基于改進(jìn)ViBe算法的運(yùn)動(dòng)目標(biāo)檢測(cè)方法研究

王艷梅，張艷珠，劉義杰

(沈陽(yáng)理工大學(xué) a.信息科學(xué)與工程學(xué)院；b.自動(dòng)化與電氣工程學(xué)院，沈陽(yáng) 110159)

目前典型的目標(biāo)檢測(cè)傳統(tǒng)算法有幀差法[1-2]、光流法[3]和背景減除法[4]等。其中幀差法檢測(cè)運(yùn)動(dòng)目標(biāo)的計(jì)算量較少，但這種算法針對(duì)緩慢運(yùn)動(dòng)物體檢測(cè)效果較差。光流法對(duì)物體的運(yùn)動(dòng)速度及光照變化比較敏感，且計(jì)算量較大，不能用于實(shí)時(shí)的目標(biāo)檢測(cè)。背景減除法是最常用的目標(biāo)檢測(cè)方法之一，這種算法的原理是將前景與背景分離，高斯混合模型和ViBe(Visual Background Extractor)算法[5-6]就是最為常用的背景減除算法，其中高斯模型對(duì)各種復(fù)雜的場(chǎng)景都有較好的檢測(cè)效果[7-8]，但在實(shí)際應(yīng)用當(dāng)中，針對(duì)場(chǎng)景的目標(biāo)檢測(cè)需要建立許多高斯混合模型，參數(shù)量大，實(shí)時(shí)性較差；而ViBe算法則能夠快速地分離出圖像的前景與背景，這種算法能以固定的更新率更新背景模型，在環(huán)境沒有波動(dòng)時(shí)可產(chǎn)生很好的效果，但一旦環(huán)境發(fā)生變化，就會(huì)產(chǎn)生鬼影[9-10]。由于傳統(tǒng)算法的限制，一些智能算法逐漸出現(xiàn)，如Faster-rcnn算法、Yolo算法等；其中Faster-rcnn算法能夠準(zhǔn)確地進(jìn)行目標(biāo)定位，但實(shí)時(shí)性較差[11-12]；而Yolo算法可以在實(shí)時(shí)性上領(lǐng)先Faster-rcnn算法[13]，準(zhǔn)確率不如Faster-rcnn算法，且兩種算法都需要大量的數(shù)據(jù)標(biāo)注，實(shí)際應(yīng)用中會(huì)浪費(fèi)大量時(shí)間與人力、物力成本來進(jìn)行數(shù)據(jù)處理工作?？梢姛o論傳統(tǒng)算法還是智能算法都有各種各樣的問題，本文針對(duì)這些問題提出了一種改進(jìn)的ViBe算法，提高了原有ViBe算法的準(zhǔn)確性，且不需要智能目標(biāo)檢測(cè)中的數(shù)據(jù)標(biāo)注過程，可節(jié)省大量人力成本，并實(shí)現(xiàn)了對(duì)運(yùn)動(dòng)物體高準(zhǔn)確率與時(shí)效性的目標(biāo)檢測(cè)，有著較強(qiáng)的魯棒性。

1 ViBe算法原理

ViBe算法出現(xiàn)時(shí)間相對(duì)較近，是一種像素級(jí)視頻背景建模算法，其原理是將一個(gè)像素點(diǎn)過去的值或其領(lǐng)域的值保存為一個(gè)樣本集，利用當(dāng)前像素點(diǎn)和該樣本集的值比較，如果屬于背景點(diǎn)，則隨機(jī)替換背景模型中的一個(gè)值；其主要過程可分為三個(gè)部分，分別是模型的初始化、前景分割與背景模型的更新。

1.1 模型初始化

ViBe算法只需要單幀序列就能初始化模型，而大多數(shù)算法背景建模需要一定長(zhǎng)度視頻幀序列去初始化建模；對(duì)于復(fù)雜系統(tǒng)，反復(fù)初始化的時(shí)間很長(zhǎng)，不利于運(yùn)動(dòng)目標(biāo)檢測(cè)的實(shí)時(shí)性和連貫性，這也是ViBe算法的優(yōu)點(diǎn)[14]。

假設(shè)vi為第i幀圖像序列的背景模型樣本像素值，選取N個(gè)樣本，構(gòu)成背景模型幾何M(x)。

M(x)={v1，v2，…，vN-1，vN}

式中vi表示i領(lǐng)域隨機(jī)樣本值。

1.2 前景分割

當(dāng)獲取背景中所有樣本集后，建立模型，判斷當(dāng)前點(diǎn)是否屬于前景點(diǎn)。

式中：#{·}表示滿足閾值條件的個(gè)數(shù)；d(·)表示v(x)與vi(x)間歐氏距離；SR(v(x))是以v(x)為中心、R為半徑的球體區(qū)域；η表示閾值，若交集數(shù)小于閾值，認(rèn)為是前景點(diǎn)，否則為背景點(diǎn)。

1.3 背景模型更新

背景模型更新是該算法的關(guān)鍵部分，為適應(yīng)環(huán)境的各種變化(如光照強(qiáng)度突變、場(chǎng)景物體變更等擾動(dòng))，背景模型也應(yīng)當(dāng)更新以適應(yīng)這種變化?，F(xiàn)有的更新策略一般分為保守更新策略和Blind更新策略。所謂保守更新策略，即背景模型僅計(jì)算那些被判斷為背景點(diǎn)的像素，而前景點(diǎn)不予采用。ViBe算法采用的是保守更新策略，其優(yōu)點(diǎn)是能夠完整準(zhǔn)確快速的檢測(cè)運(yùn)動(dòng)目標(biāo)物體，但易存在鬼影區(qū)域。為此，ViBe算法結(jié)合空間信息并添加了對(duì)前景點(diǎn)計(jì)數(shù)的策略來消除鬼影區(qū)域。傳統(tǒng)ViBe算法基本能適應(yīng)各種背景情況，檢測(cè)結(jié)果相對(duì)于光流法等其他傳統(tǒng)方法用時(shí)更短，能夠獲得更完整的檢測(cè)信息。缺點(diǎn)是如果第一幀就包含運(yùn)動(dòng)目標(biāo)，則檢測(cè)結(jié)果的鬼影較難消除。

2 改進(jìn)的ViBe算法

傳統(tǒng)的ViBe算法由于很難完全將陰影去除，影響對(duì)檢測(cè)結(jié)果形狀識(shí)別，本文提出一種針對(duì)室內(nèi)視頻中運(yùn)動(dòng)目標(biāo)運(yùn)動(dòng)速度過快造成的陰影不易識(shí)別的ViBe算法的改進(jìn)方法，提取不包含陰影的檢測(cè)結(jié)果，從而提升檢測(cè)的準(zhǔn)確性，用于后續(xù)目標(biāo)識(shí)別、行為理解。該方法利用ViBe算法和基于灰度比的陰影檢測(cè)和抑制算法相結(jié)合，改進(jìn)提取前景運(yùn)動(dòng)目標(biāo)的算法，獲得一個(gè)相對(duì)更為準(zhǔn)確的提取結(jié)果，算法如下。

(1)利用ViBe算法來提取運(yùn)動(dòng)目標(biāo)二值化圖像D(x，y)，并對(duì)結(jié)果進(jìn)行形態(tài)學(xué)處理，參數(shù)選??；

(2)運(yùn)用邊緣算子將處理的結(jié)果提取邊緣，這樣得到的邊緣圖像只包括檢測(cè)到的運(yùn)動(dòng)目標(biāo)，消除背景物體邊緣對(duì)檢測(cè)結(jié)果影響，并將邊緣圖像與提取結(jié)果相或，得到待處理區(qū)域F(x，y)；

(3)在待處理區(qū)域，即F(x，y)=1的部分，進(jìn)行陰影提取，將ViBe算法提取得到的二值化圖像與背景圖像比值求出，得到r。當(dāng)Tmin

(4)將結(jié)果進(jìn)行形態(tài)學(xué)處理，并轉(zhuǎn)換為灰度圖像，得到提取結(jié)果。

本文采用的算法參數(shù)選取如表1所示。

表1 改進(jìn)ViBe算法的參數(shù)選擇

3 實(shí)驗(yàn)結(jié)果與分析

為驗(yàn)證本文提出的改進(jìn)ViBe算法的有效性，研究了多個(gè)視頻系統(tǒng)，對(duì)比本文提出的改進(jìn)算法和傳統(tǒng)ViBe算法在不同背景下應(yīng)用的優(yōu)劣性。實(shí)驗(yàn)操作環(huán)境為Window 10系統(tǒng)，運(yùn)行平臺(tái)為Matlab R2019b，針對(duì)不同背景下對(duì)比前運(yùn)行結(jié)果，并對(duì)結(jié)果進(jìn)行分析。不同背景分別為純凈背景、復(fù)雜背景、室內(nèi)背景。純凈背景下視頻攝像機(jī)固定，背景較純凈，無明顯擾動(dòng)；復(fù)雜背景視頻則攝像機(jī)會(huì)有輕微抖動(dòng)，背景含有多種復(fù)雜噪聲干擾；室內(nèi)背景視頻針對(duì)的是攝像機(jī)有明顯抖動(dòng)，室內(nèi)由于光線問題有反光，目標(biāo)移動(dòng)速度時(shí)快時(shí)慢，形態(tài)不斷變化的情況。采取的實(shí)驗(yàn)視頻的分類和描述如表2所示。

表2 實(shí)驗(yàn)視頻的分類和描述

手持?jǐn)z像機(jī)，有明顯抖動(dòng)，室內(nèi)有反光，導(dǎo)致地板不同區(qū)域受光照亮度不同且隨時(shí)間任意變化，目標(biāo)移動(dòng)速度時(shí)快時(shí)慢，形態(tài)不斷變化。

實(shí)驗(yàn)中視頻的背景分類和描述見表3所示。

表3 實(shí)驗(yàn)中視頻的背景分類和描述

各算法實(shí)驗(yàn)結(jié)果如表4所示。

表4 各算法在不同背景條件下的實(shí)驗(yàn)結(jié)果(數(shù)字代表視頻的幀數(shù))

從表4可以看出，對(duì)視頻中運(yùn)動(dòng)目標(biāo)不帶陰影的情況，ViBe算法信息比較完整準(zhǔn)確，起始時(shí)含鬼影，但最終的處理結(jié)果和本文的改進(jìn)算法一致。對(duì)視頻中運(yùn)動(dòng)目標(biāo)帶陰影，且移動(dòng)速度時(shí)快時(shí)慢、形態(tài)不斷變化的情況，ViBe算法雖然能夠提取目標(biāo)完整信息，但復(fù)雜背景下會(huì)含有部分空洞，不能去除陰影；而本文所采用的改進(jìn)算法相比常規(guī)的ViBe算法多了一部分陰影抑制，更能明確的辨別檢測(cè)物體的準(zhǔn)確形狀。改進(jìn)的算法能夠有效去除絕大部分陰影，且檢測(cè)結(jié)果相比ViBe算法擁有更完整的形態(tài)信息，能更準(zhǔn)確判別目標(biāo)形狀。圖1為室內(nèi)動(dòng)物運(yùn)動(dòng)視頻不同幀貓的檢測(cè)結(jié)果。

圖1視頻為手持?jǐn)z像機(jī)，視頻有明顯抖動(dòng)，室內(nèi)地面有反光，導(dǎo)致地板不同區(qū)域受光照亮度不同且隨時(shí)間任意變化；另外貓的移動(dòng)速度時(shí)快時(shí)慢，形態(tài)也不斷變化。從圖1中可以看出，本算法可以有效去除絕大部分陰影且獲得更完整的形態(tài)信息，但檢測(cè)結(jié)果存在陰影邊緣線；第102幀檢測(cè)結(jié)果看上去就像斷斷續(xù)續(xù)的碎片組成。

圖1 改進(jìn)后的ViBe算法檢測(cè)結(jié)果

4 結(jié)論

提出一種針對(duì)室內(nèi)視頻中運(yùn)動(dòng)目標(biāo)運(yùn)動(dòng)速度過快造成的陰影不易識(shí)別的ViBe算法的改進(jìn)方法，所提出的算法可以較好的去除陰影區(qū)域，較準(zhǔn)確獲得目標(biāo)的形態(tài)信息，對(duì)于后續(xù)的目標(biāo)識(shí)別、跟蹤和理解提供基礎(chǔ)，具有一定的實(shí)際借鑒性。該方法對(duì)于車輛系統(tǒng)和行人系統(tǒng)這類復(fù)雜背景的陰影去除有較好效果；而對(duì)于室內(nèi)背景動(dòng)物的運(yùn)動(dòng)系統(tǒng)的處理結(jié)果仍有不足，如檢測(cè)結(jié)果邊緣線還在，這是由于目標(biāo)沒有準(zhǔn)確輪廓，在光滑的地磚上邊緣灰度難以界定，如強(qiáng)行消除邊緣陰影，又會(huì)導(dǎo)致目標(biāo)本體被更多的消除；此外，由于室內(nèi)光照變化，運(yùn)動(dòng)目標(biāo)自身灰度值的變化，固定的閾值可能導(dǎo)致檢測(cè)結(jié)果丟失部分目標(biāo)本體。