一种基于ViBe的改进运动目标检测方法
【专利摘要】本发明公开了一种基于ViBe的改进运动目标检测算法，将ViBe算法中仅有的二值前景图像的单一分割过程加入了二值前景图像的更新过程。经ViBe算法输出的二值前景图像进行斑点去除、小空洞填充和大空洞填充的形态学处理，斑点去除和小空洞填充后的前景图像作为最终检测结果输出。同时，用去除的斑点像素区和填充的大空洞像素区的像素对背景模型的样本进行更新，作为下一幅图像进行ViBe算法运动目标检测的背景模型。本发明计算复杂度低，静止背景下运功目标检测效果优于ViBe算法和ViBe+算法，可作为实际应用的运动目标检测，也适于作为施加辅助手段以求在特殊场景下获取更佳运动目标检测效果的基础算法。
【专利说明】
一种基于Vi Be的改进运动目标检测方法
技术领域
[0001] 本申请涉及一种运功目标检测算法，该方法可广泛用于图像、视频处理领域。
【背景技术】
[0002] Barnich和Van Droogenbroeck提出的ViBe(Visual Background Extractor)运动 检测算法是背景减除算法中的非参数非迭代算法，为基于像素为的背景建模，前景检测算 法，也是第一个随机背景减除算法。该算法的背景模型的更新策略仅依靠本幅图像中随机 选择所需替换的像素样本，随机选择邻域像素进行更新，从空间信息间接取得时间信息，建 立背景模型，从而实现前景运动对象的检测。因该算法内存占用小、计算复杂度低，背景模 型建立迅速，抗噪性能好等优点受到广泛关注。同时ViBe算法还存在一些缺点，如检测指标 有相当提升空间，阴影、鬼影、抖动等方面存在较大局限性，有不少的研究关注于ViBe算法 性能的进一步改善。
[0003] ViBe算法的作者之一Van Droogenbroeck随后又提出了ViBe的改进算法ViBe+。 ViBe+区分了二值前景检测图像分割和更新两个过程，综合了多种手段，如加入100帧的训 练序列、通过调整众多固定参数加速保守的更新进程、用形态学对前景空洞的填充和对斑 点块的消除、抑制空间扩散速度、用更精确也更复杂的距离判断和启发式的闪烁像素检测 等改善ViBe的缺陷，使得检测的结果更加精确，但过于强调对抖动的改善，计算复杂度大且 延时大大增加，不便于移植也难以适用于广泛的实时性应用。
[0004] ViBe+为ViBe算法的改进提供了很好的思路，加入提高检测效果的关键手段一一 形态学处理方法。但一方面ViBe+算法在形态学手段的应用上存在缺陷，另一方面ViBe+过 多的其它手段增加了算法复杂度和延时，降低了实用性。将ViBe+的形态学方法完善，并独 立用于对ViBe算法改进上，可以提高运动目标检测效果同时不增加过多的计算复杂度和延 时。
【发明内容】
[0005] 基于上述想法，本发明提出了一种基于ViBe的改进运动目标检测算法，采用更完 善的生态学手段应用于ViBe算法中，进一步提高静止背景下运动目标检测的效果。
[0006] 为实现上述目的，采用如下技术方案：
[0007] 步骤1:对输入图像序列逐帧进行Vi Be算法处理，输出二值的运动目标检索图像 Mask。对ViBe算法做如下改进：1)记录背景模型背景样本集合中所有样本的来源坐标，便于 后续背景样本失效删除;2)采用YUV颜色空间Y、U、V三分量分别计算待分类像素与背景样本 集中样本像素的欧几里德距离(分别为Ydist、Udist和Vdist)是否满足判决，来决定待分类 像素是否选入背景模型背景样本集合中，具体采用下式为判决依据：
[0008] (Ydist<Y_Radius)&&(Udist<U_Radius)&&(Vdist<V_Radius) = 1 (1)
[0009] 其中3_1^(11118、1]_1^(11118、￥_1^(11118分别是背景样本选取半径，分别取20、10、10。
[0010] 步骤2 :对Mask先后进彳丁面积小于Sspot的前景斑点去除和面积小于Ssmallhole的前景 空洞填充，分别输出二值图像Maskl和Mask2，以Mask2作为最终检测结果输出，其中，SspQt和 Sgllhole按下面给出的公式求得：
(2) (3) (4)
[0014]其中，"L」"算子为下取整，"「1"算子为上取整，Area是当前图像的像素总数， AreaciF是CIF格式图像像素总数。
[0015]步骤3:对Maskl进行面积小于Sbighoie(式3)的前景空洞填充输出二值图像Mask3， 再进行中值滤波输出最终运动目标检测二值图像。从步骤1到步骤3完成了前景检测图像的 分割过程。
[0016] 步骤4:将Mask和Maskl进行异或，得到已删除的斑点像素区.将Mask和Mask3进行 异或，可以得到已填充的大空洞像素区。
[0017]步骤5:将斑点像素区内的像素随机的添加在背景模型的样本集合中，更新背景模 型;将大空洞像素区内的像素从背景模型的背景样本集合中删除，二次更新背景模型。
[0018]步骤6:将更新的的背景模型用于步骤1的新的图像帧的运动目标检测。从步骤4到 步骤6完成了前景检测图像的更新过程。
[0019] 经过上述6个步骤，实现了前景检测图像的分割过程和更新过程，完成了基于ViBe 算法改进的运动目标检测工作，其中目标检测结果在前景检测图像的分割过程的步骤3中 输出完成。
[0020] 本发明的有益效果是：
[0021] 1、本发明在基于ViBe算法基础施加生态学手段，并增加了更完善的前景检测图像 更新过程，引入的额外计算复杂度低，获得了更好的静止背景下的运动目标检测效果，优于 ViBe算法和ViBe+算法，算法复杂度远低于ViBe+且不会受训练序列影响产生延时。
[0022] 2、本发明可以替代ViBe算法，作为施加辅助手段以求在特殊场景下获取更佳运动 目标检测效果的基础算法。
【附图说明】
[0023]图1为本发明基于ViBe算法改进的运动目标检测方法的流程示意图；
[0024]图2为本发明提出的运动目标检测方法与ViBe、ViBe+算法的指标比较；
【具体实施方式】
[0025]下面结合附图和具体实施例对本发明做进一步详细说明，但不以任何形式限制本 发明。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下进行若 干变形和改进所获得的其他实施例，都属于本发明保护的范围。
[0026] 用pf (X，y, {f = y，C/, F丨表示图像(x，y)位置像素p (x，y)在YUV彩色空间中的某 一基色值(Y，U或V)，用/表示(x，y)像素第i个背景f基色样本值。为每个像素点基 色建立含有N个带有坐标信息的从之前帧中获取的背景样本值的集合，以此为背 景模型：
[0027] Mt (x, y) = [ptx (x, y), pt2(x9 y),..., ptN (x, >；)}, {t = Y, U, V}
[0028] 对第1帧背景模型M (X，样本的建立，取自p (x，y)空间上8领域内随机的N个像 素。
[0029 ]对当前待分类像素与对应的背景模型(X，进行相似度比较， 0 = ，相似度高为前景。相似度判决，首先要计算与背景模型 中N个样本值中的每一个样本按下式分别计算欧式距离：
[0030] tdist = ^pt(x,y)~ = Y,U,V}
[0031] 当沿M5, f = ；K,t/,F都满足时，才认为该像素与背景模型样本集合中 的当前样本的距离符合要求，与一个样本相似，即：
[0032] (Ydist<Y-Radius)&&(Udist<U-Radius)&&(Vdist<V-Radius) = = 1
[0033] 其中，fA_及ac//财，{f = r，t/，F}为距离判别阈值。当样本相似的数量达到阈值#!^11 后，就认为当前待分类像素pf (X,与对应的背景模型A/? 相似，将当前像素p (x，y) 的值随机的更新到背景模型中，其中#min = 2，N = 20，Y_Radius = 20， U_Radius = 10，V_Radius = 10 都为固定值。
[0034]上述工作，是对ViBe算法内部做的必要改进及原理说明，其它过程同ViBe算法一 致。本实施例通过图1所示的过程完成基于ViBe的改进运动目标检测。
[0035]步骤101:以上述改进后的ViBe算法对输入图像序列逐帧进行运动目标的检测，输 出检测的二值图像Mask，白色(255值)表示前景，黑色(0值)表示背景。
[0036]步骤102:对Mask进行斑点去除，输出二值图像Mask。斑点的大小Ssp〇t按下式作为 去除依据：
[0038]其中，"L」"算子为下取整，"「1"算子为上取整，Area是当前图像的像素总数， AreaciF是CIF格式图像像素总数。
[0039]步骤10 3 :对Ma s k进行前景中的小空洞填充，输出二值图像Ma s k 2。小空洞的大小 Ssmallhole按下式作为填充依据：
[0041] 其中，符号表不同Sspot中含义一致。
[0042]步骤104:对Mask2进行3 X 3的中值滤波，输出输出最终运动目标检测二值图像。 [0043] 步骤105:将Mask和Maskl进行异或，得到已删除的斑点像素区。
[0044]步骤106:对Maskl进行前景中的大空洞填充，输出二值图像Masl^Dda空洞的大小 Sbighole按下式作为填充依据：
[0046] 其中，符号表不同Sspot中含义一致。
[0047] 步骤107:将Mask和Mask3进行异或，得到已填充的大空洞像素区。
[0048] 步骤108:将斑点像素区内的像素随机的添加在背景模型的样本集合中，更新背景 模型;将大空洞像素区内的像素从背景模型的背景样本集合中删除，二次更新背景模型。将 二次更新的的背景模型用于新的图像帧的运动目标检测。
[0049] IEEE Change Detection Workshop(O)W)以目标运动/变化检测算法的性能验证 为目的，于2012年和2014年分别对近几年运动目标检测的研究成果进行了评价与总结。为 了使其研究结果可信并具有普适性，CDW提供了综合测试视频序列库，为运动检测算法提供 了良好的素材库。采用CDW提供的图像序列进行运动目标检测的算法测试，选取了公共场景 基准68861；[116序列子库和动态背景(17仙111；[〇1^〇1^1'01111(1子库共7组序列进行测试。采用〇)￥ 中公认的7个常用指标（召回率Recall、特异性Specficity、前景错误率FPR、背景错误率 FNR、分类错误率I^C、准确率Precision和F测度F-Measure)进行定量地评价检测结果。图2 所示的结果表明：测试指标普遍优于ViBe算法和ViBe+算法。
【主权项】
1. 一种基于ViBe的改进运动目标检测方法，其特征在于，包括以下步骤： 步骤1:对输入图像序列逐帧进行ViBe算法处理，输出二值的运动目标检索图像Mask。 对ViBe算法做如下改进：1)记录背景模型背景样本集合中所有样本的来源坐标，便于后续 背景样本失效删除；2)采用YUV颜色空间三基色分量分别计算待分类像素与背景样本集中 样本像素的欧几里德距离，来判断待分类像素是否选入背景模型背景样本集合的依据。 步骤2 :对Mask先后进彳丁面积小于Sspot的前景斑点去除和面积小于Ssmallhole的前景空洞 填充，分别输出二值图像Maskl和Mask2，以Mask2作为最终检测结果输出。 步骤3:对Maskl进行面积小于SbighciIe的前景空洞填充输出二值图像Mask3。 步骤4:将Mask和Maskl进行异或，得到已删除的斑点像素区.将Mask和Mask3进行异或， 可以得到已填充的大空洞像素区。 步骤5:将斑点像素区内的像素随机的添加在背景模型的样本集合中，更新背景模型； 将大空洞像素区内的像素从背景模型的背景样本集合中删除，二次更新背景模型。 步骤6:将更新的的背景模型用于新的图像帧的运动目标检测。2. 根据权利要求1所述的一种基于ViBe的改进运动目标检测方法，其特征在于，记录背 景模型背景样本集合中所有样本的来源坐标，用于后续处理;采用YUV颜色空间三基色分量 分别计算待分类像素与背景样本集中样本像素的欧几里德距离（分别为Ydist、Udist和 Vdist )，来判断待分类像素是否选入背景模型背景样本集合的依据，具体采用下式： (Ydist<Y_Radius)&&(Udist<U_Radius)&&(Vdist<V_Radius) = 1 其中，￥_1^(1丨118、1]_1^(1丨118、￥_1^(1丨118分别是背景样本选取半径，分别取20、10、10。3. 根据权利要求1和2所述的一种基于ViBe的改进运动目标检测方法，其特征在于，将 二值图像Mask和Maskl进行异或，得到已删除的斑点像素区；将二值图像Mask和Mask3进行 异或，可以得到已填充的大空洞像素区。接着将已删除的斑点像素区内的像素随机的添加 在背景模型的样本集合中更新背景模型，将大空洞像素区内的像素从背景模型的背景样本 集合中删除进行背景模型的二次更新，将更新后的模型用于新的输入图像的运动目标检 测 。
【文档编号】G06T7/00GK105894534SQ201610172005
【公开日】2016年8月24日
【申请日】2016年3月25日
【发明人】石东新, 王非非, 孙象然, 杨占昕
【申请人】中国传媒大学