一种改进的背景提取与目标检测方法研究

王丹 刘怀 陈宏田

【摘要】目标检测背景差分法是相对而言较为常用的方法，但是在背景差分法中，背景模型的建立成了至关重要的一个步骤，针对传统的混合高斯模型面临的计算量大、环境尤其是光照突变和对场景构成改变的问题，本文首先提出了一种简化了的混合高斯模型，可以减少运算量[1-3];其次通过区分是否发生光照突变从而选择不同的背景更新速率。简单、有效地解决了背景建模、实时更新模型参数以及光照变化和场景构成变化的问题。

【关键词】改进混合高斯模型;背景差分;运动目标检测

Abstract：target detection background difference method is relatively commonly used method， but in the background difference method， background model has become one of the most important step， in view of the traditional gaussian mixture model face a large amount of calculation， the environment， especially the illumination mutations and a change to the scene， this paper puts forward an adaptive gaussian mixture model number choice， secondly by distinguishing light mutations and choose a different background update rate. Effectively solve the background modeling， real-time update model parameters and the change of illumination and scene change.

Keywords：Improving Mixture Gaussion medel;Background subtraction;Moving object detection

1.引言

对于运动目标的检测，在现代化的各个领域都占有者重要地位，也是人们研究的热点。基于背景模型建立的目标检测方法通常有均值法、中值法、单高斯分布背景模型、混合高斯分布背景模型等，混合高斯模型是最为重要的一种背景建模方法。它是利用多个高斯分布函数进行背景模型的建立，通过与对应像素匹配，不断修改多个高斯分布的组成及权重，因此对场景具有一定的适应能力，但是该方法仍然存在很多弊端：1）在光照突变或者树叶大面积摆动的情况下，像素值会在短时间之内大面积的发生突变，很容易会被检测成为目标，这就存在一定的虚假性;2）目标长时间停止再运动时，被目标遮挡的部分容易被误判断为前景目标;3）目标运动缓慢或者做短暂停留时，很容易将目标判断为背景。

2.混合高斯模型

在混合高斯模型中，把图像中的每个像素都建立K个高斯函数模型（K=3～5），高斯分布表示所构成的模型&其函数表达式为：

高斯混合模型的背景提取和更新应包含以下三个部分：背景模型的初始化、参数更新、背景模型提取。

2.1 背景模型参数初始化

要对K个混合高斯分布的均值、标准差、权重系数初始化[4]：

⑴K个混合高斯分布的均值为第一帧视频所对应像素的像素值;

⑵K个混合高斯分布的标准差去一个相对较大的值;

⑶K个混合高斯分布的权重相等（一般为一）。

2.2 背景模型的参数更新

在完成对每个像素所对应的K个混合高斯分布初始化后，需要对下一帧图像里的每个像素与K个高斯模型进行逐一高斯匹配，如果满足式（1），则证明该像素与第i个高斯分布相匹配，匹配的为背景点，不匹配的为前景点。

（1）

对已经匹配成功的高斯分布按照式（2）进行参数更新：

（2）

匹配时取1，不匹配时取0。

2.3 背景模型的提取

每个像素点的多个高斯分布的优先级按照的值从大到小递减排列，在选取背景模型的时候从第一个优先级最高的模型开始，选取B个高斯分布作为背景模型[5]：

其中：-0.7～0.8。

3.改进的混合高斯模型

3.1 混合高斯模型个数的简化[6]

耗时较长是混合高斯模型较为突出的缺点，因为该建模方法需要对每个像素点建立多个（一般情况为3～5）高斯模型，大大增加了运算时间和运算的复杂度，有些不太复杂的场景下，很少的高斯分布就能准备的描述出背景模型，因此需要对高斯混合模型的个数采取减少的策略。

3.2 算法流程

（1）参数初始化：在描述的算法中首先规定，每个像素所对应的高斯分布模型的最大个数不超过3个，在视频的第一帧，对每个像素设置的高斯分布个数都为1个，高斯分布的均值为该点的像素值，方差选取一个较大的数，权重可设为1。

（2）通过匹配适当增加高斯分布的数量：用已有的高斯分布进行像素匹配，如果出现现有的高斯分布中没有出现能与当前像素匹配的情况，那么首先要判断现有的高斯分布个数是否超出了规定的最大限额（3个），如果没有超过，那么需要添加，如果已经到达了个数的上线，那么需要用新增的高斯分布去替代分布中权重最轻的那个高斯分布。

（3）对不必要的高斯分布予以删除：在多个高斯分布中，优先级和权重比较靠前的更能接近背景模型，而权重较低的高斯分布则更接近于前景，所以可以设定一个权重的下线，当初下现时，可以判断出该高斯分布是不必要的，为计算方便，可以删除该高斯分布。

图1 均值法背景下检测出的目标

图2 均值法背景下光照改变时提取的目标

图3 本文方法下提取的目标

4.改进的背景更新算法

对于室外采集到的视频，难免会受到光照和大风等不可抗因素的影响，尤其是光照量的突变，视频拍摄过程中光照突变会造成大片的虚拟目标被判断出来，严重影响了目标检测的准确度，在本文中如遇到光照突变的情况，可以通过以下方案进行改进：（1）改变背景的更新速率，加快背景模型的更新;（2）将检测到的发生光照变化的第一帧设置为初始帧，重新建立一个背景模型。

图4 本文方法下光照发生变化时提取的目标

出于对算法优化的综合考量，第一种方法更加便捷有效，要判断光照突变的情况，可以设置一个测评参数φ，其中，通过设定一

个阈值（取=0.6），参照式（1）来实现环境的判断，从而选择背景模型的更新速率[7]。

（1）

其中：表示当前帧和背景模型相减后所得到的前景像素的个数;表示整个图像的像素个数，若满足上式，则表明视频中发生了光照突变，此时可以将背景模型的更新速率适当增大，使变化后的像素值尽快成为新的背景;若不满足上式，则表明视频中未发生光照突变的情况，则采用原先的更新速率。

5.仿真结果与分析（见图1-图4）

6.结束语

本文为了克服传统的高斯混合模型建模时存在的光照突变、计算耗时较长以及场景构成改变更新难的缺点，提出了一种改进了的背景建模与目标检测方法。通过实验结果的对比可以看出，基本上该方法是可以克服以上所述的缺点的，证明了本文中方法的实际可行性。

参考文献

[1]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）：315-318.

[2]钟珞，刘剑.基于混合高斯和均值滤波法的运动检测方法[J].武汉理工大学学报： 信息与管理工程版， 2010，32（ 5） ：691-693.

[3]刘怀，黄建新.彩色图像的矢量阈值自适应分割算法[J].南京师范大学学报：工程技术版，2006，6（2）：18-22.

[4]王小平，张丽杰，常佶.基于单高斯背景模型运动目标检测方法的改进[J].计算机工程应用，2009，45（21）：118-120.

[5]黄鑫娟，周洁敏，刘伯扬.自适应混合高斯背景模型的运动目标检测[J].计算机应用，2010，30（1）：71-74.

[6]王丽娟.基于OPENCV与混合高斯建模的运动目标检测[J].电子测试，2009（9）：87-90.

[7]李明之，马志强，单勇，张晓燕.复杂条件下高斯混合模型的自适应背景更新[J].计算机应用，2011，30（7）.

作者简介：王丹（1991—），女，南京师范大学电气与自动化工程学院硕士研究生在读，主要研究方向：图像处理，目标跟踪与检测。