移動通信模式下壓縮感知視頻檢測技術(shù)及其目標重構(gòu)

詹瑾++趙慧民++傅仁軒

【摘 要】為了解決移動通信視頻監(jiān)控的目標追蹤問題，提出一種新的空間域視頻壓縮感知模型，該模型首先通過測量矩陣獲取視頻少量樣本值，然后通過該樣本值同時重構(gòu)運動目標、背景和視頻序列，最后通過視頻序列估計得到一個置信圖，可以進一步提高目標的重構(gòu)質(zhì)量。大量的實驗證明，該模型與典型的空域檢測技術(shù)比較，能夠降低視頻檢測的數(shù)據(jù)量，并有效地重構(gòu)視頻目標，且對運動干擾具有更好的魯棒性。

壓縮感知 視頻檢測 目標重構(gòu) 魯棒性

1 引言

隨著傳感器網(wǎng)絡在視頻監(jiān)控中的廣泛應用，有限通信帶寬條件下的高分辨率視頻獲取技術(shù)成為多媒體研究的焦點。

移動通信中，通常檢測運動目標的方法是背景消除法（BS，Background Subtraction）[1]，它首先估計背景模型，然后通過該模型比較視頻幀以檢測運動目標。當處理實際的視頻監(jiān)控序列時，BS遇到許多挑戰(zhàn)，如光照的變化、運動干擾等[2]。最近，Tsai等[3]利用獨立成分分析（ICA，Independent Component Analysis）提出一種快速背景消除方案。這個方案在室內(nèi)視頻監(jiān)控環(huán)境下能夠容忍光照的變化。在動態(tài)復雜環(huán)境下，Zhang等[4]提出了一種內(nèi)核相似性模型（KSM，Kernel Similarity Modeling）的目標檢測方法，但這個方法僅對簡單的干擾是魯棒的。在動態(tài)背景下，Kim等[5]在文獻中提出一種基于模糊彩色直方圖（FCH，F(xiàn)uzzy Color Histogram）的BS算法用于運動檢測，能夠最小化背景運動產(chǎn)生的色彩變化。根據(jù)背景圖像不同的目標會引起頻率變化的情況，Chen等[6]提出一種分層背景模型。同時，Han等[7]根據(jù)顏色、梯度和類Haar空時特征變量的統(tǒng)計條件，提出一種分塊背景模型，它對光照和陰影的影響都是魯棒的。

上述BS算法都在空域操作，但需要大量的訓練序列估計背景模型。因此，這種模型估計增加了計算成本，實際上限制了BS算法在多媒體傳感器網(wǎng)絡中的應用。

最近提出的CS（Compressive Sensing）[8-10]理論說明，如果信號是稀疏的，它能夠通過遠小于Nyquist采樣率獲取的少量隨機測量值高概率恢復原始信號。CS能夠降低復雜性的同時對圖像進行采樣和壓縮處理，因而它具有降低視頻編碼器運算成本的優(yōu)越性[11]。因此，我們認為CS是視頻信號檢測的較好方案。早期運用CS進行運動目標檢測的方式是通過圖像背景的測量值來訓練目標輪廓，然后再通過訓練后的目標輪廓檢測運動目標[12]。但該算法需要大量的存儲和運算操作，不適合實時多媒體傳感器的網(wǎng)絡系統(tǒng)。2012年，Jiang等[13]通過感知的CS值提出一種低秩和稀疏分解的目標檢測模型。盡管該模型能夠適應于有限帶寬的多媒體傳感器網(wǎng)絡，但由于視頻序列的小波系數(shù)并非稀疏，因而它對干擾和光照非魯棒。2013年，Yang等[14]基于CS理論提出一種僅需要10%的測量值就能同時恢復視頻目標和背景的檢測方法。然而，該方法仍然需要小波變換系數(shù)實現(xiàn)稀疏分解，因此，在干擾和光照條件下容易產(chǎn)生虛假的目標圖像。在文獻[15]中，Write等提出一種壓縮主成成分追蹤的低秩矩陣和稀疏分解的解決方案。該方案在壓縮域能夠?qū)崿F(xiàn)運動目標檢測。

本文提出一種新的視頻壓縮感知模型（VCSM，Video Compressive Sensing Model），旨在通過CS測量值研究一種通信情況下新的目標視頻方法，并解決視頻目標的高精度重構(gòu)問題。VCSM的主要優(yōu)點是能用少量的CS測量值，同時重構(gòu)目標、背景和視頻序列，且對運動干擾具有較好的魯棒性。

2 視頻壓縮感知模型架構(gòu)

圖1為文獻[16]提出的一種三維循環(huán)陣列采樣視頻的實現(xiàn)原理，它能夠同時對視頻信號進行感知和壓縮處理，并具有低復雜性和易于硬件實現(xiàn)的優(yōu)點。這種方法使用兩個步驟實現(xiàn)了視頻壓縮處理：1）隨機卷積。通過原始矢量幀Xt（t=1， 2， …， T）與循環(huán)矩陣C卷積產(chǎn)生循環(huán)測量值Cxt；2）隨機采樣。首先應用排列矩陣P對Cxt進行隨機產(chǎn)生排列矢量PCxt，然后再應用子采樣矩陣St對PCxt進行處理，最后產(chǎn)生一種降維的壓縮值矩陣A=StPCxt=[a1， a2， …， aT]。

基于圖1的結(jié)構(gòu)，已知測量矩陣A，我們提出采用CS技術(shù)重構(gòu)運動視頻的目標和背景。借鑒2009年Candes等提出的一種魯棒的主成成分分析（RPCA，Robust Principal Component Analysis）模型。該模型通過求解公式（1）的最小化問題，能同時重構(gòu)視頻的目標和背景幀：

（1）

其中，X∈R（MN）×T代表原始視頻序列，B和F分別代表視頻的背景和目標。但RPCA模型具有兩種缺陷，一是不能直接通過A重構(gòu)B和F；二是目標圖像重構(gòu)僅對稀疏分布的視頻幀具有魯棒性[17-18]。然而，現(xiàn)實世界的視頻序列存在運動干擾，很少具有稀疏性。文獻[16]利用幀間和幀內(nèi)的相關(guān)性，提出一種三維全局變量（TV3D）的CS視頻重構(gòu)技術(shù)。TV3D具有低的復雜性（O（3×MN×T）），其實現(xiàn)模型為：

TV3D （2）

其中，D1，D2分別是一個幀內(nèi)水平和垂直的差分操作因子，而D3是時間變量差分操作因子。

為了能夠從采樣后的CS測量值直接檢測和重構(gòu)運動目標，我們結(jié)合RPCA和TV3D提出一種新的目標、背景和視頻序列重構(gòu)模型。在CS域，這種模型可以描述為：

（3）

其中，X=[x1， x2， … xT]代表原始視頻序列，B=[b1， b2， … bT]為背景，F(xiàn)=[f1， f2， …， fT]為運動目標，Φ為CS域測量矩陣。在公式（3）中，TV3D用于提高視頻目標重構(gòu)的質(zhì)量。由于公式（3）對可變初始化過程不敏感，因此，X，B，F(xiàn)的初始化矩陣可設置為0矩陣。這樣，rank（B）的最小化問題成為NP問題[17]。通過核范數(shù)，我們把公式（3）問題變成求解如下問題：

（4）

在公式（4）中，TV3D用于保證低秩計算和稀疏分解的精確處理。為了求解公式（4），我們定義重構(gòu)的目標、背景和視頻序列分別為。由于目標重構(gòu)對劇烈運動的干擾非魯棒，Borenstein等[19]利用置信圖（confidence map）確定圖像區(qū)域的原理，提出一種優(yōu)良的圖像分割算法。受此啟發(fā)，本文使用構(gòu)造一個置信圖并定義置信圖為M=[m1， m2， …， mT]， mi∈0， 1；i=1， 2， …， T。在M中，置信圖是一個二進制矩陣，其中運動目標的像素位置設置為1，運動干擾的像素位置設置為0。通過使用（這里代表了Hadamard乘積），我們想進一步改善視頻目標圖像的重構(gòu)質(zhì)量。由于運動干擾的重復性和局部集中的特點[20-21]，現(xiàn)實世界的視頻監(jiān)控系統(tǒng)能夠用高斯分布模型化[22-23]。本文使用混合高斯模型（MGM，Mixed Gaussian Model）來估計受運動干擾后像素影響的強度分布[22]：

（5）

這里f（xij）代表的第i列第j個像素xij的概率密度函數(shù)，ω是MGM的加權(quán)值，?x和σx分別是置信圖算法估計得到的均值和標準方差，?p和Σp為xij的粒子軌跡矩陣估計得到的均值和協(xié)方差矩陣[22]。粒子軌跡矩陣Σp可通過Lagrangian粒子軌跡矩陣移位法實現(xiàn)[24-25]，主要用于獲取運動干擾引起的像素偏差。

基于公式（5），本文中置信圖的實現(xiàn)流程如下：

（1）使用公式（5）估計每個像素的概率密度f（xij）；

（2）設置門限閾值θ，判斷哪些像素屬于運動干擾或運動目標值；

（3）如果f（xij）>θ，則像素xij=1；否則，xij=0。

重復以上過程，得到的二進制矩陣即為實現(xiàn)的置信圖M。

3 視頻目標圖像的重構(gòu)算法

在公式（4）中，視頻壓縮的過程可以描述為αt=Φxt。由于使用P，C和St（t=1， 2， …， T）產(chǎn)生了壓縮測量矩陣A（如圖1所示），因此，我們應用特殊形式rt=Cxt和StPrt=αt替代ΦX=A，則公式（4）可以寫為：

（6）

這里，R=[r1， r2， …， rT]是循環(huán)測量矩陣。對于公式（6）的實現(xiàn)，每次迭代需要兩步進行。第1步，算法重構(gòu)原始視頻X；第2步，分割背景和目標。為了重構(gòu)X，求解公式（7）：

（7）

采用擴展拉格朗日乘法器（ALM）[26]求解公式（7），可以得到：

（8）

這里，λi和ν是拉格朗日乘法器矩陣?？梢姡剑?）可替代公式（7）求解。因此，ALM通過迭代拉格朗日函數(shù)和更新拉格朗日乘法器能夠解決公式（8）的最小化問題。其實現(xiàn)過程如下：

（9）

（10）

（11）

注意到，直接求解公式（9）很困難，因此，有：

（12）

（13）

（14）

公式（12）子問題的求解如下：

（15）

其中，Sα（·）代表軟閾值操作因子，它被定義為：

Sα（x）=sign（x）×max{|x|-α，0} （16）

其中，α表示條件軟閾值大小。

接著，我們通過如下步驟求解公式（13）子問題[16]：

（17）

（18）

公式（18）中PicSt是St選擇的CS測量值索引，rt是矩陣R的第t列值。對于公式（14），X可通過解二次方程式求解。固定Xk+1，求解公式（19）重構(gòu)B和F：

（19）

公式（19）的擴展拉格朗日函數(shù)可以表示為：

（20）

公式（20）中，Y是拉格朗日乘法器矩陣，<·，·>代表了矩陣內(nèi)積。使用ALM算法求解公式（20）中的最小化問題如下：

（21）

（22）

類似地，使用替換策略求解公式（21）中的每個元素的最小化如下：

（23）

（24）

綜合以上求解過程，視頻目標檢測及其重構(gòu)算法的整個過程如圖2所示：

在上述算法中，置信圖M，

Dα（·）是矩陣Z的奇異值收縮因子，并定義為Dα（Z）=USα（Σ）VT。其中，U和V是實單位矩陣，∑是正則化對角矩陣。Sα（·）為矩陣∑的軟閾值操作因子。

4 實驗結(jié)果分析

為了量化算法的實現(xiàn)性能，視頻目標的檢測精度利用F范數(shù)-測量值表示，并定義：

F測量=2×（精度×重構(gòu)率）/（精度+重構(gòu)率） （25）

其中，精度和重構(gòu)率為：

精度=TP/（TP+FP），重構(gòu)率=TP/（TP+FN） （26）

其中，TP、FP以及FN分別表示實正數(shù)、假正數(shù)以及假負數(shù)。F-測量值越高，表示視頻檢測精度的效率越好。表1列出了算法實現(xiàn)時的主要設置參數(shù)：

在實驗中，我們對提出的VCSM和RPCA模型以及典型的基于背景消除算法的改進混合高斯模型（GMM）[29]進行了比較。VCSM、RPCA和GMM均在空域?qū)崿F(xiàn)，所有的實驗使用HP計算機實現(xiàn)（EliteDesk 800 G1 SFF；Intel（R）Core（TM） i7_4790 CPU @3.60 Hz 3.6 GHz；安裝內(nèi)存：4.00 GB；系統(tǒng)類型：64位）。

為了和GMM比較，我們給出一種目標重構(gòu)的突出比較形式。實驗選擇4種室內(nèi)視頻序列（機場大廳176×144×30，候機室160×128×30，餐廳160×120×30和商場大廈320×256×30）作為測試對象進行性能評估。實驗結(jié)果如圖3所示?？梢钥吹?，VCSM僅需要CSR=0.2的測量值就能實現(xiàn)RPCA和GMM方法類似的視頻效果。

最后，我們選擇一組實際的戶外視頻進行實驗，進一步說明算法的實現(xiàn)效果。圖4隨機選擇4幀圖像進行實驗，包含陰影和攝像機抖動干擾。從圖4（b）可以清晰地看到，VCSM方法能比較準確地區(qū)分目標的輪廓形狀，且能完全地消除攝像機抖動干擾。而RPCA和GMM兩種方法都不能給出目標的清晰效果。

5 結(jié)論

本文提出一種基于CS技術(shù)進行視頻序列檢測和運動目標重構(gòu)的實現(xiàn)模型（VCSM），該模型能夠通過少量的測量值實現(xiàn)魯棒的目標、背景和原始視頻重構(gòu)。其中，重構(gòu)的視頻序列可通過估計獲得的置信圖進一步提升運動目標的重構(gòu)效果。大量的實驗結(jié)果表明，與典型的空域方法如RPCA、GMM比較，提出的VCSM方法對室內(nèi)和室外視頻均有較好的檢測和目標重構(gòu)性能，且僅需要更少的數(shù)據(jù)量。尤其對于室外視頻序列，VCSM可以有效地消除運動干擾（如樹枝搖動、噴池水和視頻攝像機噪音等）。VCSM最大的問題是，算法求解核范數(shù)時計算復雜性較高。因此，未來我們將使用云計算及其在線并行技術(shù)實現(xiàn)VCSM對運動目標的視頻分析。

參考文獻：

[1] O Barnich， M Van Droogenbroeck. ViBe： A Universal Background Subtraction Algorithm for Video Sequences[J]. IEEE on Image Processing， 2011，20（6）： 1709-1724.

[2] Brutzer， B Hoferlin， G Heidemann. Evaluation of Background Subtraction Techniques for Video Surveillance[C]//IEEE. IEEE Conference on Computer Vision and Pattern Recognition（CVPR）， 2011： 1937-1944.

[3] T Du-Ming， L Shia-Chih. Independent Component Analysis-Based Background Subtraction for Indoor Surveillance[J]. IEEE Transactions Image Processsing， 2009，18（1）： 158-167.

[4] Z Baochang， G Yongsheng， Z Sanqiang， et al. Kernel Similarity Modeling of Texture Pattern Flow for Motion Detection in Complex Background[J]. IEEE Transactions on Circuits and Systems for Video Technology， 2011，21（1）： 29-38.

[5] K Wonjun， K Changick. Background Subtraction for Dynamic Texture Scenes Using Fuzzy Color Histograms[J]. IEEE Signal Processing Letters， 2012，19（3）： 127-130.

[6] S Chen， J Zhang， Y Li， et al. A Hierarchical Model Incorporating Segmented Regions and Pixel Descriptors for Video Background Subtraction[J]. IEEE Transactions on Industrial Informatics， 2012，8（1）： 118-127.

[7] H Bohyung， LS Davis. Density-Based Multifeature Background Subtraction with Support Vector Machine[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence， 2012，34（5）： 1017-1023.

[8] R Baraniuk. Compressive Sensing[J]. IEEE Signal Processing Magazine， 2007，24（4）： 118-121.

[9] DL Donoho. Compressed Sensing[J]. IEEE Transactions on Information Theory， 2006，52（4）： 1289-1306.

[10] EJ Candes， MB Wakin. An Introduction To Compressive Sampling[J]. IEEE Signal Processing Magazine， 2008，25（2）： 21–30.

[11] J Ma， G Plonka， MY Hussaini. Compressive Video Sampling with Approximate Message Passing Decoding[J]. IEEE Transactions on Circuits & Systems for Video Technology， 2012，22（9）： 1354-1364.

[12] V Cevher， A Sankaranarayanan， M Duarte， et al. Compressive Sensing for Background Subtraction[C]//Springer Berlin Heidelberg. European Conference on Computer Vision（ECCV）， 2008： 155-168.

[13] H Jiang， W Deng， Z Shen. Surveillance Video Processing Using Compressive Sensing[J]. Inverse Problems Imaging， 2012，6（2）： 201-214.

[14] F Yang， H Jiang， Z Shen， et al. Adaptive Low Rank and Sparse Decomposition of Video Using Compressive Sensing[C]//IEEE. IEEE International Conference on Image Processing （ICIP）， 2013： 1016-1020.

[15] J Wright， A Ganesh， K Min， et al. Compressive Principal Component Pursuit[J]. Information Inference， 2013，2（1）： 32-68.

[16] X Shu， N Ahuja. Imaging Via Three-dimensional Compressive Sampling（3DCS）[C]//IEEE. IEEE International Conference on Computer Vision （ICCV）， 2011： 439-446.

[17] B Bao， G Liu， C Xu， et al， Inductive Robust Principal Component Analysis[J]. IEEE Transactions Image Processsing， 2012，21（8）： 3794-3800.

[18] EJ Candes， X Li， Y Ma， et al， Robust Principal Component Analysis[J]. J ACM， 2009，58（1）： 1-37.

[19] E Borenstein， E Sharon， S Ullman. Combining Top-Down and Bottom-Up Segmentation[C]//IEEE. Conference on Computer Vision and Pattern Recognition Workshop， 2004： 46-50.

[20] M Shimizu， S Yoshimura， M Tanaka， et al. Super-resolution from Image Sequence under Influence of Hot-air Optical Turbulence[C]//IEEE. IEEE Conference on Computer Vision and Pattern Recognition （CVPR）， 2008： 1-8.

[21] O Oreifej， G Shu， T Pace， et al. A Two-stage Reconstruction Approach for Seeing Through Water[C]//IEEE. IEEE Conference on Computer Vision and Pattern Recognition （CVPR）， 2011： 1153-1160.

[22] O Oreifej， X Li， M Shah. Simultaneous Video Stabilization and Moving Object Detection in Turbulence[J]. IEEE Transactions on Pattern Analysis & Machine Intelligence， 2013，35（2）： 450-462.

[23] C Stauffer， WEL Grimson. Adaptive Background Mixture Models for Real-time Tracking[C]//IEEE. IEEE Computer Society Conference on Computer Vision and Pattern Recognition， 1999： 252-256.

[24] W Shandong， O Oreifej， M Shah. Action Recognition in Videos Acquired by A Moving Camera Using Motion Decomposition of Lagrangian Particle Trajectories[C]//IEEE. IEEE International Conference on Computer Vision （ICCV）， 2011： 1419-1426.

[25] S Wu， BE Moore， M Shah. Chaotic Invariants of Lagrangian Particle Trajectories for Anomaly Detection in Crowded Scenes[C]//IEEE. IEEE Conference on Computer Vision and Pattern Recognition （CVPR）， 2010： 2054-2060.

[26] W Yin， S Morgan， J Yang， et al. Practical Compressive Sensing with Toeplitz and Circulant Matrices[J]. Visual Communications and Image Processing， 2010.

[27] H Yao， Z Debing， Y Jieping， et al. Fast and Accurate Matrix Completion Via Truncated Nuclear Norm Regularization[J]. IEEE Transactions on Pattern Analysis & Machine Intelligence， 2013，35（9）： 2117-2130.

[28] X Zhou， C Yang， Y Weichuan. Moving Object Detection by Detecting Contiguous Outliers in the Low-rank Representation[J]. IEEE Transactions on Pattern Analysis & Machine Intelligence， 2013，35（3）： 597-610.

[29] Z Zivkovic. Improved Adaptive Gaussian Mixture Model for Background Subtraction[J]. International Association for Pattern Recognition， 2004（2）： 28-31.