一種克服靜止前景運(yùn)動(dòng)目標(biāo)檢測(cè)的方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及圖像處理，特別是涉及一種運(yùn)動(dòng)目標(biāo)檢測(cè)的方法。
【背景技術(shù)】
[0002] 對(duì)于運(yùn)動(dòng)目標(biāo)檢測(cè)，現(xiàn)有的技術(shù)一般都是建立并維護(hù)一個(gè)背景模型，然后逐像素 對(duì)比背景模型與當(dāng)前幀圖片來(lái)差分運(yùn)動(dòng)目標(biāo)，對(duì)于動(dòng)態(tài)背景的誤檢（如樹葉的晃動(dòng)）和 靜止目標(biāo)漏檢的現(xiàn)象考慮稍顯不足，因而在某些場(chǎng)景下的檢測(cè)準(zhǔn)確性難以令人滿意。例 如 Olivier Barnich 等人在《IEEE TRANSACTIONS ON IMAGE PROCESSING》提出的使用 ViBe (Visual Background Extraction)算法進(jìn)行目標(biāo)檢測(cè)，其整個(gè)流程可以概括如下：使 用起始幀為每一個(gè)像素點(diǎn)建立背景模型（背景模型是一個(gè)非參數(shù)逐像素模型，具體是指圖 片中的每一像素都具有一個(gè)模型，并且該模型是由20個(gè)像素值構(gòu)成，也稱為樣本；初始化 過(guò)程：每個(gè)像素的模型是從起始幀圖片的當(dāng)前像素和其8鄰域的像素的9個(gè)像素值中有放 回的抽取20個(gè)樣本構(gòu)成，如圖1所示），讀入新的一幀利用背景模型差分出前景（具體來(lái) 說(shuō)就是如果某個(gè)像素的當(dāng)前值與兩個(gè)或者多于兩個(gè)背景樣本相似（相似的定義為像素當(dāng) 前值和背景樣本之間的距離度量小于R)則認(rèn)為該像素為背景，反之為前景，如圖2所示）。 如果某像素被檢測(cè)為背景，該像素的模型將有1/16概率被更新（某像素模型被更新是指模 型中的20個(gè)樣本的某一個(gè)被該像素的當(dāng)前值隨機(jī)替換掉，如圖3所示），同時(shí)還有1/16的 概率更新8鄰域內(nèi)某個(gè)像素的模型。其在進(jìn)行前景檢測(cè)時(shí)，缺乏對(duì)晃動(dòng)背景的干擾和運(yùn)動(dòng) 目標(biāo)靜止不動(dòng)對(duì)檢測(cè)效果可能產(chǎn)生的影響進(jìn)行考慮。處理方式如圖1至3,圖1的ViBe初 始化過(guò)程，圖中所示為任一像素的背景模型初始化過(guò)程。圖2的ViBe檢測(cè)過(guò)程，圖中所示 為任意一個(gè)像素前景檢測(cè)過(guò)程，并且圖中事例的判斷結(jié)果為背景。sl-s20是像素模型中的 20個(gè)樣本，V(X)是像素當(dāng)前值，SR(v(x))是以當(dāng)前值 V(X)為中心R為半徑的圓形區(qū)域，某 個(gè)樣本落在圓形區(qū)域內(nèi)即認(rèn)為樣本與當(dāng)前值v(x)相似。為方便表示，我們假設(shè)像素可以用 一個(gè)二維向量表示，其他維度的表示與之類似。圖3的ViBe的更新過(guò)程，圖中所示為一個(gè) 像素的模型被更新的過(guò)程。圖的左側(cè)的檢測(cè)示意圖認(rèn)為該像素點(diǎn)為背景，如果當(dāng)前像素此 次獲得了可以更新模型的機(jī)會(huì)，就會(huì)如圖中所示用當(dāng)前像素值隨機(jī)的替換掉背景模型中的 一個(gè)樣本。
[0003] ViBe算法使用起始幀為每一個(gè)像素點(diǎn)建立背景模型，讀入新的一幀利用背景模 型差分出前景，如果某像素被檢測(cè)為背景，該像素的模型將有1/16概率被更新，同時(shí)還有 1/16的概率更新8鄰域內(nèi)某個(gè)像素的模型。其所使用的更新機(jī)制對(duì)背景的更新速度較慢， 難以適應(yīng)快速變化的動(dòng)態(tài)背景區(qū)，容易將動(dòng)態(tài)背景（如晃動(dòng)的樹葉）誤檢測(cè)為前景；如果起 始幀包含前景目標(biāo)，會(huì)在目標(biāo)離開(kāi)后的一段時(shí)間內(nèi)將目標(biāo)在起始幀停留的區(qū)域誤檢測(cè)為前 景，現(xiàn)有初始化方案沒(méi)有專門對(duì)此類錯(cuò)誤進(jìn)行處理；其傳播更新機(jī)制雖然能夠使得之前被 前景遮擋的區(qū)域的背景信息迅速融入背景模型，但是也會(huì)使得靜止目標(biāo)漸漸融入背景中， 污染了背景模型，如果靜止目標(biāo)再次運(yùn)動(dòng)，其之前靜止位置也會(huì)在很長(zhǎng)一段時(shí)間內(nèi)被誤檢 為前景。
[0004] 例如，樹葉常常會(huì)受到風(fēng)的影響進(jìn)行無(wú)規(guī)則的晃動(dòng)，現(xiàn)有的技術(shù)會(huì)將其誤檢測(cè)出 來(lái)，如圖4所示。其中左上為原圖；右上為人工標(biāo)注出的理想檢測(cè)結(jié)果；左下為ViBe算法檢 測(cè)結(jié)果；右下為使用本發(fā)明實(shí)施例的進(jìn)行檢測(cè)的結(jié)果。通過(guò)對(duì)比可以明顯看出，ViBe算法 對(duì)晃動(dòng)背景的抗干擾能力較差，會(huì)在檢測(cè)過(guò)程中大量將晃動(dòng)的背景誤檢測(cè)為前景。
[0005] 如圖5,當(dāng)視頻的起始幀含有運(yùn)動(dòng)目標(biāo)時(shí)會(huì)將運(yùn)動(dòng)目標(biāo)初始化進(jìn)背景模型中，因 而當(dāng)車開(kāi)走時(shí)，其初始停留的位置會(huì)在相當(dāng)長(zhǎng)的時(shí)間段內(nèi)被檢測(cè)為前景，雖然這些檢測(cè)錯(cuò) 誤都會(huì)隨著算法的運(yùn)行慢慢被糾正，但其耗時(shí)較長(zhǎng)，且對(duì)于已檢測(cè)錯(cuò)誤的片段，沒(méi)有提出專 門的措施進(jìn)行糾正。其中左上為包含運(yùn)動(dòng)目標(biāo)的起始幀；右上為起始幀中的目標(biāo)離開(kāi)了起 始位置的某幀圖片；左下為傳統(tǒng)檢測(cè)算法的檢測(cè)效果圖；右下為本發(fā)明實(shí)施例的檢測(cè)效果 圖。可以看到傳統(tǒng)算法在車開(kāi)走之后會(huì)將其原先停留的位置誤檢測(cè)為前景。
[0006] 圖6中目標(biāo)運(yùn)動(dòng)到視野內(nèi)后做了一段時(shí)間的停留，由于其背景傳播更新機(jī)制，目 標(biāo)會(huì)慢慢融入背景中，直到完全檢測(cè)不出來(lái)。其中左上為依次從視野外搬入三個(gè)物體靜置 的原圖；右上為人工標(biāo)注出的理想檢測(cè)效果圖；左下為傳統(tǒng)算法檢測(cè)效果圖；右下為本發(fā) 明實(shí)施例的檢測(cè)效果圖?？梢钥闯觯趥鹘y(tǒng)算法檢測(cè)效果圖中，先行搬入的兩個(gè)物體由于停 留時(shí)間較長(zhǎng)，已經(jīng)完全融入到背景了。

【發(fā)明內(nèi)容】

[0007] 本發(fā)明提出一種克服靜止前景運(yùn)動(dòng)目標(biāo)檢測(cè)方法，可以有效提高視頻運(yùn)動(dòng)目標(biāo)檢 測(cè)的準(zhǔn)確性。
[0008] 為實(shí)現(xiàn)上述目的，本發(fā)明采用以下技術(shù)方案：
[0009] -種克服靜止前景運(yùn)動(dòng)目標(biāo)檢測(cè)的方法，包括以下步驟：
[0010] 1)讀入視頻流的一幀圖像；
[0011] 2)判斷讀入的幀圖像是否為第一幀，如果是則以第一幀建立背景模型，否則轉(zhuǎn)向 步驟3);
[0012] 3)對(duì)讀入的幀圖像用背景模型差分出初步檢測(cè)圖；
[0013] 4)對(duì)初步檢測(cè)圖做后處理；
[0014] 7)檢測(cè)步驟4)獲得的后處理結(jié)果是否有長(zhǎng)時(shí)間前景區(qū)域，如果檢測(cè)到長(zhǎng)時(shí)間前 景區(qū)域則轉(zhuǎn)到步驟8)，否則轉(zhuǎn)到步驟9);
[0015] 8)對(duì)于長(zhǎng)時(shí)間前景區(qū)域，分別計(jì)算該區(qū)域模型與其鄰域模型的對(duì)比度RC_M和該 區(qū)域聚類結(jié)果與其鄰域模型的對(duì)比度RC_C，如果RC_M大于ratio_upLimit倍的RC_C (可優(yōu) 選設(shè)定ratio_upLimit為1. 5,也可根據(jù)具體情況做適當(dāng)調(diào)整），則認(rèn)為該區(qū)域的初始模型 是錯(cuò)誤的，并使用聚類結(jié)果修正該區(qū)域的模型，反之，認(rèn)為該區(qū)域的初始模型是正確的；
[0016] 9)完成背景模型更新；如果視頻未結(jié)束，轉(zhuǎn)步驟1)，否則處理完畢。
[0017] 進(jìn)一步地：
[0018] 步驟4)和步驟7)之間進(jìn)一步包括以下步驟：
[0019] 5)使用Blink Map圖確定動(dòng)態(tài)背景區(qū)域；
[0020] 6)對(duì)動(dòng)態(tài)背景區(qū)域使用鄰域匹配（Neighboring Match)和急速更新（Sharp Update)機(jī)制進(jìn)行模型修正。
[0021] 步驟2)中，采用Vibe初始化方法構(gòu)建背景模型；步驟3)中，采用ViBe檢測(cè)方法 進(jìn)行初步檢測(cè)；步驟9)中，采用取消了鄰域更新的Vibe更新機(jī)制進(jìn)行更新。
[0022] 步驟4)包括：
[0023] 對(duì)初步檢測(cè)圖進(jìn)行中值濾波、閉操作、凸包處理，再將處理結(jié)果與初步檢測(cè)圖作與 操作得到去除噪聲的檢測(cè)圖；
[0024] 對(duì)去除噪聲的檢測(cè)圖做膨脹、填洞處理得到包含所有前景目標(biāo)的檢測(cè)圖；
[0025] 設(shè)定一個(gè)比初始像素差值檢測(cè)閾值更小的像素差值檢測(cè)閾值，重新檢測(cè)包含所有 前景目標(biāo)的檢測(cè)圖中指示的前景區(qū)域中的前景目標(biāo)；
[0026] 經(jīng)過(guò)中值濾波、閉操作、填洞處理得到最終處理結(jié)果圖。
[0027] 步驟5)包括：
[0028] 比較當(dāng)前幀的初步檢測(cè)圖和前一幀的初步檢測(cè)圖，找出數(shù)值相同的像素，再將 Blink Map圖中對(duì)應(yīng)的像素值減去step_decrease (可優(yōu)選設(shè)定step_decrease為1，也可 根據(jù)具體情況做適當(dāng)調(diào)整），找出數(shù)值不同的像素，然后將Blink Map圖中對(duì)應(yīng)的像素值 加上step_increase (可優(yōu)選設(shè)定step_increase為15,也可根據(jù)具體情況做適當(dāng)調(diào)整）， 且Blink Map圖中的每一個(gè)像素值限制在[0，level_upLimit]之間（可優(yōu)選設(shè)定level_ upLimit為150,也可根據(jù)具體情況做適當(dāng)調(diào)整）；
[0029] 以step_threshold作為閾值（可優(yōu)選設(shè)定step_threshold為30,也可根據(jù)具體 情況做適當(dāng)調(diào)整），閾值化Blink Map圖得到二值圖Blink Mask，從而確定動(dòng)態(tài)背景區(qū)域。
[0030] 步驟5)進(jìn)一步包括：
[0031] 檢測(cè)二值圖Blink Mask中的像素，如果二值圖Blink Mask中某個(gè)像素非0,并且 該像素在當(dāng)前幀的最終處理結(jié)果圖中也非0,則在二值圖Blink Mask中將該像素值置0。
[0032] 步驟6)中所述鄰域匹配包括：對(duì)于既被初步檢測(cè)為前景同時(shí)又為動(dòng)態(tài)背景的像 素，將該像素的像素值重新與其半徑為5像素距離的圓形鄰域內(nèi)的像素的模型進(jìn)行比對(duì)， 如果模型認(rèn)為該像素為背景，則將該像素位置修改為背景；所述急速更新包括：對(duì)于被更 新修改為背景的像素，使用該像素的像素值替換掉背景模型中設(shè)定數(shù)量的背景像素樣本 (可優(yōu)選設(shè)定兩個(gè)，也可根據(jù)具體情況做適當(dāng)調(diào)整）。
[0033] 步驟7)包括：統(tǒng)計(jì)步驟4)得到的后處理結(jié)果中的每個(gè)像素檢測(cè)結(jié)果，如果某個(gè) 區(qū)域在設(shè)定時(shí)間段內(nèi)被檢測(cè)為前景的頻度達(dá)到預(yù)定的程度，則認(rèn)為該區(qū)域是長(zhǎng)時(shí)間前景區(qū) 域。
[0034] 步驟8)包括：通過(guò)如下公式計(jì)算對(duì)比度RC_M和對(duì)比度RC_C :
[0037] 其中D (Pl，Pj)是像素？1和p ,在RGB色彩空間內(nèi)的歐式距離，P MC表示長(zhǎng)時(shí)間前景 區(qū)域的模型中的代表像素構(gòu)成的一個(gè)集合，？《表示長(zhǎng)時(shí)間前景區(qū)域的周圍鄰域區(qū)域的模型 中的代表像素構(gòu)成的一個(gè)集合，Pee表示長(zhǎng)時(shí)間前景區(qū)域的聚類結(jié)果中的像素構(gòu)成的一個(gè)集 合，#PMC，#PMS，#PCC分別是P MC，PMS，Pcc集合中元素的