CN107194932B - 一种基于指数遗忘的自适应背景重建算法 - Google Patents

Abstract

本发明涉及一种基于指数遗忘的自适应背景重建算法，用于解决现有技术中计算复杂、鲁棒性差和检测效果差的问题。本发明相对现有背景更新方法在更新权重α的计算和背景更新的方法相对简单，对于更新权重α的计算，减小了视频序列处理的计算量，本发明的方法不仅能够对光线的变化、场景中物体的反复运动、物体通过背景杂乱区域、运动缓慢的物体以及从场景中移入或移除的物体都具有比较好的鲁棒性。本发明消除的传统更新算法中存在的“鬼影”现象并且建模后的背景非常稳定。鉴于以上理由，本发明可以广泛用于计算机图像处理技术和计算机图形学领域。

Description

一种基于指数遗忘的自适应背景重建算法

技术领域

本发明涉及计算机图像处理技术和计算机图形学领域，特别是关于一种基于指数遗忘的自适应背景重建算法。

背景技术

近年来，城市的大规模发展过程中，车辆和道路的矛盾日益突出。频繁的交通事故、严重的交通堵塞成为城市发展的一个致命伤。然而，目前国内的智能交通系统研究还处于起步阶段。

根据车辆视频监测和传输特点，将从视频中采集得到的图像数据首先做背景重建，然后利用背景重建后得到的背景进行视频对象分割，最后将重建的背景、视频对象以及视频对象在视频图像中的位置保存，作为后续视频检测分析的依据。

针对视频对象分割的常用方法包括连续帧间差分法、背景差分法和光流法。其中，连续帧间差分法对于动态环境有很好的适应性，但在实际应用中，对目标运动速度很快或很慢时，往往检测到的区域和实际区域会出现很大的偏差，检测效果差。背景差分法能够提供比较完整的运动目标信息，但随着时间的推移，对光照和外部条件造成的动态场景变化比较敏感，鲁棒性差。光流法能够在不知道场景任何信息的情况下检测出运动目标，但是光流法对噪声比较敏感，鲁棒性差，且计算复杂，计算量非常大，不适于实时处理，且精度较低。

发明内容

本发明要解决的技术问题是：为了解决现有技术中计算复杂、鲁棒性差和检测效果差的问题，本发明提供一种基于指数遗忘的自适应背景重建算法来解决上述问题。

本发明解决其技术问题所采用的技术方案是：一种基于指数遗忘的自适应背景重建算法，用于针对将车辆监控视频分割成的连续多帧图像进行处理得到背景视频，包括以下步骤：1)采用当前帧图像I_n和原背景图像B_n-1做差分，得到临时运动区域模板M_n；

其中，M_n(x,y)为临时运动区域模板M_n中(x,y)位置处的像素值；I_n(x,y)为当前帧图像I_n中(x,y)位置处的像素值；B_n-1(x,y)为原背景图像B_n-1中(x,y)位置处的像素值，且x＝1，2，3，...，n，y＝1，2，3，...，n；2)针对临时运动区域模板M_n中的空洞采用freeman链码提取算法进行填充，得到运动区域模板M_n'；3)根据填充之后的运动区域模板M_n'，计算原背景图像B_n-1的更新权重α，该更新权重α的公式如下：

其中，area of I_n为当前帧图像I_n中像素点数目，表示运动区域中的像素点数目占当前帧图像I_n像素点总数目的比重得到更新权重α；4)遍历运动区域模板M_n'中每一像素点，并判断运动区域模板M_n'中当前像素点是否是运动区域像素点？若当前像素点的像素值为1，则该像素点为运动区域像素点，进入步骤5)；若当前像素点的像素值为0，则该像素点为非运动区域像素点，进入步骤6)；5)将当前像素点在原背景图像B_n-1中的像素值赋给更新后背景图像B_n中对应的像素点，得到运动区域图像，进入步骤7)；6)原背景图像B_n-1使用背景更新公式更新当前像素点，得到非运动领域图像，进入步骤7)：其中，背景更新公式为

其中，B_n(x,y)为更新后背景(x,y)位置处的像素值；7)运动区域图像和非运动领域图像进行逻辑或运算；8)得到重建后的背景图像，并将该重建后的背景返回到步骤1)更新原背景图像B_n-1，即重建后的背景图像作为原背景图像B_n-1；9)重复步骤1)-步骤8)直至车辆监控视频结束，得到建模后的背景视频。

所述步骤2)包括以下步骤：21)找到临时运动区域模板M_n中任意一个运动区域的起始点；22)从起始点开始，根据方向编码对选定运动区域进行编码；23)编码后，从该运动区域的起始点围绕运动区域边缘，按顺时针方向取值，获得该运动区域的连通域编码串；24)按照步骤21)-步骤23)获取临时运动区域模板M_n中各个连通域编码串以及起始点，遍历临时运动区域模板M_n中每个连通域并对该连通域中的空洞进行填充，填充之后得到运动区域模板M_n'。

所述步骤21)中，起始点的像素值为1，且第一次出现。

本发明的有益效果是：本发明采用本发明首先通过当前帧图像与原图像进行差分运算并将结果取绝对值得到临时运动模板，对临时运动模板使用freeman链码提取算法得到临时运动模板中各个运动区域的连通域，然后遍历每个连通域进行空洞填补，保持了原移动领域大小形状不变，接着计算移动领域的像素点数目占整个图像像素点总数目的比重得到背景的新的更新权重，非运动区域根据新的更新权重、原背景、当前帧三个部分更新非运动区域背景，运动区域直接取与之对应的原背景像素值，最后将更新后的运动区域与更新后的非运动区域使用逻辑或运算得到重建后背景图像，用重建后的背景更新原背景。本发明相对现有背景更新方法在更新权重α的计算和背景更新的方法相对简单，对于更新权重α的计算，减小了视频序列处理的计算量，本发明的方法不仅能够对光线的变化、场景中物体的反复运动、物体通过背景杂乱区域、运动缓慢的物体以及从场景中移入或移除的物体都具有比较好的鲁棒性。本发明消除的传统更新算法中存在的“鬼影”现象并且建模后的背景非常稳定。鉴于以上理由，本发明可以广泛用于计算机图像处理技术和计算机图形学领域。

附图说明

下面结合附图和实施例对本发明进一步说明。

图1为本发明主要流程图；

图2为本发明实施例示意图，其中，图2-1为当前帧图像，图2-2为原背景图像，图2-3为运动区域模板，图2-4为非运动领域图像，图2-5为运动区域图像，图2-6为更新后的背景图像；

图3为本发明采用的方向编码示意图；

图4为编码串示意图。

具体实施方式

现在结合附图对本发明作进一步详细的说明。这些附图均为简化的示意图，仅以示意方式说明本发明的基本结构，因此其仅显示与本发明有关的构成。

如图1和图2所示，本发明一种基于指数遗忘的自适应背景重建算法，它包括以下步骤：

1)采用当前帧图像I_n和原背景图像B_n-1做差分，得到临时运动区域模板M_n；

由于车辆监控视频的相邻帧具有时间相关性，因此可以连续获取多帧相邻图像。

假定当前帧图像为I_n，I_n-1，I_n是连续的两帧图像，B_n为更新后的背景图像，B_n-1为原背景图像。

当n＝1时，I_n＝B_n-1＝I_n-1；

当n>1时，遍历当前帧图像I_n(如图2-1所示)与原背景图像B_n-1(如图2-2所示)每个对应的像素点做差值运算，之后取绝对值，即差分运算：

若当前帧图像I_n与原背景图像B_n-1的对应像素点(x,y)像素值之差的绝对值小于阈值l，则该像素点为背景像素点，该像素点在临时运动区域模板M_n中的像素值为0；否则，该像素点为运动前景像素点，该像素点临时运动区域模板M_n中的像素值为1，进而得到当前帧图像I_n的临时运动区域模板M_n：

其中，M_n(x,y)为临时运动区域模板M_n中(x,y)位置处的像素值；I_n(x,y)为当前帧图像I_n中(x,y)位置处的像素值；B_n-1(x,y)为原背景图像B_n-1中(x,y)位置处的像素值，且x＝1，2，3，...，n，y＝1，2，3，...，n。

2)针对临时运动区域模板M_n中的空洞采用freeman链码提取算法进行填充，得到运动区域模板M_n'。

由于通过计算得到的临时运动区域模板M_n中的像素点并不是都被认定为运动区域的像素点，因此临时运动区域模板M_n对应实际运动区域内残存了空洞。

本发明采用freeman链码提取算法对临时运动区域模板M_n中的空洞进行填充，遍历临时运动区域模板M_n，其过程如下：

21)首先找到临时运动区域模板M_n中任意一个运动区域的起始点，即该点像素值为1并且该点第一次出现，并记录该起始点坐标，起始点可以是该运动区域边缘上的任意一点；

22)从起始点开始，根据方向编码(如图3所示)对选定运动区域(如图4所示)进行编码；

23)编码后，从该运动区域的起始点围绕运动区域边缘按顺时针方向取值即获得该运动区域的连通域编码串010707645443422，此时可以通过起始点求得连通域的边缘各个点的坐标，这样便于区别不同的连通域和填充连通域中存在的空洞。

24)按照步骤21)-步骤23)获取临时运动区域模板M_n中各个连通域编码串以及起始点的情况下，遍历临时运动区域模板M_n中每个连通域并对该连通域中的(黑色)空洞进行填充，在不改变运动区域大小的前提下填充空洞。填充之后得到没有空洞的封闭连通域，即运动区域模板M_n'(如图2-3所示)。

3)根据填充之后的运动区域模板M_n'，计算原背景图像B_n-1的更新权重α，该更新权重α的公式如下：

其中，area of I_n为当前帧图像I_n中像素点数目，表示运动区域中的像素点数目占当前帧图像I_n像素点总数目的比重得到更新权重α。

α是一个连续更新的值，是原背景图像B_n-1对当前帧图像I_n的更新率由更新权重α控制着更新的敏感性，当前帧图像I_n与原背景图像B_n-1的亮度变化越快(或者出现移动物体)，更新的速度越慢，(几乎接近为0)。所以此时原背景图像B_n-1的大部分都被当前帧图像I_n所影响着。

本发明采用公式

来定义最佳的更新速率。之所以使用这个公式是因为这个公式具有非常重要的优势：

a、使用上述公式之后，整个背景重建更新的过程几乎是自动完成的。

b、使用公式后，可以适应所有可能出现的光照变化和移动状况。

4)遍历运动区域模板M_n'中每一像素点，并判断运动区域模板M_n'中当前像素点是否是运动区域像素点？若当前像素点的像素值为1，则该像素点为运动区域像素点，进入步骤5)；若当前像素点的像素值为0，则该像素点为非运动区域(静止区域)像素点，进入步骤6)；

5)将当前像素点在原背景图像B_n-1中的像素值赋给更新后背景图像B_n中对应的像素点，得到运动区域图像(如图2-5所示)，进入步骤7)；

6)原背景图像B_n-1使用背景更新公式更新当前像素点，得到非运动领域图像(如图2-4所示)，进入步骤7)。

其中，背景更新公式：

其中，B_n(x,y)为更新后背景(x,y)位置处的像素值。

由于交通监控视频中车辆为图像序列的主要运动对象，而每一帧中车辆区域占整幅图像的比例不高于50％，一般为10％-20％，因此α的取值范围是0.8-0.9。背景建模过程中我们将当前帧图像I_n的更新权重设定为α，前一帧图像I_n-1对应的原背景图像B_n-1的更新权重1-α，因为若将更新权重对调，那么在背景建模过程中的误差在10帧以后α¹⁰在0.11-0.35范围内，按照现在的权重设定方案进行建模，10帧以后误差的残留几乎为0，即为本发明基于指数遗忘的体现。

7)运动区域图像和非运动领域图像进行逻辑或运算；

8)得到重建后的背景图像(如图2-6所示)，并将该重建后的背景返回到步骤1)更新原背景图像B_n-1，即重建后的背景图像作为原背景图像B_n-1。

9)重复步骤1)-步骤8)直至车辆监控视频结束，得到建模后的背景视频。

以上述依据本发明的理想实施例为启示，通过上述的说明内容，相关工作人员完全可以在不偏离本项发明技术思想的范围内，进行多样的变更以及修改。本项发明的技术性范围并不局限于说明书上的内容，必须要根据权利要求范围来确定其技术性范围。

Claims (3)

1.一种基于指数遗忘的自适应背景重建方法，用于针对将车辆监控视频分割成的连续多帧图像进行处理得到背景视频，包括以下步骤：

1)采用当前帧图像I_n和原背景图像B_n-1做差分，得到临时运动区域模板M_n；

其中，M_n(x,y)为临时运动区域模板M_n中(x,y)位置处的像素值；I_n(x,y)为当前帧图像I_n中(x,y)位置处的像素值；B_n-1(x,y)为原背景图像B_n-1中(x,y)位置处的像素值，且x＝1，2，3，...，m，y＝1，2，3，...，m，m为自然数；

2)针对临时运动区域模板M_n中的空洞采用freeman链码提取算法进行填充，得到运动区域模板M_n'；

3)根据填充之后的运动区域模板M_n'，计算原背景图像B_n-1的更新权重α，该更新权重α的公式如下：

其中，area of I_n为当前帧图像I_n中像素点数目；

4)遍历运动区域模板M_n'中每一像素点，并判断运动区域模板M_n'中当前像素点是否是运动区域像素点,若当前像素点的像素值为1，则该像素点为运动区域像素点，进入步骤5)；若当前像素点的像素值为0，则该像素点为非运动区域像素点，进入步骤6)；

5)将当前像素点在原背景图像B_n-1中的像素值赋给更新后背景图像B_n中对应的像素点，得到运动区域图像，进入步骤7)；

6)原背景图像B_n-1使用背景更新公式更新当前像素点，得到非运动区域图像，进入步骤7)：

其中，背景更新公式为

其中，B_n(x,y)为更新后背景(x,y)位置处的像素值；

7)运动区域图像和非运动区域图像进行逻辑或运算；

8)得到重建后的背景图像，并将该重建后的背景返回到步骤1)更新原背景图像B_n-1，即重建后的背景图像作为原背景图像B_n-1；

9)重复步骤1)-步骤8)直至车辆监控视频结束，得到建模后的背景视频。

2.如权利要求1所述的一种基于指数遗忘的自适应背景重建方法，其特征在于：所述步骤2)包括以下步骤：

21)找到临时运动区域模板M_n中任意一个运动区域的起始点；

22)从起始点开始，根据方向编码对选定运动区域进行编码；

23)编码后，从该运动区域的起始点围绕运动区域边缘，按顺时针方向取值，获得该运动区域的连通域编码串；

24)按照步骤21)-步骤23)获取临时运动区域模板M_n中各个连通域编码串以及起始点，遍历临时运动区域模板M_n中每个连通域并对该连通域中的空洞进行填充，填充之后得到运动区域模板M_n'。

3.如权利要求2所述的一种基于指数遗忘的自适应背景重建方法，其特征在于：所述步骤21)中，所述起始点的像素值为1，且第一次出现。

Images