洪 虹，李文耀

(武漢郵電科學(xué)研究院，湖北 武漢 430074)

運(yùn)動(dòng)對(duì)象越界偵測(cè)(例如安全禁區(qū)監(jiān)控、車(chē)流量統(tǒng)計(jì))是監(jiān)控領(lǐng)域經(jīng)常用到的功能，目前的運(yùn)動(dòng)對(duì)象統(tǒng)計(jì)方法主要有地感線圈檢測(cè)、視頻檢測(cè)、微波檢測(cè)、激光檢測(cè)等方法。地感線圈檢測(cè)方法因其成本低、精度高、性能穩(wěn)定、抗干擾能力強(qiáng)等優(yōu)點(diǎn)而得到廣泛應(yīng)用，但其缺點(diǎn)是需要切割道路，不僅工程量大、影響道路、影響美觀，而且切割后的道路容易損壞。微波檢測(cè)和激光檢測(cè)因?yàn)槌杀靖?，主要用于流?dòng)執(zhí)法等場(chǎng)合。視頻檢測(cè)克服了地感線圈檢測(cè)方法的缺點(diǎn)，使用方便，價(jià)格低廉，應(yīng)用面越來(lái)越廣。

筆者提出了一種實(shí)用、有效的運(yùn)動(dòng)目標(biāo)檢測(cè)方法，即基于背景重構(gòu)的運(yùn)動(dòng)對(duì)象越界偵測(cè)方法。首先，該算法通過(guò)對(duì)一批視頻流圖像計(jì)算構(gòu)造背景圖像，然后利用當(dāng)前視頻圖像和背景視頻圖像，通過(guò)差分法獲取運(yùn)動(dòng)對(duì)象模型和背景差值，利用運(yùn)動(dòng)對(duì)象模型的連續(xù)性繪制運(yùn)動(dòng)對(duì)象軌跡，依據(jù)軌跡和警戒線交叉方程進(jìn)行越界偵測(cè)。同時(shí)，利用背景差值融合背景視頻生成新的背景圖像，能有效保證識(shí)別算法的自適應(yīng)性，提高偵測(cè)結(jié)果的準(zhǔn)確性。

1 運(yùn)動(dòng)對(duì)象檢測(cè)

運(yùn)動(dòng)對(duì)象檢測(cè)就是從實(shí)時(shí)視頻圖像序列中抽取出感興趣運(yùn)動(dòng)對(duì)象。該技術(shù)是計(jì)算機(jī)視覺(jué)、模式識(shí)別、視頻圖像跟蹤等應(yīng)用領(lǐng)域的重要研究?jī)?nèi)容［1－8］。運(yùn)動(dòng)目標(biāo)檢測(cè)示例見(jiàn)圖1，圖中用紅色框(原圖片為彩色圖)標(biāo)注的人和車(chē)輛便是感興趣的目標(biāo)，比如汽車(chē)和行人。

圖1 運(yùn)動(dòng)目標(biāo)檢測(cè)示例

在運(yùn)動(dòng)目標(biāo)檢測(cè)過(guò)程中，經(jīng)常會(huì)用到幀差分和背景差分兩種檢測(cè)算法。

1.1 幀差分法

幀差法是對(duì)連續(xù)兩幅視頻幀作差分減法，通過(guò)設(shè)定一個(gè)合理差分閾值來(lái)分割運(yùn)動(dòng)目標(biāo)和背景［9－11］。幀差分法示例見(jiàn)圖2，最左邊為連續(xù)兩幅幀圖像得到，中間為幀差的結(jié)果，最右邊為最終分割結(jié)果。

幀差分法對(duì)于檢測(cè)復(fù)雜動(dòng)態(tài)環(huán)境下的運(yùn)動(dòng)物體，具有較強(qiáng)的自適應(yīng)性和很好的可靠性。但由于運(yùn)動(dòng)物體上相似像素的替換效應(yīng)，幀差分不能完全地提取出運(yùn)動(dòng)物體所有相關(guān)的特征像素點(diǎn)，這樣在運(yùn)動(dòng)實(shí)體內(nèi)部容易產(chǎn)生空洞現(xiàn)象。

圖2 幀差分法示例

1.2 背景差分法

背景差分法是用當(dāng)前視頻幀與背景圖像進(jìn)行差分，通過(guò)設(shè)定一個(gè)合理的差分閾值來(lái)分割運(yùn)動(dòng)目標(biāo)和背景。如圖3所示，最左邊為兩幅幀圖像，左上一幅為背景圖，左下一幅為當(dāng)前幀圖像，最右邊為最終分割結(jié)果。

圖3 背景差分法示例

背景差分法通過(guò)實(shí)時(shí)圖像和標(biāo)準(zhǔn)背景圖像的差分，判斷運(yùn)動(dòng)物體上移動(dòng)像素，同時(shí)通過(guò)統(tǒng)計(jì)分析移動(dòng)像素，可以判定運(yùn)動(dòng)目標(biāo)的有效位置、大小、形狀等信息。

在實(shí)際采用背景差分法的過(guò)程中，經(jīng)常會(huì)碰到以下困難:

1)背景圖像是背景差分法的基礎(chǔ)，但是在實(shí)際條件中，很難在場(chǎng)景沒(méi)有運(yùn)動(dòng)物體干擾的情況下獲取有效的背景圖像。

2)背面圖像中非固定元素的干擾，比如背景中的樹(shù)木、花草、彩帶等容易晃動(dòng)的對(duì)象，易對(duì)算法判斷產(chǎn)生影響。

3)在監(jiān)控過(guò)程中，外界光照、天氣等元素的變化也會(huì)對(duì)檢測(cè)結(jié)果造成影響。

4)如果背景中的固定對(duì)象被動(dòng)或主動(dòng)地產(chǎn)生移動(dòng)，則可能造成移走的區(qū)域被一直誤判為運(yùn)動(dòng)目標(biāo)。

2 運(yùn)動(dòng)對(duì)象跟蹤和背景更新

運(yùn)動(dòng)目標(biāo)跟蹤是對(duì)于連續(xù)視頻圖像中存在的同一個(gè)運(yùn)動(dòng)目標(biāo)進(jìn)行跟蹤并記錄其運(yùn)動(dòng)的軌跡。

2.1 算法原理描述

這里提出了一種實(shí)用、有效的運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤方法，該算法綜合考慮了幀差分法和背景差分法的特點(diǎn)，通過(guò)重構(gòu)背景的方法來(lái)準(zhǔn)確定位運(yùn)動(dòng)目標(biāo)。首先，通過(guò)學(xué)習(xí)一系列視頻幀圖像來(lái)構(gòu)造背景圖像;然后，將當(dāng)前視頻圖像與背景圖像進(jìn)行差分處理，得到運(yùn)動(dòng)目標(biāo)，將其加入運(yùn)動(dòng)目標(biāo)隊(duì)列，并通過(guò)目標(biāo)匹配算法跟蹤同一個(gè)目標(biāo);接著，將當(dāng)前視頻圖像與背景圖像進(jìn)行擬合，得到新的實(shí)時(shí)背景圖像。該算法系統(tǒng)框圖如圖4所示，圖中方框代表數(shù)據(jù)，橢圓框代表處理環(huán)節(jié)，虛線框包括的4個(gè)部分為系統(tǒng)主要處理模塊，處理流程為運(yùn)動(dòng)檢測(cè)→目標(biāo)匹配→目標(biāo)判斷→背景更新→運(yùn)動(dòng)檢測(cè)，如此反復(fù)處理連續(xù)視頻圖像。

圖4 算法系統(tǒng)框圖

2.2 運(yùn)動(dòng)區(qū)域檢測(cè)

幀間差分法能夠檢測(cè)出相鄰兩幀間發(fā)生了變化的區(qū)域，這個(gè)區(qū)域?qū)嶋H上包括運(yùn)動(dòng)目標(biāo)在前一幀所覆蓋的區(qū)域(即顯露區(qū))和運(yùn)動(dòng)目標(biāo)現(xiàn)在所覆蓋的區(qū)域(在當(dāng)前幀中就是運(yùn)動(dòng)目標(biāo)本身)。檢測(cè)的規(guī)則如下

式中:diffFrame(i，j)為分割結(jié)果圖，是一個(gè)二值圖;f(i，j，t)表示t時(shí)刻幀圖像在坐標(biāo)(i，j)處的灰度值，f(i，j，t+1)表示t+1時(shí)刻幀圖像在坐標(biāo)(i，j)處的灰度值，threshold為閾值，算法中取10。

通過(guò)上述操作，得到一幅運(yùn)動(dòng)區(qū)域圖，即diffFrame(i，j)，其中 diffFrame(i，j)=1 表示為運(yùn)動(dòng)點(diǎn)，diffFrame(i，j)=0表示靜止點(diǎn)。由于運(yùn)動(dòng)區(qū)域圖中存在一些噪聲，如獨(dú)立的小塊、空洞等，因此還需要做必要的膨脹、腐蝕、開(kāi)閉等濾波操作。運(yùn)動(dòng)區(qū)域檢測(cè)濾波效果如圖5所示，上側(cè)為運(yùn)動(dòng)目標(biāo)分割圖，下側(cè)為經(jīng)過(guò)濾波后的結(jié)果圖，從圖中可以看到，噪聲都被消除了。

圖5 運(yùn)動(dòng)區(qū)域檢測(cè)濾波效果圖

2.3 運(yùn)動(dòng)目標(biāo)匹配

對(duì)于視頻流中檢測(cè)到的一個(gè)目標(biāo)，將會(huì)出現(xiàn)在連續(xù)的視頻流中，這里需要對(duì)同一個(gè)目標(biāo)進(jìn)行跟蹤，這個(gè)問(wèn)題也就轉(zhuǎn)換為同一個(gè)目標(biāo)在連續(xù)視頻流中的圖像匹配問(wèn)題。圖像匹配的思路很多，有模板匹配法、Adaboost方法和SIFT方法，這些方法的開(kāi)銷(xiāo)很大，需要占用大量資源，有時(shí)難以做到實(shí)時(shí)處理。本文提出一種實(shí)用的方法，如果視頻采集設(shè)備的采樣率比較高，能達(dá)到在20 f/s以上，則同一個(gè)目標(biāo)出現(xiàn)在前后連續(xù)視頻中必然會(huì)出現(xiàn)重疊部分，具體情況如圖6所示，該圖反映了一個(gè)目標(biāo)在連續(xù)視頻流中出現(xiàn)的空間位置情況(如1，2，3)，黑色區(qū)域即為重疊區(qū)域。

圖6 運(yùn)動(dòng)區(qū)域重疊圖

從上圖中可以看出，只要保證足夠大的采樣率，即便再快速的運(yùn)動(dòng)目標(biāo)也會(huì)出現(xiàn)重疊區(qū)域，對(duì)于慢速運(yùn)動(dòng)的目標(biāo)更是如此，因此可以將圖像匹配問(wèn)題進(jìn)一步簡(jiǎn)化為重疊區(qū)域的檢測(cè)問(wèn)題。通過(guò)判斷相鄰幀運(yùn)動(dòng)區(qū)域重疊來(lái)跟蹤運(yùn)動(dòng)目標(biāo)，識(shí)別其運(yùn)動(dòng)軌跡。

2.4 背景圖像更新

由于背景圖像受到來(lái)自自然光照、天氣的影響，為了得到一個(gè)相對(duì)穩(wěn)定的背景，需要對(duì)背景圖像進(jìn)行實(shí)時(shí)更新。在實(shí)際應(yīng)用中，應(yīng)該根據(jù)實(shí)際環(huán)境情況選取相應(yīng)的背景更新規(guī)則，以獲得更好的性能。

背景更新原則一:對(duì)于背景圖像中一個(gè)特定像素點(diǎn)，根據(jù)2.2節(jié)的原理檢測(cè)該點(diǎn)在當(dāng)前幀中是否位于運(yùn)動(dòng)區(qū)域，若該點(diǎn)為運(yùn)動(dòng)點(diǎn)，采用當(dāng)前幀中該點(diǎn)的值替換背景圖像中對(duì)應(yīng)位置處的像素值，若該點(diǎn)不是運(yùn)動(dòng)點(diǎn)，則該點(diǎn)在背景圖像中對(duì)應(yīng)位置處的像素值不予更新。

背景更新原則二:對(duì)于背景圖像中一個(gè)特定像素點(diǎn)，根據(jù)2.2節(jié)的原理檢測(cè)該點(diǎn)在當(dāng)前幀中是否位于運(yùn)動(dòng)區(qū)域，采用以下公式進(jìn)行更新

式中:bg(i，j)為當(dāng)前背景值，F(xiàn)rame(i，j)為當(dāng)前幀值，α通常取0.7～0.9，需要根據(jù)實(shí)際情況作出選擇;若該點(diǎn)不是運(yùn)動(dòng)點(diǎn)，則該點(diǎn)在背景圖像中對(duì)應(yīng)位置處的像素值不予更新。

3 越界偵測(cè)

越界偵測(cè)是對(duì)視頻區(qū)域設(shè)定的一條警戒線，當(dāng)運(yùn)動(dòng)目標(biāo)穿越了該線時(shí)，則判斷為越界。越界檢測(cè)思路為:利用前面所述的方法，可以檢測(cè)到視頻中的運(yùn)動(dòng)目標(biāo)并跟蹤運(yùn)動(dòng)軌跡，此時(shí)計(jì)數(shù)問(wèn)題可以歸結(jié)為判斷兩條線段的相交問(wèn)題，若兩條線段相交，表示有運(yùn)動(dòng)目標(biāo)越界，若兩條線段不相交，則表示無(wú)越界情況。越界偵測(cè)如圖7所示。

圖7 越界偵測(cè)

如圖7中，線段AB表示警戒線，虛線段S表示目標(biāo)運(yùn)動(dòng)軌跡，S={S1，S2，…，Sn}，這里Sn表示軌跡點(diǎn)。若目標(biāo)穿越警戒線，則線段AB與線段S1S2相交;若目標(biāo)沒(méi)有穿越警戒線，則線段AB與線段S1S2不相交。設(shè)A坐標(biāo)(Xa，Ya)，B 坐標(biāo) (Xb，Yb)，S1 坐標(biāo) (x1，y1)，S2 坐標(biāo)(x2，y2)，則上述兩條線段可以用如下方程表示

利用式(3)和式(4)求解交點(diǎn)。

越界偵測(cè)統(tǒng)計(jì)如圖8所示(原圖為彩色圖)，圖中藍(lán)色線顯示了車(chē)輛跟蹤的軌跡圖，綠色數(shù)字為車(chē)輛編號(hào)，紅色的一條線為警戒線，當(dāng)一輛車(chē)駛過(guò)該警戒線時(shí)，越界計(jì)數(shù)器加1，“flux:10”顯示了當(dāng)前已有10輛車(chē)越界駛過(guò)。

圖8 越界偵測(cè)統(tǒng)計(jì)

4 小結(jié)

筆者提了一種基于背景重構(gòu)的運(yùn)動(dòng)對(duì)象越界偵測(cè)技術(shù)，該方法簡(jiǎn)單實(shí)用，且具有很好的自適應(yīng)性和準(zhǔn)確性，可廣泛應(yīng)用于智能交通、安防等行業(yè)，如智能交通中的闖紅燈抓拍系統(tǒng)、公路車(chē)輛檢測(cè)與記錄系統(tǒng)、交通流量檢測(cè)系統(tǒng)、人流量統(tǒng)計(jì)計(jì)數(shù)系統(tǒng)、安防中的入侵檢測(cè)等。

［1］CHEN H T，LIU T L.Trust－region methods for real－time tracking［EB/OL］.［2011－09－20］.http://www.google.com.hk/url?sa=t＆rct=j＆q=CHEN+H%EF%BC%8CLIU+T.+Trust－Region+methods+for+real－time+tracking＆source=web＆cd=6＆ved=0CFsQFjAF＆url=http%3A%2F%2Fwww.iis.sinica.edu.tw%2F ～ liutyng%2FPublication_files%2Ficcv01.pdf＆ei=sRhXT － ThKNCTiQeNxbz-NDQ＆usg=AFQjCNHKNwfJAcFKwWCQl2exDz13ykhMjQ＆cad=rjt.

［2］WREN C，AZARBAYEJANI A，DARRELL T，et al.Real－time tracking of the human body［J］.IEEE Transactions on Pattern Analysis and Machine Intelligence，1997，19(7):780.

［3］TOYAMA K，KRUMM J，BRUMITT B，et al.Wallflower:principles and practice of background maintenance［C］//Proc.7th IEEE International Conference on Computer Vision，1999.Greece:［s.n.］，1999:255.

［4］FREER J A，BEGGS B J，F(xiàn)ERNMDEZ－CANQUE H L，et al.Automatic intruder detection incorporating intelligent scene monitoring with video surveillance［C］//European Conference on Security and Detection.London:［s.n.］，1997:109－113.

［5］TAKANO T，USHITA K.Intruder detection system by image processing［C］//Proc.Conference on Security Technology，Institute of Electrical and Electronics Engineers 28th Annual 1994 International Carnahan.Albuquerque，NM，USA:［s.n.］，1994:31－33.

［6］HARITAOGLU I，HARWOOD D，DAVIS L S.W4S:A real－time system for detection and tracking people and their parts［C］//Proc.IEEE Computer Society Conference on Computer Vision and Pattern Recognition.［S.l.］:IEEE Press，1998:962－977.

［7］胡俊，蘇祥芳，劉立海，等.圖像序列運(yùn)動(dòng)檢測(cè)算法的研究及應(yīng)用［J］.武漢大學(xué)學(xué)報(bào):自然科學(xué)版，2000(10):613－616.

［8］艾海舟，樂(lè)秀宇.面向視覺(jué)監(jiān)視實(shí)時(shí)跟蹤的動(dòng)態(tài)背景更新方法［J］.計(jì)算機(jī)工程與應(yīng)用，2001(19):104－106.

［9］范勇，游志勝，張建州，等.一種快速運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤算法［J］.光電工程，2000，27(6):30－33.

［10］劉亞，艾海舟，徐光佑.一種基于背景模型的運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤算法［J］.信息與控制，2002，31(4):315－319.

［11］蔡榮太，吳元昊，王明佳，等.視頻目標(biāo)跟蹤算法綜述［J］.電視技術(shù)，2010，34(12):22－23.