1、第33卷第8期 实验室研究与 探索 V0133 N。82014年8月 RESEARCH AND EXPLORATION IN LABORATORY Aug2014：=兰=：=2222222222225222225基于图像差分的背景差分算法改进及实验数据分析胡 永， 师京晶 ， 郭小 丹(西藏民族学院信息工程学院，陕西咸阳712082)摘 要：针对交通视频中车辆移动检测问题，结合交通视频镜头相对固定、实时性强的特点，研究了基于图像差分运动目标检测算法中的背景差分算法，在真实的环境中对运动的目标区域完成实验检测，然后对检测数据进行分析，在背景估计和背景更新算法上做了相应的改进。通过对实验数据的观察
2、和分析，背景差分法在交通视频车辆移动目标检测中具有较好的适用性和通用性，能较好地对交通视频车辆移动目标进行检测。关键词：运动目标；检测；背景差分；背景估计；直方图中图分类号：TP 3914 文献标志码：A文章编号：10067167(2014)08004504I mprovement and Experimental Data Analysis of BackgroundDifference Algorithm Based on I mage DifferenceHU Yong，SHI Jing-jing， GUO Xiaodan(Information Technology College，T
3、ibet Institute of Nationalities，Xianyang 7 1 2082，China)Abstract：The detection of moving target based on the video is critical in traffic parameter detection system，and thedeteetion data of moving target must be accurate and efficient，SO as to make full use of the traffic video information tolay the
4、 foundation for intelligent detection algorithm and moving target tracking at a later stageThis paper focuses onmoving vehicles detection in traffic videoThe traffic video is considered with a fixed and real-time lensThe papermainly researches the background difference algorithm based on image diffe
5、rence of the moving target detectionalgorithm，completes the experiment detection for the moving target region in a real environment，and analyzes the testdata to make corresponding improvements in the background estimation and the background update algorithmUnder theobservation and analysis of experi
6、mental data，the paper draws a conclusion that the background difference is moreapplicable and universal in detecting moving target in the traffic video，and can well detect the moving target in trafficvideoKey words：moving target；detection；background subtraction；background estimation；histogram0 引 言视频
7、交通参数检测系统的基础是道路的占有率、收稿日期：20131223基金项目：西藏自治区自然科学基金(12KJZRYMY07)；西藏民族学院科研项目(13myYl3)作者简介：胡永(1980一)，男，甘肃陇南人，副教授，现主要从事数据结构及算法、图形图像处理等研究。Tel：15909108969；Email：hhyy7758163corn车流量、行车速度及事件发生频率等关键数据的采集，这些信息中最关键的部分是精确地检测到运动目标，基于视频的运动目标检测方法成为研究热点口o。背景区域中把某视频序列里运动着且受关注区域进行提取称为运动目标检测，目标检测是视频进行理解、编码以及处理的关键。基于差分图像、
8、立体视觉、模型及光流场等是目前比较常见的运动目标检测算法。文献4提出了基于动态阈值的背景差分算法并应用在视觉系统中进行目标检测与跟踪实验；文献5提出了使用对称差分算法自动提取空背景；万方数据实 验 室 研 究 与 探 索 第33卷文献6基于五帧差分和背景差分进行运动目标检测，这些基于背景差分的改进算法都有各自的优势和不足。本文基于背景差分算法进行运动目标检测，在背景估计以及更新算法两方面进行了改进。1背景差分算法智能交通视频检测系统中运动目标的检测是关键，在相关视频图像帧中提取出运动目标的像素点区域是本算法的基础。检测并跟踪视频图像中的运动目标，通过分析其运动特征得到其运动状态7。作为运动检测
9、中用途及效率最高的算法，背景差分算法基本上可以划分为基于像素差值、基于模型以及基于特征三部分。背景差分引就是选取一个静止参考帧作为背景图像，用图像序列中的每一帧与参考背景做差分。对输入图像的每个像素，计算它与对应背景图像中像素的差。设F(i，J)表示当前帧图像，如图1(a)所示；B(i，)表示背景图像，如图1(b)所示，则差分图像D(i，J)如图1(C)所示，算法为：D(i，歹)=F(i，)一B(i，) (1)(C)背景差分图像 (d)背景差分二值化图像图1 当前帧与背景差分灰度网和二值化图将差分图像D(i)二值化为：y：1， D(i，J)T (2)【0，D(i，)T2背景估计及更新背景图像的
10、可靠性是背景差分算法中进行精确目标检测的决定因素，背景图像在交通视频图像中为不存在车辆运行的道路图像，提取方法包括自动获取及手动获取两种10i：自动获取是采用相关算法去除连续N帧图片中的运动物体，从而获得近似纯背景图像；在人眼的观察下人工抓取某张不存在运动物体的图片，使其成为背景图像即为手动获取。实际试验中由于道路交通系统很难捕获静止、干净的背景，所以背景的获得往往是使用自动获取方式。常用的背景估计方法有引统计中值法、多帧平均法、基于块的方法、统计直方图法等。21 多帧图像平均法在道路行驶过程中，部分车辆的亮度值高于路面的亮度值，部分车辆的亮度值低于路面的亮度值，因此统计来看，长时间内因经过车
11、辆所导致的变化可以忽略。“。多帧平均法就是把运动车辆视为噪声，噪声的消除是使用累加平均的方法，道路背景图像的获取是通过取车辆运行某段时间之内的序列图像的平均值，算法如下所示：BackgrOllnd(x，y)=面1imagei(戈，y) (3)式中：相关背景图像为Background(戈，Y)；image，(戈，Y)为第i帧的序列图像；平均帧数用来表示。算法虽然计算方便而且模型简单，但路面上某点(冤，Y)某一短时间内低亮度车辆和高亮度车辆不可能同时经过，即实际情况是某些地方经过低亮度车辆而某些地方经过高亮度车辆，所得背景亮暗分布不均匀，而且背景图像受车流量的影响变化很明显，但是噪声消除的效果会随
12、着平均帧数的增加而有一定的改善。22统计直方图方法实际路面同一位置点上不会一直覆盖相同亮度车辆，认为某一给定时间段内背景点的灰度值出现的概率是最大的，即某段时间内能够统计各像素点上不同亮度值的出现次数，路面本身的亮度值即为出现次数最多，即直方图中最大值对应的相关亮度值5。16 o：p c戈，y，矗，=pP，+1：mmaaggee。i。(x戈,，yy，,m，n；三：i=1，2，N (4)Background(石，Y)=maxP(戈，Y，k)，k=0，1，2，255 (5)式中：像素点(x，Y)处亮度值k出现的次数用P(戈，Y，k)来表示；imagej(戈，Y，m)表示某帧图像像素点(戈，Y)处的
13、亮度值是m。23基于块的二维统计法单个像素包含的信息量非常少，每帧图像中像素点在空间上和其相邻像素普遍存在一定关系，对图像分块以块为单位进行研究。算法利用了帧内某局部区域像素的相关性以及时域帧间像素的统计特性等。图像直方图分析时基于DxF的块而不针对各像素点，可以大幅减小视频图像处理计算量，直方图分析计算时间也大大缩短，背景图像可以很好地提取，算法不足之处在于或多或少存在方块效应。将图像分成大小为DF的块，将区域i的均值a：以及方差b。进行计算，通过矢量(a，b：)进行描述。计算每张图片在该对应区域的矢量，统计计算结果。具体步骤如下：万方数据第8期 胡 永，等：基于图像差分的背景差分算法改进及
14、实验数据分析 47(1)首先获取M张图片数据；(2)将每个图片分解为大小为D XF的区域；(3)作为描述相关区域的矢量，将每张图片第i区域的均值口；以及方差6i计算出来并存放在相应的内存单元中；(4)对某区域，存在个矢量(ai，6i)(为某区域的矢量总数，i=l，2，)。计算平均矢量(A，B)：A=。，B=b。 (6)i=12V i=I2一(5)从全部(o。，bi)中查找某一矢量(o。，b。)(i=1，2，m=Z，)，使其与平均矢量(A，B)的距离为最短，视此张图片的该区域为背景信号。因背景区域致使多数矢量的分布相对来说比较集中，从而找到背景区域。3实验结果及分析31 多帧平均法实验结果算法特
15、点是模型简单、计算方便，但是也有缺陷，即得到的背景受车流量大小的影响而变化。这一点在车流量比较大时可以体现出来。采用车流量较大的一组数据进行实验，发现背景效果随着平均帧数的增加越来越好，不过车流量大的路面背景和真实路面还是有区别的。用下面的两组数据估计背景，原始的道路情况如图2所示。 P鄹(- 胃(a)隧道 (b)车流量较大情况图2原始图像图3所示为隧道数据，由于该视频中的车流量很小，可以看出随着平均帧数的增加对于背景的可靠度有着较大保证，即平均帧数越多则越接近期望的背景效果。图4为对原始数据(b)采用不同帧数得到的背景，由于该场景中车流量较大，使用该算法会将车辆的信息误认为是背景，而且从原始
16、图(b)中可以看到真L 叉(a)50帧 (b)1 500帧图3原始图像(a)的多帧平均法(a)50帧 (b)1 500帧图4原始图像(b)的多帧平均法实的路面比较灰暗，但是由于车灯的照射，经过多帧平均运算后得到的背景亮度较大。以上数据分析，可见短时间内路面上某处不会存在既有灰度值较小车辆经过又有灰度值较大车辆经过。由于车灯照射，使得路面短时问覆盖的灰度值较大，从而导致多帧平均法得到的背景可能出现亮暗分布的不均匀，从而不能够满足现实中的复杂交通状况。32统计直方图法实验结果观察图5，部分车辆相连情况出现在图像远处，也可能是车灯影响或车辆行进变化较缓等，从而将车身统计成为背景，一片白色出现在所估计
17、背景远处。当车流量很大时误估计情况更加突出，对照图3中估计得到的背景数据，由于车流量较小，前面的场景估计结果良好。出现白色区域的原因为车辆对象由于在图像中的改变位置小，并且车辆相连，车灯出现的频率最大，被误估计为背景。增加提取帧数，白色杂点会减少，不过由于车灯在远处的频率影响致使200帧和1 500帧背景图像区别不明显，远处误估背景的情况随着帧数的增加而没有改变。- 毒-一(a)50帧 (b)1 500帧图5 用统计直方图法统计帧图像获取的背景33 基于块的二维统计法实验结果本算法进行图像的分析时是基于W X h的块，而不是针对于每个像素点，本文选用的是68的块，可以明显减小视频图像处理的数据
18、计算量，并且能够实现减少直方图分析的计算时间，提取出的背景图像较好。观察某视频数据估计背景，如图6所示明显可以看出该算法或多或少存在方块效应，红色方框内为方块效应较明显部分，但是随着处理帧数的增加，提取的背景效果越来越好，在多数情况下效果比较理想，该算法具有较好的适用性和较好的通用性。万方数据48 实 验 室 研 究 与 探 索 第33卷(a)50帧 (b)1 500帧图6基于块的二维统计法统计帧的背景567经大量实验数据得知，背景估计时的帧数决定了其估计的效果，相应块方差及其均值向量定在某平面上的二维区域随估计帧数的增加其统计更为稳定，效果更为理想。 84 结 语背景图像在视频图像中是静止的
19、，不会随时间而改变，含有运动目标图像除去运动目标区域的像素值产生变化外，背景部分不变。速度快、位置准确且只需要把当前图像和预存背景图像进行差分，所以使用背景差分算法来检测运动目标成为行业内的常用方法。而影响于环境光线的变化，非受控环境中要求加入背景图像的更新机制，以及整幅场景的背景变化要求和背景的恢复精确度等成为目标检测的不足之处，这些都是后期研究及实验检测的主要方面。参考文献(References)：1234张帅，崔本亮，黄学达视频检测技术在公路车流量检测系统中的应用J实验室研究与探索，2012，31(10)：644j6，118ZHANG Shuai，CUl Benliang，HUANG X
20、ue-daApplication ofVideo Detection Technique to the Design of Road Vehicle FlowDetection SystemJResearch and Exploration in Laboratory，2012，31(10)：64-66，118薛茹，宋焕生，付洋基于块计数的交通背景实时更新方法J长安大学学报(自然科学版)，2013，33(3)：7984XUE Ru，SONG Huansheng，FU YangA method of realtime trafficbackground updating based on blo
21、ckcountingJJournal ofChangan University(Natural Science Edition)，2013，33(3)：7984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)：16-18WANG Chong，XI Zhihong，XIAO Chun-liMoving objects detectionbased on background subtraction methodJThe Application ofScience and Technology，2009，36(10)：16-18陈凤东，洪炳镕基于动态阈值背景差分
22、算法的目标检测方法J哈尔滨工业大学学报，2005，37(7)：883884CHEN Fengdong，HONG BingrongObject detecting method basedon background image difference using dynamic thresholdJJournal910111213141516of Harbin Institute of Technology，2005，37(7)：883-884吴晶面向运动目标检测的背景差分算法改进与实现D北京：北京邮电大学，2012郝毫刚，陈家琪基于五帧差分和背景差分的运动目标检测算法J计算机工程，2012，38
23、(4)：146148HAO Haogang，CHEN JiaqiMoving Object Detection AlgorithmBased on Five Frame Difference and Background DifferenceJComputer Engineering，2012，38(4)：146148苏书杰视频检测系统中的背景更新算法研究J商洛学院学报，2011，25(4)：30-33SU Shu-jieA Study on Background Updating Used in VideoDetection SystemJJournal of Shangluo Univer
24、sity，2011，25(4)：3033，魏志强，纪筱鹏，冯业伟基于自适应背景图像更新的运动目标检测方法J电子学报，2005，33(12)：22622264WEI Zhi-qiang，Jl Xiao-peng，FENG Ye-weiA Moving ObjectDetection Method Based on Self-Adaptive Updating of BackgroundJChinese Journal of Electronics，2005，33(12)：2262-2264郭怡文基于背景差分的多车道车流量检测系统J电光与控制，2010(9)：90-93GUO YingwenTra
25、ffic Flow Measuring System Based on BackgroundDifferenceJElectronics OpticsControl，2010(9)：90-93代科学，李国辉，涂丹监控视频运动目标检测减背景技术的研究现状和展望J中国图象图形学报，2006，11(7)：917919DAI Kexue，LI Guo-hui，TU DanProspects and Current Studies onBackground Subtraction Techniques for Moving Objects Detectionfrom Surveillance Video
26、JJournal of Image and Graphics，2006，11(7)：917919潘建寿，王 琳一种基于分级分块处理的背景估计算法J光子学报，2005，34(12)：1898-1900PAN Jianshou，WANG LingBackground Estimation AlgorithmBased on MultiResolution and BlockJActa Photonica Siniea，2005，34(12)：1898-1900刘 飞，张鹏林基于卡尔曼滤波的时间序列影像背景估计J地理空间信息，2005，6(3)：12-13LIU Fei，ZHANG Peng-fin
27、Background Estimate of Time SequenceImage Based on Kalman FilterJGeospatial Information，2005，6(3)：12-13彭 强，李 华基于块直方图分析的视频背景提取方法J西南交通大学学报，2006。41(4)：4853PENG Qiang，LI HuaBackground Extraction Method Based onBlock Histogram Analysis for Video ImagesJJournal of SouthwestJiaotong University，2006，41(4)：4
28、853蔡丽基于背景差的车辆停车检测算法研究D西安：长安大学，2011郑贵帧基于视频的交通事件检测算法的研究D西安：长安大学，2009高锦荣复杂背景下的车牌定位算法研究D西安：西安电子科技大学，2010万方数据基于图像差分的背景差分算法改进及实验数据分析作者： 胡永， 师京晶， 郭小丹， HU Yong， SHI Jing-jing， GUO Xiao-dan作者单位： 西藏民族学院信息工程学院,陕西咸阳,712082刊名： 实验室研究与探索英文刊名： Research and Exploration in Laboratory年，卷(期)： 2014,33(8)参考文献(16条)1.张帅;崔本
29、亮;黄学达 视频检测技术在公路车流量检测系统中的应用 2012(10)2.薛茹;宋焕生;付洋 基于块计数的交通背景实时更新方法 2013(03)3.汪冲;席志红;肖春丽 基于背景差分的运动目标检测方法 2009(10)4.陈凤东;洪炳镕 基于动态阚值背景差分算法的目标检测方法 2005(07)5.吴晶 面向运动目标检测的背景差分算法改进与实现 20126.郝毫刚;陈家琪 基于五帧差分和背景差分的运动目标检测算法 2012(04)7.苏书杰 视频检测系统中的背景更新算法研究 2011(04)8.魏志强;纪筱鹏;冯业伟 基于自适应背景图像更新的运动目标检测方法 2005(12)9.郭怡文 基于背景
30、差分的多车道车流量检测系统 2010(09)10.代科学;李国辉;涂丹 监控视频运动目标检测减背景技术的研究现状和展望 2006(07)11.潘建寿;王琳 一种基于分级分块处理的背景估计算法 2005(12)12.刘 飞;张鹏林 基于卡尔曼滤波的时间序列影像背景估计 2005(03)13.彭强;李华 基于块直方图分析的视频背景提取方法 2006(04)14.蔡丽 基于背景差的车辆停车检测算法研究 201115.郑贵帧 基于视频的交通事件检测算法的研究 200916.高锦荣 复杂背景下的车牌定位算法研究 2010引用本文格式：胡永.师京晶.郭小丹.HU Yong.SHI Jing-jing.GUO Xiao-dan 基于图像差分的背景差分算法改进及实验数据分析期刊论文-实验室研究与探索 2014(8)
