一種新的道路背景提取及更新算法 - 圖文-

1、郵局訂閱號:82-946360元/年技術創(chuàng)新 軟件時空PLC 技術應用200例您的論文得到兩院院士關注一種新的道路背景提取及更新算法A New Algorithm of Background Extraction and Updating(五邑大學劉浩董超俊劉智勇LIU HAO DONG CHAOJUN LIU ZHIYONG摘要:提出一種新的基于顏色模式的道路背景提取及更新算法。通過計算一段時間內視頻圖像的顏色模式來提取背景圖像。為了避免了環(huán)境光的擾動對背景圖像的影響,引入量化后的顏色模式的計算公式,增強了算法的魯棒性。通過計算當前圖像和背景圖像以及上一幀圖像的差分,得到不變區(qū)域更新背景。實

2、驗表明,本算法對光線變化魯棒性高、速度快、更新效果好。關鍵詞:背景提取;背景更新;顏色模式中圖分類號:TP391.4,U491.1文獻標識碼: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文章編號:1008-0570(200803-3-0245-03引言隨著計算機多媒體技術的迅猛發(fā)展,視頻處理技術在ITS(Intelligent Transportatio

5、n System中得以廣泛應用。車流量檢測、高速公路監(jiān)控等都引入了視頻技術,正確、迅速地從視頻流中提取運動目標成為一個重要的研究問題。目前,常用的運動目標檢測方法有:光流法、幀差法和背景差分。光流法的優(yōu)點是能夠檢測獨立運動的對象,不需要預先知道場景的任何信息,并且可用于攝像機運動的情況,但是對光線和噪聲的變化特別敏感且計算復雜性比較高,沒有特別硬件支持很難在實時系統中應用;幀差法在動態(tài)環(huán)境下的自適應性是很強的,但是這樣分割出來的分離出來的區(qū)域實際上是物體前后兩個位置的“或”區(qū)域,不利于進一步分析與識別,采用這種方法時,還需要考慮如何選擇合適的時間間隔;背景差分法的基本思想是通過輸入圖像與背景圖

6、像進行比較的方法分割運動目標,可以保持目標的完整性。背景差的難點從是對背景圖像的維持與更新。實際中的背景很復雜,存在各種各樣的干擾,而且背景是隨時間不斷變化的,好的背景的模型及其更新應能處理這些干擾和變化。近年來,背景圖像提取及更新成為一個研究熱點。Wren CR.在Pfinder 系統中使用了高斯分布背景模型(Single Gaussian Model,即將背景的每個象素按照高斯分布模型建模,據此更新背景圖像,用來跟蹤人體運動;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來表征圖像幀中每一個像素點的特征,當獲得新的圖像幀

7、時,更新混合高斯分布模型,在每一個時間段上選擇混合高斯分布模型的子集來表征當前的背景,如果當前圖像的像素點與混合高斯分布模型相匹配,則判定該點為背景點,否則判定該點為前景點;這兩個改進方法的優(yōu)點是自適應性強,但缺點是需要很大的計算量,單個高斯模型相對混合高斯模型來說計算簡單,但不適合多模態(tài)場景,模型參數對其檢測的效果影響很大,并且混合高斯模型在光線突然變化和光線較暗的情況下,運動檢測常常出錯。Surendra Gupte 等人提出了一種固定場景下快速運動目標的背景自動提取算法,該算法是以幀差分為基礎,而幀差分存在著容易把兩幀中紋理相似的前景交疊區(qū)域誤作背景提取的不足。還有其它一些方法,如卡爾曼

8、濾波器方法(Kalman Filter ,KF,近似中值濾波(Approxi-mated median filter等。基于Kalman 濾波理論的漸消記憶遞歸最小二乘法對噪聲有較強的抑制作用,且模型參數對背景提取影響不大,但只適合背景變化非常緩慢的場合;近似中值濾波在重建背景的時候不可避免地在前景目標的運動方向上留下了模糊陰影。1背景圖像獲取在視頻序列的每一幀圖像中,圖像上某個點(x,y的像素顏色值在時間t 可表示為?，F在大部分的攝像系統都是基于RGB 空間的,所以含有3個分量分別是:和。對于一個給定的像素(x,y,它的顏色值從時間t m 到t m +n 可用一個矩陣M(x,y來表示:(1在

9、交通監(jiān)控視頻圖像中的任意一個點只有兩種狀態(tài):一是代表的是運動的車輛的情況,稱為圖像的前景點,另一種就是不被車輛遮擋的情況,稱為圖像的背景點。其中,前景點的顏色值就是車輛的顏色值,該點的被遮擋時段的顏色值可表示為:劉浩:碩士生基金項目:廣東省教育廳高校自然科學研究重點項目(05Z025;廣東省自然科學基金(06029813;江門市科技計劃項目(江財2005102號245-技術創(chuàng)新中文核心期刊微計算機信息(管控一體化2008年第24卷第3-3期360元/年郵局訂閱號:82-946現場總線技術應用200例軟件時空(2其中是該點被前景運動車輛遮擋的時刻。背景點的顏色值可表示為:(3其中是該點不被前景運

10、動車輛遮擋的時刻。M F(x,y和M B (x,y的關系如下:,并且(4因為背景是靜止的,所以在整個分析背景時間(這里假設分析時間內場景光線沒有顯著變化,這個后面還要討論內,圖像背景點的顏色值應該近似相等的,即:(5因為受運動車輛遮擋的影響,對于前景點不存在類似上述關系的等式。所以可以認為背景點的顏色值等于在分析時間內M(x,y中出現的次數最多的顏色值,即:(6其中:t bi 是該點不被前景運動車輛遮擋的時刻,表示在M(x,y的顏色模式,即該點的使用次數最多的顏色值。通過計算每一個點的,圖像中任一點(x,y的背景顏色值可以確定,由此可以得到視頻序列的背景圖像。雖然背景是靜止的,但是考慮到環(huán)境光

11、、大氣、攝像機等的影響,公式(5并不能完全保證正確,為排除這些擾動對背景的影響,提高算法的魯棒性,作如下改進:定義一個小的顏色范圍s ,然后把顏色值由256量化到256/s ,然后計算顏色量化后的顏色模式值,計算公式如下:(7其中freq j 是顏色值j 在M(x,y中的出現次數,gValue i 是量化后的第i 組的顏色模式在M(x,y中的累積次數。2背景更新背景圖像的更新策略是背景模型設計中關鍵的技術。在模型更新時要求背景圖像對背景變化的響應速度要足夠快?？紤]交通監(jiān)控中的實際情況,背景的變化主要是由光照及陰影變化等因素引起的背景本身顏色的變化,如果背景圖像不能迅速跟上實際背景的變化,檢測結

12、果中可能會出現較大范圍的噪聲。要求背景圖像的更新對運動目標要有較強的抗干擾能力,特別是當運動物體尺度較大或運動較慢時。圖1背景更新流程圖本文動態(tài)背景更新算法的基本思路:首先,以當前幀圖像和背景圖像做差分,通過二值化、形態(tài)學運算得到圖像的非運動區(qū)域R buc ;同樣方法,當前幀圖像和前一幀圖像做差分求得圖像中的不變區(qū)域R nuc ,然后計算兩個不變區(qū)域的公共部分R b ,即:,然后將背景圖像中沒有變化的區(qū)域R b 的以當前圖像中的像素值替代,即更新背景?？紤]新舊背景可能存在差異,對替換區(qū)域的邊緣附近通過中值濾波重新確定邊緣的像素值。這種更新算法不僅繼承了時間間隔圖像差分方法對場景微小變化,特別是

13、光線變化的適應性,基本消除了積累性誤差,而且又具有固定背景差分方法檢測運動物體準確的優(yōu)勢,從而實現了兩種方法的優(yōu)勢互補。而且這個算法對光線突然出現相對比較大的變化時,尤其是全場景光線的變化時,由于引入鄰近幀的圖像差分,可避免導致整個圖像區(qū)域被認為是運動物體而不做更新。背景更新算法流程圖如圖1所示:圖2第3和83幀圖像圖3均值法及本文方法結果3實驗與分析本文采用的測試數據,均來自實際中未經標定過的監(jiān)控攝像機,盡管這些數據對交通分析來說不是最好的視頻數據,但是在現實中是被廣泛配置和使用的。能夠在這樣未經標定的攝像機得到的視頻數據中充分提取出準確的交通數據的處理算法比那種只能處理特殊放置或預先標定攝

14、像機得到的數據的算法,具有更強的魯棒性,能得到更廣泛的應用。其中圖2為不同幀的原始圖像,圖3為均值法提取背景和本文提出的算法提取背景的比較;均值法是取一段時間內像素值的平均值作為背景,所以在車輛的運動軌跡上都留下了運動的模糊,實驗結果證明了這一點;本文背景提取方法剔除了運動前景的影響。圖4是由本文提出的背景更新算法得到的新背景,只有那些判斷為背景的像素點對后續(xù)的背景更新有效,這樣消除了運動前景對背景的模糊影響,從視覺效果看,提取的背景與輸入圖像幀相比平滑了許多(在圖像中主干道的位置尤為明顯,背景提取效果明顯優(yōu)于均值背景算法。圖4背景更新得到的兩個新背景4結論本文提出了一種交通視頻序列的背景提取

15、算法,分析了一246-郵局訂閱號:82-946360元/年技術創(chuàng)新 軟件時空PLC 技術應用200例您的論文得到兩院院士關注段時間內連續(xù)幀的圖像中的每個象素點的顏色值,通過計算一段時間內視頻圖像的顏色模式來提取背景圖像。引入量化后的顏色模式的計算公式,增強了算法的魯棒性。算法不需要對得到的連續(xù)圖像的顏色值排序,因此可以快速提取出背景圖像。通過計算當前圖像和背景圖像以及上一幀圖像的差分,得到不變區(qū)域并以此更新背景。文中的背景提取方法消除了運動前景對背景的模糊,較好地抑制了噪聲影響,效果明顯優(yōu)于其它傳統的背景重建算法,有利于后續(xù)的處理。本文作者創(chuàng)新點:提取背景圖像時,引入量化后的顏色模式的計算公式

16、;在背景更新時,對兩次圖像差分的結果融合計算出背景的非變化區(qū)域。參考文獻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,韓崇昭,張雷.一種視頻序列的背景提取算法J.光電工程,2005,32(4:78-819戴佳駿,周軍.基于運動矢量場的混合高斯建模的背景分離方法J.微計算機信息,2006,8-1:197-198作者簡介:劉浩(1982-,男,山東人,漢族,碩士生,研究方向為交通視頻圖像處理;董超俊(1967-,男,湖北人,漢族,博士,教授,研究方向為智能交通控制、智能控制

19、理論及應用;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廣東江門五邑大學信息學院劉浩董超俊劉智勇通訊地址:(529020廣東江門五邑大學12

20、8信箱劉浩(上接第293頁5結論本研究針對CT 和PET 的腦部圖像進行預處理提取清晰梯度圖像,結合了矩和主軸法的初步配準與互信息的精度配準。結果顯示本算法用于CT 和PET 圖像的配準精度高,速度快。對于互信息配準技術,決定其配準效果的關鍵技術包括插值算法和優(yōu)化搜索。為了減少在PET 圖像的配準中對其預處理的依賴性,以及進一步提高配準的精確度和魯棒性,我們將在插值算法和優(yōu)化搜索環(huán)節(jié)作進一步研究。創(chuàng)新觀點:針對互信息配準缺乏空間信息和計算量大、耗時長的特點,本文提出將梯度和互信息相結合的分步配準方法。該方法需求取兩次梯度圖像,首先對兩梯度圖像利用矩和主軸法初步配準,再對初步配準后的梯度圖像進行互信息的精配準。試驗表明,這種基于梯度的互信息分步配準方法相對與傳統的基于原始圖像的互信息配準和基于梯度的互信息配準而言,配準精度高,速度快。參考文獻1羅述謙.醫(yī)學圖像配準技術J.國外醫(yī)學生物工程分冊,1999,22(1:1-75Weiqing Chen,Zongying Ou,Weiwei Song.A Coarse -to-Refined Approach of Medical Image Registration Based on Combining Mutual Informa