视频监控中的背景提取与更新算法

田小平， 史 蕾

(西安邮电大学 电子工程学院， 陕西 西安 710121)

视频监控中的背景提取与更新算法

田小平， 史 蕾

(西安邮电大学 电子工程学院， 陕西 西安 710121)

为了从复杂场景中获取高质量的背景图像，提出一种基于帧间差分法和背景差分法的改进算法。将帧间差分法获得的背景图像作为视频的初始图像，将当前帧与初始图像的差值和平均差值进行比较，通过加权平均得到视频的背景图像，在背景更新时对背景图像进行选择性更新。改进算法在不同的场景中具有较强的适应能力。

背景提取；背景更新；帧间差分法；矩形框；阈值比较

视频监控中背景的提取与更新是运动目标检测的基础，也是视频处理、理解、编码的关键。对于一段视频序列，运动目标的检测算法主要分为光流法、帧间差分法和背景差分法三类[1]。光流法[2]是基于运动目标随时间变化的光流场作用来检测运动目标。其无需知道任何关于场景的先验知识，就能独立的检测出运动目标，但其计算复杂，抗噪性能差，如果没有较高的硬件配置，很难达到视频流全帧的实时监测。帧间差分法[3]是利用视频序列中相邻两帧的差值来描述运动目标轮廓的一种方法。其优点是算法简单，易于实现，稳定性好，在各种动态环境中具有自适应性，但这种检测方式对运动目标的速度变化比较敏感。背景差分法[4]是实时的对当前帧与背景图像进行减除，从而完整的分割出运动目标的一种方法。其优点是能够提取出完整的运动目标，分割出能够直接反映目标的数量、位置、大小、形状等信息，但实际中背景图像容易受到各种干扰。

从上面的分析中可以得出，单纯的每一种算法都有它的局限性，会受到运动目标速度、光照，天气变化，树叶抖动等状况的影响，得到的结果不能令人满意。针对以上几种算法的不足，本文在传统的帧间差分法和背景差分法基础上，提出一种改进的背景提取方法，以满足实际检测的要求。

1 背景图像的提取

由运动目标的跟踪得到启示，通过对采用帧间差分法二值化后跟踪到运动物体的大致轮廓，进行内切矩形定位，由每一帧定位到的矩形来区分前景物体以及背景图像。但由于帧间差分法得到的背景图像会受到运动目标的运动速度影响，因此，将帧间差分法获得的背景图像作为视频流的初始图像，再通过当前帧与初始图像的差值和当前帧与初始图像的总差值平均值进行阈值比较，排除前景像素点，最终得到完整的背景图像。为使得背景图像对外界变化具有自适应性，对背景图像进行选择性更新，得到更新后干净的背景图像。改进算法的基本步骤如下。

步骤2 设Bi(x,y)和Bi-1(x,y)为视频序列的相邻两帧，对其进行差分[5]得到帧间差分图像

Di(x,y)=|Bi(x,y)-Bi-1(x,y)|，

检测出属于背景的像素点。

步骤3 将差分得到的Di(x,y)二值化[6]得到

(1)

其中阈值的系数α∈[0,1]。在此实验中α取0.3，以避免外界和光照环境变化引起的干扰噪点。

步骤4 将得到的二值化序列的每一帧的像素点坐标进行分析，区分出前景的大致轮廓[7]。对于每一帧来说，对其像素点逐行逐列的进行扫描，都会存在由

(xi,min,yi,min)， (xi,min,yi,max)，
(xi,max,yi,min)， (xi,max,yi,max)，

4个点构成的矩形框[8]，将帧差图像中的前景图像内切的包含在矩形框内，其中

xi,min={Bwi(x,y)=0|x{Bwi(x,y)=1|x=xi,min},
xi,max={Bwi(x,y)=0|x>xi,max}∩
{Bwi(x,y)=1|x=xi,max},
yi,min={Bwi(x,y)=0|y{Bwi(x,y)=1|y=yi,min},
yi,max={Bwi(x,y)=0|y>yi,max}∩
{Bwi(x,y)=1|y=yi,max}。

对于通过式(1)得到的帧间差分二值化图像而言，其中参数xi,min,yi,min,xi,max,yi,max的位置如图1所示。

图1 参数位置说明

N帧扫描结束后，可以得出每一个像素点在N帧内做背景像素点对应的次数count′(x,y)。

步骤6 根据N帧中每个像素点做背景像素点的值和次数加权平均，求出由帧间差分法得到的初始背景图像。

(2)

Zi(x,y)=
{Bi(x,y):|Bi(x,y)-L(x,y)|≤E(x,y)}。

步骤9 将不符合上式的像素点赋值为-1,即

Zi(x,y)=

{-1：|Bi(x,y)-L(x,y)|>E(x,y)}，

通过逐帧扫描，将Zi(x,y)每个像素点值为非-1的次数记录下来。N帧扫描结束后，可以得出每一个像素点在N帧内做背景像素点对应的次数count″(x,y)。

步骤10 再对满足步骤8中的Zi(x,y)求平均值，记为J0(x,y),该值则作为提取出的背景图像的像素值。

2 背景更新

由于光照、天气变化、树叶抖动等外界突发状况的影响，背景图像会受到不同程度的干扰，因此，背景图像的更新就显得尤为重要。由于背景图像的确定不仅取决于当前帧的情况，还与以前帧具有相关性。为使得背景图像对外界变化具有自适应性，可以对背景图像进行选择性更新[11]，即就是对当前帧中运动的部分不更新，而对当前帧中除去运动的部分进行自适应更新，这样背景图像就可以在长时间内保持相对稳定[12]。

3 实验结果分析

选取80帧分辨率为320×240的24位RGB视频序列图像,在PC机上利用MATLAB7.0软件进行三种场景的实验分析。

针对动态场景，将原视频序列转换为灰度视频序列后进行帧间差分，帧间差分二值化后对二值化序列的每一帧的像素点坐标进行分析，区分出前景的大致轮廓，将帧差图像中的前景图像内切的包含在矩形框内并在对原灰度视频序列每一帧矩形框内的像素值都赋值为-1，根据N帧中每个像素点做背景像素点的值和次数加权平均，求出由帧间差分框值法得到的初始背景图像，再将当前帧与初始图像的差值和平均差值进行比较，通过加权平均得到视频的背景图像。对背景图像进行选择性更新，当前帧中运动的部分不更新，而对当前帧中除去运动的部分进行自适应更新。三种场景背景图像的提取和选择性更新分别如图2和图3所示。

图2可以看出，帧间差分框值法提取出的背景图像虽优于传统的平均值法和帧间差分法，但其依旧会受光照、天气变化、树叶抖动等外界突发状况的影响，提取出的背景图像有运动物体掠过的痕迹。而改进算法能够克服外界不同程度的干扰提取出干净的背景图像。

图3可以看出，对背景图像进行选择性更新后，可以根据场景的实时变化对背景图像进行实时的自适应更新，得到更新后的背景图像与当前帧的背景较为接近。

图2 三种场景背景图像的提取

图3 背景图像选择性更新

4 结束语

基于帧间差分法、背景差分法的新背景提取更新算法，通过对帧差二值图像提取出运动物体的内切矩形框，将非矩形框像素点加权平均后得到的图像视为视频流的初始图像，将当前帧与初始图像的差和差值平均值进行比较，从整体图像中将运动目标分离，从而提取出背景图像。改进后的算法易于实现、抗外界干扰能力强，提取出的背景图像也清晰可辨。自适应的背景更新算法也消除了背景突然改变对运动目标检测带来的负面影响，使得背景模型更加可靠稳定。实验表明，结合后的算法便于实现,准确有效。

[1] Wang Liang,Hu Weiming,Tan Tieniu.Recent developments in human motionanalysis [J]. PatternRecognition, 2003, 36 (3):585-601.

[2] Barron J,Fleet D,Beachem in S.Performance of optical flow teachniques[J].International Journal of computer Vision, 1994,12(1):42-47.

[3] Lipton A J, Fujiyoshi H,Patil R S. Moving target classification and tracking from real-time video[C]//Applications of Computer Vision, 1998, WACV’98, Proceedings, Fourth IEEE Workshop on, 1998:8-14.

[4] 朱明旱,罗大庸,曹倩霞.帧间差分与背景差分相融合的运动目标检测算法[J].计算机测量与控制,2005,13(3): 215-217.

[5] 田小平,吴成茂.利用差分图像奇异值分解的置乱程度评价研究[J].计算机工程与应用,2010，46(23):162-165.

[6] 袁伟才,徐向民.一种有效的动态背景提取及更新方法[J].计算机工程与应用,2010,46(4):191-235.

[7] 靳鹏飞.基于自适应模板相关跟踪算法的研究[J].西安邮电学院学报,2007,12(1):44-47.

[8] 张洋.视频跟踪算法研究[D].北京:北京交通大学, 2011:12-27.

[9] 田小平,吴成茂,谭铁牛.基于差分信噪比的图像置乱效果评价研究[J].计算机工程与设计,2009,30(10):2390-2393.

[10] 高山,毕笃彦,魏娜.基于SACON背景模型的人体检测与跟踪[J].计算机应用,2009,29(6):1669-1672.

[11] 汪冲,席志红,肖春丽.基于背景差分的运动目标检测方法[J].应用科技,2009,36(10):16-18.

[12] 刘菁,王忠民. 基于单目视觉的运动障碍物检测[J].西安邮电学院学报,2012,17(3):58-62.

[责任编辑:祝剑]

An algorithm of background extraction and update in video surveillance

TIAN Xiaoping， SHI Lei

(School of Electronic Engineering, Xi’an University of Posts and Telecommunications, Xi’an 710121, China)

An improved algorithm based on frame-difference and background subtraction is proposed for obtaining a high-quality background image from complex scene. The current frame and the original image, which is the background from frame-difference to distinguish pixels between foreground and background, is compared and then weight averaged in order to obtain the background image, which is selectively updated while background updating. The improved algorithm has strong adaptability to different scenarios.

back ground extraction, back ground update, frame-difference, rectangular box, threshold comparison

10.13682/j.issn.2095-6533.2014.01.002

2013-10-10

国家自然科学基金资助项目(612712120)

田小平(1963-)，男，硕士，教授，从事数字图像处理研究。E-mail:xptian@xupt.edu.cn 史蕾(1989-)，女，硕士研究生，研究方向为视频中运动目标的检测与跟踪。E-mail: 290475690@qq.com

TP751

A

2095-6533(2014)01-0013-04