x)) 表示所有与P(x)距离小于R的灰度值的集合，用M(x)落在圆SK(P(x))内的样本个数 #{SK(P(x))n 来描述P(x)与背景模型M(x)的相似度。以R取20为例。
[0039] b)设定最小匹配个数#min，根据下式，如果#{SK(P(x))n也，P2...PN}} < #min， 则像素点x与背景模型M(x)不匹配，判断该点为前景，每当像素点x被判定为前景一次， Tom(X，y)加1 ;否则像素点x与背景模型M(x)匹配，判断该点为背景，Tom(X，y)置0。以 #min取4为例。
【权利要求】
1. 一种基于改进视觉背景提取的运动目标检测方法，其特征在于包括以下步骤： 步骤（1)，利用红外探测器或者可见光摄像头采集图像，该图像含有运动目标； 步骤（2)，如果步骤（1)采集到的是RGB图像，对其进行灰度化； 步骤（3)，初始化背景模型：提取红外探测器采集的灰度化图像或步骤（2)得到的灰度 化图像中前K帧图像奇数帧的像素点灰度值，另外建立针对一帧图像里每一个像素点的初 始化背景模型M(X); 步骤（4)，背景判断：从灰度化图像的K+1帧开始判断每个像素点是否为背景，计算K+1 帧开始后的每一帧的每个像素点与背景模型的相似度，如果相似，则分类为背景，转到步骤 (5);否则为前景，记录判断为前景的次数T 〇m(x，y)，其中（x，y)代表像素点在一帧图像中 的横纵坐标，然后转到步骤（6); 步骤（5)，更新背景模型M(X); 步骤（6)，前景进一步判断：根据每个像素点的前景判断次数T〇m(x，y)及当前帧的像 素点与当前帧之前的L帧相同位置像素点的相似度来判定该像素点是误判为前景的背景 点，如果是，则更新背景模型M(X);否则判定该像素点是前景点，转到步骤（7); 步骤（7)，若步骤（6)的像素点为前景，则判断为运动目标，显示该运动目标，令其在显 示器显示的灰度值为255。
2. 根据权利要求1所述的基于改进视觉背景提取的运动目标检测方法，其特征在于在 步骤⑶中，提取灰度化图像中前K帧图像奇数帧的像素点，另外建立初始化背景模型M(X) 步骤如下： 对于当前帧中的任一像素点，采用该像素点在视频初始时的前K帧图像奇数帧的像素 点灰度值集合，来建立初始化背景模型 Μ(χ) = {ρ!，ρ2, · · · pN} 式中，Pl，p2,... pN为背景模型的样本，对应于前K帧图像奇数帧的像素点灰度值，N = K/2。
3. 根据权利要求1所述的基于改进视觉背景提取的运动目标检测方法，其特征在于在 步骤（4)中，从K+1帧开始，判断像素点是否为背景步骤如下： (a) 从K+1帧开始，对于当前帧的某一像素点X，其灰度值为P(X)，在欧式颜色空 间中定义一个以P(x)为中心，R为半径的圆S k(P(x))，R为模型匹配阈值，Sk(P(x))表 示所有与P(x)距离小于R的灰度值的集合，用M(X)落在圆S k(POO)内的样本个数 # {SK (P (X)) Π (P1, P2. . . PN}}来描述P (X)与背景模型M (X)的相似度； (b) 设定最小匹配个数#min，根据下式，如果 #{SK(P(x)) n <#min，贝U像素点X与背景模型M(X)不匹配，判断该点为 前景，每当像素点X被判定为前景一次，判断为前景的次数Tom(X，y)加1 ;否则像素点X与 背景模型M(X)匹配，判断该点为背景，T〇m(x，y)置0;
4. 根据权利要求1或3所述的基于改进视觉背景提取的运动目标检测方法，其特征在 于在步骤（5)中，若像素点为背景，更新背景模型的步骤如下： (a) 记录像素点X在判定背景过程中欧氏距离最大的样本位置； (b) 有1/Φ概率去更新当前帧像素点X自身的背景模型，即从K+1帧开始，在更新当前 帧像素点X自身的背景模型时，用当前帧像素点X的灰度值PU)更新步骤（4)欧氏距离中 最大值所对应的样本； (c) 有1/Φ的概率用当前帧像素点X的灰度值PU)去更新它的F*F邻域某一像素点 对应背景模型的随机一个样本。
5.根据权利要求1所述的基于改进视觉背景提取的运动目标检测方法，其特征在于在 步骤（6)中，前景进一步判断的步骤如下： 1) 如果步骤（4)中T〇m(x，y) 3N，即至少连续N次被判定为前景，执行以下操作： a) 在欧式颜色空间中定义一个以P(x)为中心，Q为半径的圆Sq(P(x))，Q为灰度匹配 阈值，S q(POO)表示所有与P(X)距离小于Q的灰度值的集合，用前面L帧的相同位置像素 点灰度值PpP2. . ^落在圆Sq (P(x))内的个数#% (Ρ(χ)) Π (P1, P2. ..PJ}来描述当前帧 该像素点与前面L巾贞的相同位置像素点的相似度。 b) 设定最小基数ζ，如果#{SQ(P(X)) n {PdP^.pJ}彡ζ，则认为该像素点被误判为 前景，更正为背景，用当前帧像素点X的灰度值P(X)更新步骤（4)欧氏距离中最大值所对 应的样本，同时设置该像素点在显示器显示的灰度值为〇 ; C)如果#{SQ (P(x)) n (PpP2. ..PJ }〈Z，则认为该像素点确实为前景，转到步骤（7); 2) 若步骤（4)中Tom(x，y) <N，即连续判定为前景次数小于N，将该像素点判断为前 景，转到步骤（7)。
【文档编号】G06T7/20GK104392468SQ201410677578
【公开日】2015年3月4日 申请日期:2014年11月21日 优先权日:2014年11月21日
【发明者】刘磊, 黄伟, 岳超, 李贺, 孔祥宇 申请人:南京理工大学