基于Surendra背景差分和帧间差分的运动目标检测

王水鱼，李艳婷

(西安理工大学 自动化与信息工程学院，陕西 西安 710048)



基于Surendra背景差分和帧间差分的运动目标检测

王水鱼，李艳婷

(西安理工大学 自动化与信息工程学院，陕西 西安 710048)

运动目标检测是视频监控和目标跟踪研究的前提，目标提取是否准确，将直接影响到后期目标跟踪和处理的效果。该文在背景减除法和五帧差分法的基础上，提出了将两种算法相结合的方法，对视频序列中的运动目标进行检测。首先采用Surendra背景减除法建立背景模型，并通过迭代法计算出动态阈值，完成背景更新，然后将检测出的运动目标区域与五帧差分法得到的目标轮廓图形进行逻辑“或”操作，取得比较完整的运动目标，最后采用连通性检测和孔洞填充方法综合得到运动区域图像。通过MATLAB验证和量化评估表明，该方法能准确地检测出运动目标，同时在识别率和误检率方面也得到了较好结果。

背景差分法；五帧差分法；动态阈值；运动目标检测

引用格式：王水鱼，李艳婷. 基于Surendra背景差分和帧间差分的运动目标检测[J].微型机与应用，2016,35(17)：42-44,48.

0　引言

近年来，运动目标检测技术的发展和应用研究非常广泛。目前运动目标检测的方法主要有[1]背景差分法、帧差分法和光流法。根据运动目标与摄像机之间的相对位置关系，运动目标检测场景可以分为静态场景和动态场景。本文主要针对背景和摄像头固定不变的场景进行运动目标检测算法研究[2]。

1　运动目标检测算法比较

背景差分法的优点是适用于静止背景，检测速度快，实时性强，能够检测到比较完整的运动目标[3]；缺点是环境突变适用性差。因此，背景帧的选取至关重要，若选取不当，将严重影响检测效果。

帧差分法的优点是无需提取和更新背景，对光线变化不敏感，能够检测到目标的边界[4]；缺点是图像噪声影响大，检测的运动目标轮廓不完全，容易产生“空洞”、“双影”现象。

光流法体现了三维场景及其平面投影丰富的动态信息，其优点是检测精度高，不用预先知道视频信息就可以检测出运动物体[5]；缺点是算法复杂度高，实时性较差，抗噪性能不好。

通过对以上三种算法优缺点的比较，本文采用背景减除算法与帧间差分算法相结合对运动目标进行检测。

1.1算法流程

首先提取出视频图像序列，采用基于Surendra背景减除算法来构造背景模型，不断进行实时背景更新，在使用五帧差分算法之前，先进行中值滤波，有效克服噪声影响大、提取目标不连续等问题，在这两种算法中都采用自适应动态阈值进行阈值分割，以适应场景和光线变化。由于单独使用一种检测算法存在一定的缺陷，所以将两种算法得到的二值图像相结合，进行逻辑“或”运算，最后对图像做后处理，以得到较为准确的目标图像[6]。算法流程图如图1所示。

图1　算法流程图

1.2Surendra算法基本原理

在背景减除法中，如果提取出的背景图像不能很好地反映实际场景效果，则一定会影响运动目标的检查结果，因此，准确构建一个表征背景的图像就至关重要。鉴于目前各种背景建模方法(如基于像素的高斯混合模型、应用统计edge-segments建立背景模型[8]等)需要一个高效的自适应算法来更新参数，故本文采用Surendra算法建立实时更新场景背景模型[3]，在阈值更新时采用迭代法计算阈值，可以降低算法复杂度。Surendra算法提取背景图像的核心思想是：对当前帧图像做前后两帧的帧间差分，然后对差分值的亮度值进行判断，找到物体的运动区域，如果差分图像中某一像素点的差分亮度值大于阈值，那么该像素点为前景像素点，如果亮度值小于阈值，则背景图像被当前帧更新替换，这样连续迭代一定次数便可提取出背景[6]。其算法步骤如下：

(1)建立初始背景图像B1。通常情况下，将第1帧图像作为初始背景B1，考虑受环境变化的影响，采用算术平均法建立背景图像，在连续读入N帧图像时，取最初的N/2帧图像数据求平均，作为最起始的背景图像B1，可以有效避免变化剧烈的像素点带来的影响。

(2)令迭代次数i=1,将T作为阈值，m为最大的迭代次数[6]。

(3)当前帧的帧差分图像：

(1)

(4)使用二值图像Di来更新背景图像Bi[9]，即：

(2)

式(2)中，Bi(x,y)是背景图像，Di(x,y)是前景图像，fi(x,y)是第i帧图像，α(0<α<1)是背景更新速率[9]。α决定着背景更新的快慢，经多次试验证明，α=0.1时能够得到较好的背景图像。

(5)i=i+1，返回第(3)步运算，如此重复执行，直到i等于m时结束，此时背景图像就是Bi(x，y)。

1.3阈值T的选择

阈值T的选择至关重要，之前的方法基本上都是基于实验测试人为给定一个固定值，如果阈值选择合适就能很好地适应场景变化，否则会导致分割效果变差。本文阈值分割采用动态阈值法。算法过程如下:

(1)计算初始阈值[6]:

(3)

式(3)中Dmax、Dmin为差分图像的最大、最小灰度值。

(2)求出平均灰度值：

(4)

(5)

式(4)、(5)中D(x，y)为差值图像的灰度值，N(x，y)为权重系数，Tk为阈值[9]。

(3)令新的阈值为：

(6)

(4) 反复执行上述过程，直到Tk=Tk+1，此时可得最佳阈值Tk。

1.4五帧差分算法

在进行五帧差分算法之前，先对视频图像序列进行中值滤波去除噪声，以保证图像质量，再提取连续5帧彩色图像将其转换为灰度图[7]，然后以第K帧图像作为当前帧，分别与前两帧和后两帧做帧差运算；之后再将得到的4个二值化结果进行逻辑“或”、“与”运算。五帧差分法是基于传统的三帧差分法而被提出来的，三帧差分法虽然具有容易实现、时间复杂度低等优点，但是其目标轮廓容易出现空洞，往往表现为不连续，且对光照变化、背景扰动等场景，无法提取出完整的目标信息，因此针对上述问题，提出了五帧差分法。其步骤如下[7]：

(1)选取连续相邻的5帧图像fk-2(x,y)、fk-1(x,y)、fk(x,y)、fk+1(x,y)和fk+2(x,y)，分别将其转为相应的灰度图，得到相应的5帧灰度图为Ik-2(x,y)、Ik-1(x,y)、Ik(x,y)、Ik+1(x,y)和Ik+2(x,y)。

(2)对5帧灰度图像进行帧差运算:

d1(x,y)=|Ik(x,y)-Ik-2(x,y)|

(7)

d2(x,y)=|Ik(x,y)-Ik-1(x,y)|

(8)

d3(x,y)=|Ik(x,y)-Ik+1(x,y)|

(9)

d4(x,y)=|Ik(x,y)-Ik+2(x,y)|

(10)

得到差分结果di(x,y)(i=1,2,3,4),分别进行二值化：

(11)

为避免空洞现象，对上述二值化结果hi(x,y)分别进行“或”运算：

g12(x,y)=h1(x,y)⊕h2(x,y)

(12)

g34(x,y)=h3(x,y)⊕h4(x,y)

(13)

为解决“或”运算中目标出现重叠现象，对g12(x,y)、g34(x,y)进行“与”运算，得到第K帧图像的目标轮廓：

Bk(x,y)=g12(x,y)⊗g34(x,y)

(14)

1.5图像后处理

将两种算法得到的图像做逻辑“或”运算，实验结果发现，得到的二值前景图像中仍会有一些噪声和小杂乱点及孔洞存在[3]。因此在前景图像中使用四连通域检测方法寻找运动目标的轮廓，计算出每个连通区域的面积，设定轮廓面积阈值，然后把面积小于阈值的当作噪声抛弃，面积大于阈值的定为目标连通域，之后用前景色对轮廓内部填充，就可以有效消除孤立噪声，获取轮廓完整、清晰的运动目标。

2　实验结果分析

2.1实验结果直观图

以MATLAB2011a进行仿真实验，分别对视频序列SampleVideo.avi和vipmen.avi进行测试。各方法检测结果如图2、图3所示。

图2　检测结果对比

图3　检测结果对比

由MATLAB仿真结果对比可知，本文方法所获取的目标边缘更连续，目标轮廓更完整，空洞现象较少，目标信息也更为丰富。

2.2实验结果量化分析

在目前的许多文献中多采用识别率η和误检率ξ两个指标来度量检测算法的准确率。基于参考文献[7]，由于目前没有一个综合指标来直观评估检测算法的准确率，因此通过引进一个新的综合指标H来评估目标检测算法的性能。当识别率η越高和误检率ξ越低时，H值越大。如果H值越大，则表明其检测准确率越高，H值定义如下:

(15)

由表1检测率结果可知，本文算法的识别率最大，误检率最低，计算出H值为最大，所以本文算法具有较好的检测性能。

表1　图2各种算法检测率对比结果

3　结论

本文利用背景差分算法和帧间差分算法的优势互补关系[10]，将两种算法相结合，既解决了背景差分对外界环境突变的敏感问题，降低了移动目标的误检率，同时也解决了帧间差分针对移动速度较慢的运动目标的漏检问题，达到了较好的检测效果。通过直观图和量化结果分析，验证了本文算法能够有效解决孔洞、双影等问题，并建立实时背景更新模型，准确检测出目标图像，对后期的目标跟踪、识别分类和异常分析等都具有重要的参考价值。

[1] 李立现.监控系统中运动目标检测算法分析[J].电脑知识与技术，2013,9(34)：7864-7866.

[2] 吴君钦，刘昊，罗勇.静态背景下的运动目标检测算法[J].液晶与显示，2012,27(5)：682-685.

[3] 何炜.自适应运动目标检测和跟踪技术研究[D].昆明：云南大学，2011.

[4] 池利阳，李民政，吴新强.一种运动目标检测实时性和鲁棒性的方法[J].计算机应用与软件，2015,32(2)：1-6.

[5] 张顺淼，吕开东.一种基于Surendra背景更新的背景减除运动目标检测方法[J].南京工程学院学报(自然科学版)，2011,9(2)：22-26.

[6] 纪清华，禹素萍.基于Surendra背景减除法和四帧差分法的目标检测算法[J]. 计算机应用与软件，2014,31(12)：242-244.

[7] 郭春凤.基于五帧差分法的动态目标检测新算法[J].重庆科技学院学报(自然科学版)，2015,17(5)：87-89.

[8] YANG M H, Huang Chunrong, Liu Wanchen, et al. Binary descriptor based nonparametric background modeling for foreground extraction by using detection theory[J]. Circuits and Systems for Video Technology, IEEE Transaction on. 2015,25(4):595-608.

[9] 纪清华.基于视频的人体行为分析算法的研究[D].上海：东华大学，2013.

[10] 雷飞，黄文路，张泽.基于边缘检测与码本模型的运动目标检测算法[J].科学与技术工程，2013,13(24):7234-7239.

Moving target detection based on Surendra background subtraction and frame difference

Wang Shuiyu，Li Yanting

(School of Automation and Information Engineering, Xi’an University of Technology, Xi’an 710048 , China)

Moving target detection is the precondition of video monitoring and target tracking research, the accuracy of extraction target, will directly affect the later period of target tracking and processing. This paper put forward a kind of algorithm based on the background subtraction combine with five frame difference method for moving target detection in video sequences. Firstly it uses Surendra background subtraction to establish the background model, through iterative method to calculate the dynamic threshold to complete background updates, and then combines the detected moving target area with five frame difference method to get the target contour of graphics by using the Boolean or operator, the complete moving targets are obtained. Finally, it uses connectivity detection and hole filling method to get motion region image. MATLAB simulation results and quantitative evaluation show that the method can accurately detect moving targets, meanwhile in terms of recognition rate and false detection rate achieve a good result.

background subtraction algorithm；five-frame difference；dynamic threshold; moving target detection

TP391.4

ADOI： 10.19358/j.issn.1674- 7720.2016.17.013

2016-05-05)

王水鱼(1958-)，男，博士，副教授，主要研究方向：信号采集系统与电子测量技术。

李艳婷(1992-)，通信作者，女，硕士研究生，主要研究方向：电路设计与系统集成。E-mail:1610622878@qq.com。