南京师范大学-徐长禄-6-一种基于地理空间面积的改进ViBe算法

一种基于地理空间面积一种基于地理空间面积的改进的改进 ViBeViBe 算法算法 作者: 徐长禄， 周良辰 南京师范大学地理科学学院，江苏 南京，210000，915509916 背景减除算法是区分视频序列图像中运动的前景与背景的一种检测方法， 是 各类视频分析算法、视频压缩算法的基础。传统背景减除方法1在背景建模过 程中关注单个像素的统计，而忽略像素之间的空间相关性。2009 年 Barnich 提 出的 ViBe 算法2采用随机选择机制和邻域传播机制来建立和更新背景模型， 使 样本的生命周期更符合空间分布规律， 有效提高了检测准确度， 增加抗噪声能力， 并且算法复杂度低。因此 ViBe 算法检测效果较好，同时具有较强的鲁棒性以及 实时性，对于多中视频流、多中复杂场景都适用。 ViBe 算法采用像素样本值建立背景模型，先将检测帧的像素值与对应的模 型进行匹配，再通过固定阈值判断其属于前景还是背景。对于匹配上的像素，采 用随机更新机制更新该像素及其邻域的背景模型。该方法运算简单，在静态背景 下有不错的检测效果， 但其参数固定， 这限制了算法对于动态背景的自适应能力， 其邻域扩展更新策略会造成运动较慢的前景目标过快地融入背景， 从而增加了错 误检测。 其单帧输入图像初始化策略在输入图像含有目标的情况下会产生鬼影空 洞，会影响背景模型的准确性。针对 ViBe 算法的不足，陈亮等(2013)提出了基 于邻域的鬼影检测和一直方法， 在一定程度上抑制了鬼影3。 Droogenbroeck 等 (2012)提出采用两种不同的固定更新率， 背景模型初始化时视频序列更新率较大， 检测时更新率较小，保证检测初的目标不会太快消失4。王辉等(2015)提出一 种阈值自适应的 ViBe 检测算法，计算前景的质心，根据像素到质心的距离设置 背景更新率5。 然而，以上算法已经考虑到像素空间范围与更新率对算法的影响，但没有考 虑到相机成像原理下，不同像素的空间范围不同。所以需要进一步根据像素在世 界坐标下的空间范围实现 ViBe 背景建模与更新的自适应，精确计算像素的更新 率与像素样本范围的大小。 因此，本文提出一种基于像素空间面积的改进 ViBe 算法。首先，在预处理 阶段设置视频中背景为参考平面，采用人工交互选择控制点的方法，创建图像与 地图平面的映射关系，得到图像坐标到地理坐标的单应矩阵如图 1。然后根据单 应矩阵计算图像每个像素在世界坐标下的地理面积大小。在初始化阶段，对多帧 图像的像素进行采样得到背景模型，设置邻域采样范围和匹配概率，地理面积大 的像素邻域范围小，匹配概率小，地理面积小的像素邻域范围大，匹配概率大。 在模型更新阶段利用匹配概率得到前景， 然后设置更新概率对背景模型进行更新， 地理面积小的像素背景模型更新概率大， 地理面积大的像素背景模型更新概率小。 算法流程如图 1 所示。 图 1 交互选取控制点 计算单应矩阵 选取控制点视频图像 计算像素地理面积 前景判断设置邻域采样范围 设置匹配概率前景 设置更新概率背景模型 预处理 初始化模型更新 图 2 本文算法流程图 为了验证改进的 ViBe 算法在精度上的提升，本文采用一组视频进行测试， 测试数据为 640*480 室外监控视频，拍摄公交站旁的道路，实验结果如图 2。本 文算法基于 VC+ 2013 和 Opencv3.0 开发，系统运行环境如下：操作系统 windows8.1、处理器为 intel 酷睿 i7 主频 3.5GHz、8G 内存。 ViBe改进ViBe视频 第60帧 第80帧 图 2 实验结果 实验结果说明本文算法的精度提升明显。相对于原始 ViBe 算法，较好的抑 制了鬼影和噪声信息。这是因为在初始化阶段，背景模型采样的像素范围和概率 根据像素的空间范围大小确定，由于图像不同位置像素的空间范围不同，近处像 素搜索范围大，较好的抑制了噪声信息，远处像素搜索范围小，前景不融入背景 抑制了鬼影的出现。同时，由于视频中远处像素的空间范围大、邻域范围小、更 新率低，避免了前景过快融入背景的发生。 本文算法的改进原理在于将图像坐标转换到地理坐标，实现像素空间范围的 自适应，所以需要创建图像到二维地图的单应矩阵。因此本文算法较适用于具有 二维地理数据的监控场景。同时由于单应矩阵的保存二维映射关系，前景像素的 空间范围以近似投影到背景平面上的方式表达， 当视频近似水平拍摄时前景的空 间范围误差较大， 所以本文算法较适用于拍摄姿态与地面倾角较大的室外大范围 的监控场景。 参考文献参考文献: 1 Sobral A, Vacavant A. A comprehensive review of background subtraction algorithms evaluated with synthetic and real videosJ. Computer Vision & Image Understanding, 2014, 122(May 2014):4-21. 2 Barnich O, Droogenbroeck M V. ViBE: A powerful random technique to estimate the background in video sequencesC. IEEE International Conference on Acoustics. IEEE, 2009:945-948. 3 陈亮, 陈晓竹, 范振涛. 基于 Vibe 的鬼影抑制算法J. 中国计量学院学报, 2013, 24(4):425-429. 4 Van Droogenbroeck M, Paquot O. Background subtraction: Experiments and improvements for ViBeC. IEEE Computer Society Conference on Co