一种新的道路背景提取及更新算法 - 图文-

1、邮局订阅号:82-946360元/年技术创新 软件时空PLC 技术应用200例您的论文得到两院院士关注一种新的道路背景提取及更新算法A New Algorithm of Background Extraction and Updating(五邑大学刘浩董超俊刘智勇LIU HAO DONG CHAOJUN LIU ZHIYONG摘要:提出一种新的基于颜色模式的道路背景提取及更新算法。通过计算一段时间内视频图像的颜色模式来提取背景图像。为了避免了环境光的扰动对背景图像的影响,引入量化后的颜色模式的计算公式,增强了算法的鲁棒性。通过计算当前图像和背景图像以及上一帧图像的差分,得到不变区域更新背景。实

2、验表明,本算法对光线变化鲁棒性高、速度快、更新效果好。关键词:背景提取;背景更新;颜色模式中图分类号:TP391.4,U491.1文献标识码:AAbstract:A new algorithm of background extraction and updating based on mode of color is proposed.The mode of color values in the video streams is calculated to extract background image.To avoid the effect of disturbances in lig

3、hting,a function to calculate the mode of quantized color value is introduced;the algorithm robust is enhanced.The image difference between current frames and background is calculated,the unchanged part of background is got from the two difference image amalgamation.The background is updated by the

4、unchanged part.Experiment shows it is a practical method that is robust under lighting variations,fast in speed,sat-isfactory in updating performance.Key words:background extraction,background updating,mode of color文章编号:1008-0570(200803-3-0245-03引言随着计算机多媒体技术的迅猛发展,视频处理技术在ITS(Intelligent Transportatio

5、n System中得以广泛应用。车流量检测、高速公路监控等都引入了视频技术,正确、迅速地从视频流中提取运动目标成为一个重要的研究问题。目前,常用的运动目标检测方法有:光流法、帧差法和背景差分。光流法的优点是能够检测独立运动的对象,不需要预先知道场景的任何信息,并且可用于摄像机运动的情况,但是对光线和噪声的变化特别敏感且计算复杂性比较高,没有特别硬件支持很难在实时系统中应用;帧差法在动态环境下的自适应性是很强的,但是这样分割出来的分离出来的区域实际上是物体前后两个位置的“或”区域,不利于进一步分析与识别,采用这种方法时,还需要考虑如何选择合适的时间间隔;背景差分法的基本思想是通过输入图像与背景图

6、像进行比较的方法分割运动目标,可以保持目标的完整性。背景差的难点从是对背景图像的维持与更新。实际中的背景很复杂,存在各种各样的干扰,而且背景是随时间不断变化的,好的背景的模型及其更新应能处理这些干扰和变化。近年来,背景图像提取及更新成为一个研究热点。Wren CR.在Pfinder 系统中使用了高斯分布背景模型(Single Gaussian Model,即将背景的每个象素按照高斯分布模型建模,据此更新背景图像,用来跟踪人体运动;C.Stauffer 等人提出的混合高斯模型(Mixture of Gaussian ,MOG,使用混合高斯分布模型来表征图像帧中每一个像素点的特征,当获得新的图像帧

7、时,更新混合高斯分布模型,在每一个时间段上选择混合高斯分布模型的子集来表征当前的背景,如果当前图像的像素点与混合高斯分布模型相匹配,则判定该点为背景点,否则判定该点为前景点;这两个改进方法的优点是自适应性强,但缺点是需要很大的计算量,单个高斯模型相对混合高斯模型来说计算简单,但不适合多模态场景,模型参数对其检测的效果影响很大,并且混合高斯模型在光线突然变化和光线较暗的情况下,运动检测常常出错。Surendra Gupte 等人提出了一种固定场景下快速运动目标的背景自动提取算法,该算法是以帧差分为基础,而帧差分存在着容易把两帧中纹理相似的前景交叠区域误作背景提取的不足。还有其它一些方法,如卡尔曼

8、滤波器方法(Kalman Filter ,KF,近似中值滤波(Approxi-mated median filter等。基于Kalman 滤波理论的渐消记忆递归最小二乘法对噪声有较强的抑制作用,且模型参数对背景提取影响不大,但只适合背景变化非常缓慢的场合;近似中值滤波在重建背景的时候不可避免地在前景目标的运动方向上留下了模糊阴影。1背景图像获取在视频序列的每一帧图像中,图像上某个点(x,y的像素颜色值在时间t 可表示为。现在大部分的摄像系统都是基于RGB 空间的,所以含有3个分量分别是:和。对于一个给定的像素(x,y,它的颜色值从时间t m 到t m +n 可用一个矩阵M(x,y来表示:(1在

9、交通监控视频图像中的任意一个点只有两种状态:一是代表的是运动的车辆的情况,称为图像的前景点,另一种就是不被车辆遮挡的情况,称为图像的背景点。其中,前景点的颜色值就是车辆的颜色值,该点的被遮挡时段的颜色值可表示为:刘浩:硕士生基金项目:广东省教育厅高校自然科学研究重点项目(05Z025;广东省自然科学基金(06029813;江门市科技计划项目(江财2005102号245-技术创新中文核心期刊微计算机信息(管控一体化2008年第24卷第3-3期360元/年邮局订阅号:82-946现场总线技术应用200例软件时空(2其中是该点被前景运动车辆遮挡的时刻。背景点的颜色值可表示为:(3其中是该点不被前景运

10、动车辆遮挡的时刻。M F(x,y和M B (x,y的关系如下:,并且(4因为背景是静止的,所以在整个分析背景时间(这里假设分析时间内场景光线没有显著变化,这个后面还要讨论内,图像背景点的颜色值应该近似相等的,即:(5因为受运动车辆遮挡的影响,对于前景点不存在类似上述关系的等式。所以可以认为背景点的颜色值等于在分析时间内M(x,y中出现的次数最多的颜色值,即:(6其中:t bi 是该点不被前景运动车辆遮挡的时刻,表示在M(x,y的颜色模式,即该点的使用次数最多的颜色值。通过计算每一个点的,图像中任一点(x,y的背景颜色值可以确定,由此可以得到视频序列的背景图像。虽然背景是静止的,但是考虑到环境光

11、、大气、摄像机等的影响,公式(5并不能完全保证正确,为排除这些扰动对背景的影响,提高算法的鲁棒性,作如下改进:定义一个小的颜色范围s ,然后把颜色值由256量化到256/s ,然后计算颜色量化后的颜色模式值,计算公式如下:(7其中freq j 是颜色值j 在M(x,y中的出现次数,gValue i 是量化后的第i 组的颜色模式在M(x,y中的累积次数。2背景更新背景图像的更新策略是背景模型设计中关键的技术。在模型更新时要求背景图像对背景变化的响应速度要足够快。考虑交通监控中的实际情况,背景的变化主要是由光照及阴影变化等因素引起的背景本身颜色的变化,如果背景图像不能迅速跟上实际背景的变化,检测结

12、果中可能会出现较大范围的噪声。要求背景图像的更新对运动目标要有较强的抗干扰能力,特别是当运动物体尺度较大或运动较慢时。图1背景更新流程图本文动态背景更新算法的基本思路:首先,以当前帧图像和背景图像做差分,通过二值化、形态学运算得到图像的非运动区域R buc ;同样方法,当前帧图像和前一帧图像做差分求得图像中的不变区域R nuc ,然后计算两个不变区域的公共部分R b ,即:,然后将背景图像中没有变化的区域R b 的以当前图像中的像素值替代,即更新背景。考虑新旧背景可能存在差异,对替换区域的边缘附近通过中值滤波重新确定边缘的像素值。这种更新算法不仅继承了时间间隔图像差分方法对场景微小变化,特别是

13、光线变化的适应性,基本消除了积累性误差,而且又具有固定背景差分方法检测运动物体准确的优势,从而实现了两种方法的优势互补。而且这个算法对光线突然出现相对比较大的变化时,尤其是全场景光线的变化时,由于引入邻近帧的图像差分,可避免导致整个图像区域被认为是运动物体而不做更新。背景更新算法流程图如图1所示:图2第3和83帧图像图3均值法及本文方法结果3实验与分析本文采用的测试数据,均来自实际中未经标定过的监控摄像机,尽管这些数据对交通分析来说不是最好的视频数据,但是在现实中是被广泛配置和使用的。能够在这样未经标定的摄像机得到的视频数据中充分提取出准确的交通数据的处理算法比那种只能处理特殊放置或预先标定摄

14、像机得到的数据的算法,具有更强的鲁棒性,能得到更广泛的应用。其中图2为不同帧的原始图像,图3为均值法提取背景和本文提出的算法提取背景的比较;均值法是取一段时间内像素值的平均值作为背景,所以在车辆的运动轨迹上都留下了运动的模糊,实验结果证明了这一点;本文背景提取方法剔除了运动前景的影响。图4是由本文提出的背景更新算法得到的新背景,只有那些判断为背景的像素点对后续的背景更新有效,这样消除了运动前景对背景的模糊影响,从视觉效果看,提取的背景与输入图像帧相比平滑了许多(在图像中主干道的位置尤为明显,背景提取效果明显优于均值背景算法。图4背景更新得到的两个新背景4结论本文提出了一种交通视频序列的背景提取

15、算法,分析了一246-邮局订阅号:82-946360元/年技术创新 软件时空PLC 技术应用200例您的论文得到两院院士关注段时间内连续帧的图像中的每个象素点的颜色值,通过计算一段时间内视频图像的颜色模式来提取背景图像。引入量化后的颜色模式的计算公式,增强了算法的鲁棒性。算法不需要对得到的连续图像的颜色值排序,因此可以快速提取出背景图像。通过计算当前图像和背景图像以及上一帧图像的差分,得到不变区域并以此更新背景。文中的背景提取方法消除了运动前景对背景的模糊,较好地抑制了噪声影响,效果明显优于其它传统的背景重建算法,有利于后续的处理。本文作者创新点:提取背景图像时,引入量化后的颜色模式的计算公式

16、;在背景更新时,对两次图像差分的结果融合计算出背景的非变化区域。参考文献5Christof Ridder,Olaf Munkelt,Harald Kirchner.Adaptive back-ground estimation and foreground detection using Kalman-Filtering A.In:Proceedings of the International Conference on recent Ad-vances in MechatronicsC.Istanbul,Turkey:UNESCO Chair on Mechatronics,1995.19

17、3-199.6P.Remagnino,A.Baumberg,T.Grove,et al.An integrated traf-fic and pedestrian model-based vision system J.Proceedings of the eighth British Machine Vision Conference,1997,2:380-389.7Avery R P,Wang Y,Scott Rutherford G.Length-Based Vehicle Classification Using Images from Uncalibrated Video Camer

18、as J.Proceedings of the 7th International IEEE Conference on Intelli-gent Transportation Systems,October 2004,737-742.8肖梅,韩崇昭,张雷.一种视频序列的背景提取算法J.光电工程,2005,32(4:78-819戴佳骏,周军.基于运动矢量场的混合高斯建模的背景分离方法J.微计算机信息,2006,8-1:197-198作者简介:刘浩(1982-,男,山东人,汉族,硕士生,研究方向为交通视频图像处理;董超俊(1967-,男,湖北人,汉族,博士,教授,研究方向为智能交通控制、智能控制

19、理论及应用;Biography:Liu Hao (1982-,Male,Shandong,Han,Master degree,Research area:Traffic video image process;Dong Chao-jun,(1967-,Male,Hubei,Han,Doctor Degree,Professor,Research area:Intelligent traffic control,Intelligent control theo-ry and Application;(529020广东江门五邑大学信息学院刘浩董超俊刘智勇通讯地址:(529020广东江门五邑大学12

20、8信箱刘浩(上接第293页5结论本研究针对CT 和PET 的脑部图像进行预处理提取清晰梯度图像,结合了矩和主轴法的初步配准与互信息的精度配准。结果显示本算法用于CT 和PET 图像的配准精度高,速度快。对于互信息配准技术,决定其配准效果的关键技术包括插值算法和优化搜索。为了减少在PET 图像的配准中对其预处理的依赖性,以及进一步提高配准的精确度和鲁棒性,我们将在插值算法和优化搜索环节作进一步研究。创新观点:针对互信息配准缺乏空间信息和计算量大、耗时长的特点,本文提出将梯度和互信息相结合的分步配准方法。该方法需求取两次梯度图像,首先对两梯度图像利用矩和主轴法初步配准,再对初步配准后的梯度图像进行互信息的精配准。试验表明,这种基于梯度的互信息分步配准方法相对与传统的基于原始图像的互信息配准和基于梯度的互信息配准而言,配准精度高,速度快。参考文献1罗述谦.医学图像配准技术J.国外医学生物工程分册,1999,22(1:1-75Weiqing Chen,Zongying Ou,Weiwei Song.A Coarse -to-Refined Approach of Medical Image Registration Based on Combining Mutual Informa