摘  要： 為了能快速提取視頻監(jiān)控中的運(yùn)動(dòng)目標(biāo)，提出將ViBe算法與Canny邊緣檢測(cè)算法相結(jié)合快速準(zhǔn)確提取運(yùn)動(dòng)目標(biāo)的方法。該方法利用ViBe算法檢測(cè)運(yùn)動(dòng)目標(biāo)，運(yùn)用Canny算子提取運(yùn)動(dòng)目標(biāo)邊緣輪廓，并將其與通過區(qū)域填充得到的精確運(yùn)動(dòng)目標(biāo)相“與”，獲取運(yùn)動(dòng)目標(biāo)準(zhǔn)確的外邊界；通過膨脹、腐蝕、閉運(yùn)算等數(shù)學(xué)形態(tài)學(xué)圖像處理，得到運(yùn)動(dòng)目標(biāo)完整檢測(cè)區(qū)域，結(jié)合相對(duì)應(yīng)視頻序列幀可以提取運(yùn)動(dòng)目標(biāo)。實(shí)驗(yàn)表明，該方法可以快速、實(shí)時(shí)地提取多運(yùn)動(dòng)目標(biāo)。

　　關(guān)鍵詞： 運(yùn)動(dòng)目標(biāo)提取；ViBe；Canny邊緣檢測(cè)；區(qū)域填充；形態(tài)學(xué)處理

0 引言

　　從視頻監(jiān)控?cái)?shù)據(jù)中提取運(yùn)動(dòng)目標(biāo)是視頻分析研究的難點(diǎn)和熱點(diǎn)問題之一。而運(yùn)動(dòng)目標(biāo)提取的首要任務(wù)是運(yùn)動(dòng)目標(biāo)檢測(cè)，目前常用的目標(biāo)檢測(cè)方法有背景減除法[1]、光流法[2]和幀間差分法[3]3種。背景減除法運(yùn)用最廣泛，2009年，BARNICH O等人提出一種新的背景減除算法——ViBe算法。該算法的優(yōu)點(diǎn)[4]是計(jì)算量小、速度快，但由于利用可能含有運(yùn)動(dòng)物體的視頻幀初始化背景模型，易引入拖影（Ghost）區(qū)域[5-6]。本文基于ViBe算法結(jié)合Canny算子及形態(tài)學(xué)圖像處理等技術(shù)，克服了ViBe算法前景檢測(cè)中出現(xiàn)鬼影和陰影的不足，可以更實(shí)時(shí)、快速、準(zhǔn)確地提取運(yùn)動(dòng)目標(biāo)。

1 ViBe算法

　　1.1 ViBe算法簡(jiǎn)介

　　ViBe算法屬于像素域背景建模的前景檢測(cè)算法，但該算法與其他傳統(tǒng)背景建模前景檢測(cè)算法不同，主要區(qū)別在于背景模型的建立和背景更新策略[7]。

　　1.2 背景模型的建立

　　ViBe算法的背景模型建立工作是在第1幀完成的。首先，設(shè)視頻圖像中任一像素點(diǎn)A坐標(biāo)為（x，y），在其鄰域內(nèi)隨機(jī)選取N個(gè)像素點(diǎn)組成一個(gè)樣本集合B={v1，v2，…，vn}，構(gòu)建背景模型，待測(cè)的像素點(diǎn)通過與模型中像素樣本值的比較來判斷是否屬于背景像素點(diǎn)。其實(shí)質(zhì)就是分類的問題，ViBe算法中采用了二維空間中的歐式距離來解決像素點(diǎn)的分類，具體方法是在以待測(cè)像素點(diǎn)為圓心，建立一個(gè)以R為半徑的圓。如圖1所示，背景模型中落在圓內(nèi)的像素點(diǎn)個(gè)數(shù)大于設(shè)定的閾值時(shí)，就將該像素點(diǎn)分類為背景像素。

　　1.3 模型的更新策略

　　ViBe算法的更新策略采用保守更新策略結(jié)合前景點(diǎn)計(jì)數(shù)的方法，得到的更新策略為：若某點(diǎn)像素屬于前景，則該點(diǎn)永遠(yuǎn)都不會(huì)被更新為背景模型；再結(jié)合前景點(diǎn)計(jì)數(shù)方法，統(tǒng)計(jì)像素點(diǎn)，若某個(gè)像素點(diǎn)被持續(xù)N次檢測(cè)為前景，則該像素點(diǎn)被更新為背景。

2 Canny算子簡(jiǎn)介

　　1986年，CANNY J在傳統(tǒng)的一階微分算子Poberts算子、Sobel算子、Prewitt算子及二階微分算子Laplace、LOG等算子的基礎(chǔ)上，對(duì)邊緣檢測(cè)的方法進(jìn)行完善，提出了Canny邊緣檢測(cè)法[8]。Canny算法具有對(duì)噪聲的抗干擾性強(qiáng)，邊緣檢測(cè)較精細(xì)等優(yōu)點(diǎn)。滿足邊緣檢測(cè)的三個(gè)最優(yōu)準(zhǔn)則是：（1）好的檢測(cè)；（2）好的定位；（3）低的錯(cuò)誤檢測(cè)率。使用Canny邊緣檢測(cè)算法檢測(cè)圖像邊緣能有效地抑制噪聲同時(shí)又能較精確地確定邊緣的位置。其步驟如圖2所示。

3 ViBe算法與Canny算子結(jié)合提取運(yùn)動(dòng)目標(biāo)

　　3.1 ViBe算法運(yùn)動(dòng)目標(biāo)檢測(cè)效果及不足

　　ViBe算法對(duì)視頻序列幀處理得到運(yùn)動(dòng)目標(biāo)檢測(cè)的效果圖如圖3所示。

　　圖3是對(duì)視頻第1幀進(jìn)行初始化建模后的處理結(jié)果圖，由于本文視頻數(shù)據(jù)第1幀中已經(jīng)有運(yùn)動(dòng)目標(biāo)出現(xiàn)，因此ViBe算法檢測(cè)到的結(jié)果出現(xiàn)了鬼影（圖中灰色標(biāo)記的部分）。

　　3.2 Canny算子邊緣檢測(cè)效果

　　采用Canny算子提取運(yùn)動(dòng)目標(biāo)邊緣輪廓如圖4所示。此算法得到精確的運(yùn)動(dòng)目標(biāo)邊緣，也包含背景邊緣。而ViBe算法背景檢測(cè)準(zhǔn)確，檢測(cè)前景中不存在背景像素，故相與得到運(yùn)動(dòng)目標(biāo)邊界是準(zhǔn)確的。

　　3.3 算法流程

　　針對(duì)ViBe算法進(jìn)行運(yùn)動(dòng)前景檢測(cè)和提取的不足，改正ViBe算法進(jìn)行運(yùn)動(dòng)目標(biāo)提取的缺點(diǎn)，提出將其結(jié)合Canny算子的方法，將兩者相與，得到精確運(yùn)動(dòng)前景邊界，消除了鬼影，也避免了拖影帶來的干擾，能夠比較精確地提取運(yùn)動(dòng)目標(biāo)。圖5所示為兩種算法結(jié)合的程序流程圖。

　　該程序具體步驟如下：

　　（1）對(duì)視頻系列幀進(jìn)行灰度處理，把彩色圖像轉(zhuǎn)換為灰度圖；

　　（2）利用ViBe算法進(jìn)行運(yùn)動(dòng)目標(biāo)檢測(cè)，從第2幀開始像素分類，檢測(cè)前景得到的運(yùn)動(dòng)目標(biāo)檢測(cè)二值圖（程序中用矩陣表示）；

　　（3）對(duì)步驟（2）得到的二值圖進(jìn)行后區(qū)域填充，消除空洞，使得運(yùn)動(dòng)目標(biāo)檢測(cè)較完整；

　　（4）平滑去噪當(dāng)前幀后進(jìn)行邊緣檢測(cè)，得到運(yùn)動(dòng)目標(biāo)的邊緣二值圖；

　　（5）將上一步得到的運(yùn)動(dòng)目標(biāo)邊緣和步驟（3）得到的運(yùn)動(dòng)目標(biāo)檢測(cè)進(jìn)行相與，得到運(yùn)動(dòng)目標(biāo)的邊界；

　　（6）對(duì)步驟（5）得到的運(yùn)動(dòng)目標(biāo)邊界進(jìn)行膨脹處理及形態(tài)學(xué)處理后得到邊界連通的圖像，從而實(shí)現(xiàn)了運(yùn)動(dòng)目標(biāo)提取。

4 實(shí)驗(yàn)結(jié)果

　　實(shí)驗(yàn)在電腦配置環(huán)境為Opencv2.4.8的VS2010下實(shí)現(xiàn)本文方法，視頻序列來自HighwayII.avi的一段高速路上監(jiān)控視頻，幀率為30幀/s，分辨率為320×240。為了證明本文算法的有效性，將其程序運(yùn)行效果圖與原有ViBe算法檢測(cè)到的運(yùn)動(dòng)目標(biāo)效果圖、Canny邊緣檢測(cè)效果圖進(jìn)行對(duì)照，如圖6所示。

　　圖6的上下兩組圖中，上一組圖從左到右依次為視頻序列第256幀圖像的原始視頻幀圖像、ViBe算法檢測(cè)運(yùn)動(dòng)目標(biāo)效果圖、Canny邊緣檢測(cè)效果圖、兩種算法結(jié)合相“與”運(yùn)動(dòng)邊界圖，以及運(yùn)動(dòng)邊界圖運(yùn)用膨脹、區(qū)域填充等形態(tài)學(xué)圖像處理得到完整的目標(biāo)提取區(qū)域圖。下一組圖是第382幀視頻序列圖的實(shí)驗(yàn)結(jié)果，其所對(duì)應(yīng)的目標(biāo)檢測(cè)圖效果較第256幀要準(zhǔn)確，但由這兩組最后提取區(qū)域圖可見，不管運(yùn)動(dòng)目標(biāo)檢測(cè)中是否存在陰影和鬼影，最終本文的方法都能準(zhǔn)確地提取運(yùn)動(dòng)目標(biāo)。

5 結(jié)論

　　本文采用結(jié)合ViBe算法和Canny邊緣檢測(cè)算法提取運(yùn)動(dòng)目標(biāo)的方法，利用當(dāng)前幀的Canny算子與ViBe算法檢測(cè)出來的運(yùn)動(dòng)目標(biāo)二值圖進(jìn)行相“與”運(yùn)算，得到比較準(zhǔn)確的運(yùn)動(dòng)目標(biāo)邊界，再通過膨脹等形態(tài)學(xué)圖像處理技術(shù)[9]得到連通的運(yùn)動(dòng)目標(biāo)，從而順利實(shí)現(xiàn)了運(yùn)動(dòng)目標(biāo)的提取。實(shí)驗(yàn)證明，本文所用方法避免了ViBe算法運(yùn)動(dòng)目標(biāo)檢測(cè)過程中遇到的鬼影和陰影等問題。由于ViBe前景檢測(cè)算法是一種快速運(yùn)動(dòng)目標(biāo)檢測(cè)算法，使得該方法具有快速、實(shí)用和準(zhǔn)確等優(yōu)點(diǎn)，實(shí)現(xiàn)了對(duì)監(jiān)控視頻中所有運(yùn)動(dòng)目標(biāo)實(shí)時(shí)、快速的提取。

參考文獻(xiàn)

　　[1] GUPT S， MASOUND O， MARTIN R F K， et al. Detection and classification of vehicles[J]. IEEE Transactions on Intelliget Transportation Systems， 2002，3（1）：37-47.

　　[2] Tao Jianguo， Yu Changhong. Real-time detection and tracking of moving object[C]. Second International Symposium on Intellignet Information Technology Application，  IITA′08， 2008（2）：860-863.

　　[3] TSAI D M， LAI S C. Independent component analysis-based background subtraction for indoor surveillance[J]. IEEE Transactions on Image Processing， 2009，18（1）：158-160.

　　[4] BARNICH O， DROOGENBROECK M V. ViBe： a universal background subtraction algorithm for video sequences[J]. IEEE Transactions on Image Processing， 2011，20（6）：1709-1724.

　　[5] 陳亮，陳曉竹，范振濤.基于Vibe的鬼影抑制算法[J].中國(guó)計(jì)量學(xué)院學(xué)報(bào)，2013，24（4）：425-429.

　　[6] 余燁，曹明偉，岳峰.EVibe：一種改進(jìn)的ViBe運(yùn)動(dòng)目標(biāo)檢測(cè)算法[J].儀器儀表學(xué)報(bào)，2014，35（4）：924-931.

　　[7] 鄭義洪，董超俊.基于ViBe和邊緣檢測(cè)結(jié)合的運(yùn)動(dòng)目標(biāo)檢測(cè)[J].數(shù)字化用戶，2014（2）：98-100.

　　[8] BRADSKI G， KAEHLER A.學(xué)習(xí)OpenCV（中文版）[M].于仕琪，劉瑞禎，譯.北京：清華大學(xué)出版社，2009.

　　[9] 龐首顏，張?jiān)獎(jiǎng)?基于三幀差分及Canny算子的運(yùn)動(dòng)目標(biāo)提取[J].重慶工商大學(xué)學(xué)報(bào)，2013，30（5）：57-61.