三帧差结合改进高斯建模的运动目标检测算法

魏 玮，吴 琪

（河北工业大学 计算机科学与软件学院，天津300401）

0 引 言

对序列图像的运动分析是当今计算机视觉领域的一个重要的研究方向，视频中运动目标的检测作为运动目标跟踪、特征提取、运动目标分类等后续操作的前提具有非常重要的研究价值，运动目标检测是智能视频监控以及机器视觉的基础，其检测效果的好坏对于后续处理的影响直接相关。

常用的运动目标检测方法主要有：背景减除法［1］、帧差法［2］以及光流法［3］。光流法的运算过程复杂，实时性比较差，经常应用在摄像机运动的情况，我们这里不予考虑。帧差法是利用两帧图像灰度值之间的差来进行运动目标检测，但是其对于光线变化较为敏感并且会在目标区域产生“空洞”现象。背景减除法是利用当前图像与背景图像的差来检测运动目标。但是想要获得理想的背景是不容易的，比较常用的是C.stauffer等提出的混合高斯模型［4，5］来建立背景模型，能较好的适应光线的变化，但是不能适应光线突变等情况，并且运动目标速度较慢或者出现短暂停滞的时候会对背景模型进行干扰，张燕平等提出的应用改进混合高斯模型的运动目标检测［6］可以根据场景中运动还是静止选择整帧更新或是只更新背景，其仅对运动目标的静止与否进行检测，并没有考虑不同部分的更新率对于高斯背景建模的影响。王永忠等［7］提出了自适应高斯模型数目的方法同像素点的空间位置相结合来改进混合高斯模型，但并没有考虑自适应学习率。鉴于每一种方法都存在一定的局限性，多模型相融合［8，9］的方法得到进一步的研究，这些算法虽然在一定程度上提高了检测的准确性，但仍然受到特定条件的限制，运动目标检测仍然是研究的热点以及难点。实际上，在背景模型的更新中，对于视频中图像的不同部分，背景模型的更新率对于高斯混合模型的贡献是不同的，本文通过动态的自适应的学习率建立高斯混合模型，并且给予高斯混合模型更快速的更新策略，结合三帧差法帧法能够更好的解决 “鬼影”以及阴影现象，以及在光线或者环境突变的情况下更快速的进行混合高斯建模。

1 高斯混合背景模型

1.1 简 介

高斯背景建模是由C.stauffer等提出的，背景不一定是没有运动的区域，树叶飘动以及水纹荡漾也应该看作背景。高斯背景建模［4］的方式是分别为背景图像中的每一个像素点建立模型，并且随着时间的增加更新模型参数，通过判断运动目标的像素分布是否符合背景模型来检测运动目标。

1.2 高斯混合模型的建立

（1）和式（2）表示混合高斯模型

k个高斯背景的分布按照ωi，t／σi，t（i＝1，2，…k）的大小从高到低进行排列。ωi，t是权值，我们可以理解为某个高斯分布出现的概率的大小。

我们可以根据权值ωi，t和阈值T∈（0，1）来确定描述背景的高斯分布，通过式（3）选择前n个高斯分布来描述背景。其余的高斯分布，我们即认为其是描述前景的

1.3 混合高斯模型的更新以及背景匹配

对于不匹配的k－1个高斯分布，仅根据式（8）更新他们的权重

式中：ρ——权值更新率，α——学习速率。

该模型有一个十分重要的参数，即学习速率α。

2 改进的混合高斯模型

2.1 自适应学习速率混合高斯模型

通过仔细研究发现，视频中的正在运动区域并不需要进行更新，而已经运动的区域需要以较快的速度进行更新，背景区域的更新速率可以适当慢点，并且能够适应光照突变等情况。

对视频图像进行运动目标检测，得到连续两帧的运动目标区域，将这两帧图像进行差分得到属于上一帧的已经运动区域以及属于当前帧的正在运动区域。分割结果如图1所示。

图1 分割结果

2.2 快速高斯混合模型更新策略

在高斯混合背景建模提取前景的过程中，大部分的背景是固定不变的，这部分长时间固定不变的背景匹配的模型几乎不发生变化。因此，背景中固定不变的像素对应的模型不需要每帧都进行高斯混合模型的更新。

对于连续TH 帧被判断为背景的像素点，并且其权重大于ωT时，在接下来的T 帧中不对模型参数进行更新。对于前景像素点，他的参数更新与自适应高斯混合模型的更新一致。

针对第一帧视频即在背景中，混合高斯建模提取背景的结果如图2所示，自适应学习速率高斯建模提取背景的结果如图3所示。

图2 混合高斯建模的背景结果

图3 自适应学习率的高斯混合建模的背景结果

3 自适应高斯混合模型结合三帧差法

3.1 三帧差法

帧差法提取前景是通过计算相邻两帧图像之间的差值来得到运动区域，由于差分只保留相对变化的信息，所以会有重影现象的出现以及空洞现象。三帧差法［10］是在帧差法的基础上进行的改进，将相邻三帧图像首先进行两两差分，再将差分的结果相与，能够较好的检测出实际运动目标的轮廓。算法如下：

（1）从图像序列中读取三帧图像Ik－1，Ik，Ik＋1，分别按式（10）将连续两帧图像两两差分得到B（k，k－1），B（k＋1，k）。设定阈值T 将差值图像二值化，提取运动目标区域

（2）将差分的结果按式（11）进行逻辑 “与”运算提取B（k＋1，k），B（k，k－1）的交集，得到运动目标Bk

3.2 自适应混合高斯模型结合三帧差法

通过三帧差法和边缘提取得到运动物体准确的边缘轮廓，对此轮廓进行填充，得到一个前景图像，将此前景图像与自适应混合高斯模型提取的前景图像进行逻辑 “与”操作。得到最终的前景图像。程序框图如图4所示。

图4 改进混合高斯建模结合三帧差法程序框架

4 实验结果

本文以vc＋＋6.0 与opencv 1.0 为软件开发工具，在计算机上对人体运动视频进行运动目标检测，处理速度为每秒24帧，分辨率为320×240。在人体运动视频第一帧，运动目标已经在视频中，运动目标走出视频后再次反向走入视频。对运动目标进行前景检测，实验结果如图5所示。

图5 实验结果

通过实验表明，对于第一帧运动目标即在视频中的情况，当运动目标再一次进入到第一帧运动目标的区域时。如果通过混合高斯建模生成背景，背景图像中第一帧区域形成的 “鬼影”清晰可见，如图5（c）所示。并且对前景图像造成了很大的干扰，如图5（d）所示。图5（e）为本文算法建立的背景，更好的适应光照的变化以及有效的解决了“鬼影”现象。观察本文算法提取的运动目标前景，如图5（f）所示，在受运动目标干扰（即第一帧图像）的区域本文算法得到了很好的前景效果，并且有效的处理了阴影。

5 结束语

本文针对混合高斯模型的学习速率进行了改进，将视频各个部分的学习速率进行了划分，并对视频背景区域的学习速率进行了动态处理。给予更快速的高斯混合模型更新策略。实验结果表明：该算法具有较快的建模速度，能够快速的适应实时的背景变化，并且有效的处理了 “鬼影”以及消除了阴影的现象。

［1］LI Ning，HUANG Shan，ZHANG Xianzhen，et al.Human motion detection based on background difference ［J］.Microcomputer Information，2009，25 （3）：257－259 （in Chinese）.［李宁，黄山，张先震，等.基于背景差分的人体运动检测［J］.微计算机信息，2009，25 （3）：257－259.］

［2］XUE Lixia，LUO Yanli，WANG Zuocheng.Detection algorithm of adaptive moving objects based on frame difference method ［J］.Application Research of Computers，2011，28（4）：1551－1559 （in Chinese）.［薛丽霞，罗艳丽，王佐成.基于帧间差分的自适应运动目标检测方法 ［J］.计算机应用研究，2011，28 （4）：1551－1559.］

［3］GAO Ping，SUN Xiangju，WANG Wei.Moving object detection based on Kirsch operator combined with optical flow［C］／／Proceedings of IEEE Conference on Image Analysis and Signal，IEEE，2010：622－624.

［4］JIAO Bo，LI Guohui，TU Dan，et al.A fast convergent Gaussian mixture model for moving object detection ［J］.Journal of Image and Graphics，2008，13 （11）：2139－2143 （in Chinese）.［焦波，李国辉，涂丹，等.一种用于运动目标检测的快速收敛混合高斯模型 ［J］.中国图形图像学报，2008，13 （11）：2139－2143.］

［5］LIU Jing，WANG Ling.Improved algorithm of Gaussian mixture model for background subtraction ［J］.Computer Engineering and Applications，2010，46 （13）：168－170 （in Chinese）. ［刘静，王玲.混合高斯模型背景法的一种改进算法［J］.计算机工程与应用，2010，46 （13）：168－170.］

［6］ZHANG Yanping，BAI Yunqiu，ZHAO Yong，et al.Moving objcet detection based on improved Gaussian mixture models［J］.Computer Engineering and Applications，2010，46 （34）：155－157 （in Chinese）.［张燕平，白云球，赵勇，等.应用改进混合高斯模型的运动目标检测 ［J］.计算机工程与应用，2010，46 （34）：155－157.］

［7］WANG Yongzhong，LIANG Yan，PAN Quan，et al.Spatiotemporal background modeling based on adaptive mixture of Gaussian ［J］.ACTA Automatica Sinica，2009，35 （4）：371－378 （in Chinese）.［王永忠，梁彦，潘泉，等.基于自适应混合高斯模型的时空背景建模 ［J］.自动化学报，2009，35（4）：371－378.］

［8］LIU Xin，LIU Hui，QIANG Zhenping，et al.Adaptive background modeling based on mixture Gaussian model and frame subtraction ［J］.Journal of Image and Graphics，2008，13（4）：729－734 （in Chinese）.［刘鑫，刘辉，强振平，等.混合高斯模型和帧间差分相融合的自适应背景模型 ［J］.中国图象图形学报，2008，13 （4）：729－734.］

［9］Jin Min，Shi Lei.Research of moving targets detection and identification ［C］／／Proceedings of ICICTA 2009，2009：332－335.

［10］LV Guoliang，ZHAO Shuguang，ZHAO Jun.Novel method of moving object detection based on three frame differencing and connectivity checking［J］.Chinese Journal of Liquid Crystals and Displays，2007，22 （1）：87－93（in Chinese）.［吕国亮，赵曙光，赵俊.基于三帧差分和连通性检验的图像运动目标检测新方法［J］.液晶与显示，2007，22 （1）：87－93.］