基于背景差法的运动目标分割

张建荣

0 引 言

近年来，随着信息科技的发展，视频监控系统得到越来越广泛的应用。视频图像分割是其中一个关键问题。运动目标分割最简单的方法是光流法［1］，但光流法容易受光照和噪声等的影响，实时性也较差，故本实验采用分割结果较理想的背景差法［2－4］。

本实验运动目标分割过程如图1所示。

图1 运动目标分割过程

1 图像预处理

文中所使用图像为车辆交通图像，典型的车辆交通图像具有以下特点:

1）车辆是唯一运动的物体；

2）车辆运动基本与车道平行，很少有并道的现象；

3）路面的平均灰度反映了当前的光照条件。

实验中对于可能由于背景图像光线的不断变化、树木扰动等因素都产生的噪声，在检测、分割之前先对图像预处理，以减弱噪声对图像后续处理的影响。图像预处理中采用平滑滤波去除噪声。

2 背景提取

背景图像的获得通常采用背景更新［5］算法，在本实验中针对交通视频图像使用改进的背景更新算法。在算法中，对图像分块更新，但不更新有车辆出现的部分。在对块图像进行做差以后，用块中像素灰度值变化的均值与阈值相比较，若小于阈值，按相应的背景更新算法进行更新；否则不更新。

具体的背景更新算法步骤为:

1）读入N张连续的图像数据。将第1帧图像I0作为初始背景B0。

2）将每帧图像划分成m×m的块IIi（块的多少可以根据实验调节。块划分的越多，结果就会越精确，但计算量也会越大，一般划分为4×4较适宜）。

3）求当前帧图像中每个块的帧差分图像，并求解其像素灰度值的均值E。

4）选取阈值T，对每个块做如下更新:

5）重复步骤4），直到最后。

最后将得到的所有块背景图像相加，得到整个背景图像。在交通监控中，由于有些车辆运行速度缓慢，或者可能在遇到红灯时停止一段时间，容易造成背景提取错误，在本实验中，采取隔帧读取图像的方法，可以改善背景提取效果。

在背景提取中，背景更新算法所用的阈值T应该采用动态确定的方法来获取。本实验采用具有简单、处理速度快特点的Otsu［6］法。

3 差值图像

利用背景提取算法得到背景图像以后，就可以运用背景相减［7］法来获得运动目标，即用当前帧图像与所获得的背景图像相减以获得差值图像，并采用取绝对值的方法来避免做差可能出现负像素的情况。

4 阈值分割

在获得差图像之后，为了能突出运动目标区域，要用阈值来将图像二值化，从而得到二值化图像。阈值分割的基本原理是选定图像的阈值，将图像中所有像素的灰度值与之比较，若小于阈值被设置为0（黑），大于阈值则被设置为255（白）。阈值分割中，阈值的选取很重要。在差分图像中，由于有很多高灰度值的前景像素和低灰度值的背景像素，如果阈值选取不当，可能会使一些低灰度值的背景像素被误判为前景像素，也会使属于前景的像素点被判为背景像素，出现前景丢失情况。

在本实验中选取基于迭代的阈值方法对帧差分图像进行二值化。这种方法能自动更新阈值，比人工选择法方便，且比直接选取阈值的分割效果好。

5 形态学处理

在二值化过程中，由于实验方法和环境的影响，会导致一部分前景和背景像素点的误判。这样就会使差分二值图像出现一些孤立的点和目标物内有空洞的问题。为了消除这些影响，需要对获得前景和背景的二值化差分图像作一些处理，本实验使用形态学处理［8］的方法。

在数学形态学中，其基本运算有腐蚀、膨胀、开启和闭合运算。在本实验中，先采用腐蚀运算，然后再膨胀运算来去除分割后图像中的孤立点和区域内的空洞。

腐蚀是消除物体所有边界点的一种过程，其对圆形物体每次腐蚀，将使物体直径减少2个像素，其结果使剩下的物体沿其周边比原物体小一个像素的面积。腐蚀可以去除图像中小且无意义的孤立点。

膨胀是将与物体接触的所有背景点合并到该物体的过程，膨胀过程的结果是使物体的面积增大了相应数量的点:每次膨胀后增大2个像素。膨胀可以填补分割后物体中的空洞。

6 实验结果

运动目标分割实验过程如图2所示。

图2 运动目标分割实验过程

图中（a）为原始灰度图像；（b）为中值滤波后的图像，除噪效果比较好；（d）为用改进的背景更新算法得到的背景图像；利用背景差得到差值图像（e）；二值化图像见（f）。将二值化图像先腐蚀再膨胀，得到最后的分割结果（见（h））。

7 结 语

运动目标分割是目标跟踪等其它视频图像处理工作的基础。本实验采用背景更新算法获得质量较好的背景，利用背景差法对图像经过分割后，成功分割出较精确的运动目标，为其它后续工作奠定了良好的基础。

［1］ 朱娟娟，郭宝龙.复杂场景中基于变块差分的运动目标检测［J］.光学精密工程，2011，19（1）:183-191.

［2］ 刘亚，艾海舟，徐光佑.一种基于背景模型的运动目标检测与跟踪算法［J］.信息与控制，2002，31（4）:315-319，328.

［3］ 魏冬梅，张之超，高振明，等.一种基于背景的视频运动对象分割算法［J］.山东大学学报:理学版，2004（2）:73-76，80.

［4］ 于成忠，朱骏，袁晓辉.基于背景差法的运动目标检测［J］.东南大学学报:自然科学版，2005（S2）:165-167.

［5］ 李刚，邱尚斌，林凌，等.基于背景差法和帧间差法的运动目标检测方法［J］.仪器仪表学报，2006，27（8）:961-964.

［6］ 韩思奇，王蕾.图像分割的阈值法综述［J］.系统工程与电子技术，2002，24（6）:91-94，102.

［7］ 李文斌，周晓敏，王长松.一种基于背景减法的运动目标检测算法［J］.北京科技大学学报，2008（2）:106-110.

［8］ 韩妪伟，张有志，李庆涛，等.帧差累积和减背景相结合的运动对象分割方法［J］.计算机工程与应用，2011，47（14）:164-165，203.