一种应用于视频检测中的背景更新方法

2022-10-03

车辆检测是视频交通监控系统的关键和基础, 可以通过几种方法实现, 比较典型的有邻帧差法, 背景差法。其中邻帧差法就是要通过相邻两帧的图像进行相减, 从而去除静止物体, 保留运动区域。这种方法的优点是计算量小, 但通常会使运动目标区域存在分裂现象, 尤其是高速运动物体, 会给后续自动识别带来很大误差。

目前在城市交通图像处理中, 普遍采用的方法为背景差法。背景差法是在获得当前背景图像的基础上, 将当前帧图像与当前背景图像相减获得前景物体, 最终得到车辆信息。由于城市车道路面的多样性, 车辆运动规律的复杂性, 以及干扰因素的不可预知性, 因此要求当前背景图像必须实时更新以做参考。

1 背景更新的方法

当前背景更新研究中, 吴祖林提出了这种在一系列视频图像中提取背景的方法, 该方法将一帧图像分成一个个小区域, 求取小区域的均值和方差, 符合一定规则的部分就作为背景块, 然后利用多帧图像中的背景块拼接成背景图像。本文就是对这种方法在计算上进行了改进, 使背景更新更加快速准确, 具有更高的实时性。

2 背景更新算法改进

背景重建的过程主要分为3步, 划定感兴趣的检测区域、背景抽取和背景更新。划定检测区域主要是为了去除一些对交通流图像中对背景无影响的区域, 比如图像中高速公路上的隔离带、绿化带等;背景抽取算法用于生成初始化背景;而背景更新则是指由于天气、光线、阴影等变化, 从而不断对背景图像进行刷新。

2.1 划定检测区域

把整幅图像划分成m×n个小方块, 如图1所示。而这m×n个小方块, 并非所有都感兴趣, 我们从中划定出感兴趣的区域, 如图2所示, 白线围起来的区域即为检测区域。检测区域的划定通常需要人为参与划分, 必须预先设定。

2.2 背景抽取

背景图像的获取中, 背景图像的初始化有多种方法。本文采用方法是, 首先提取200帧连续的视频图像, 并把在检测区域内的像素灰度值按帧的序号存储在数组中, 对检测区域中的每个像素逐点求其灰度值的直方图, 选择出现次数最多的灰度值作为背景图像中当前像素的灰度值。如果碰到车辆较密集的情况, 可以适当增加采集的帧数, 以得到较好的效果。背景提取需要一个初始化的过程, 在背景提取的过程中, 不对读入的视频图像进行车辆检测。

2.3 背景更新

以往的背景更新计算方式通常都是计算检测区域内每一小块的所有像素点的均值以及方差, 这不仅计算量大, 对系统的实时性有影响, 而且当某个小块中仅有很一小部分被前景所覆盖时, 没有必要计算小块中所有像素点的均值和方差, 只需要计算小方块中一部分区域的均值和方差, 就可以判断此小方块是否能作为背景块了。如图3中的A小方块近似于这种情况。

如果一个小方块内的四周的4个区域任何一个区域有被前景所覆盖, 就可以断定此小方块已经有被前景所覆盖, 如图4所示。在A小方块中的四周划分出四个小区域, 分别为U区, D区、L区、R区 (即上区、下区、左区、右区) 。依次计算小方块中U区、D区、L区、R区的均值和方差, 与先前背景中对应位置区域的均值和方差相比较就可以判定此区是否被前景所覆盖。当某个小区 (比如U区) 被判定为前景所覆盖, 就可以断定作为整体的A小方块一定有被前景所覆盖, 不能更新为背景, 从而可以跳过此区 (U区) 之后的其它区 (D区、L区、R区) 的均值和方差计算过程。大大减少了计算量, 使系统具有更高的实时性。只有在4个区被判定都没有被前景所覆盖时, 才可以将A小方块作为更新的背景, 用计算所得的此小方块4个区的均值和方差以备用。

基于前面的论述, 编写程序的步骤如下所述。

步骤1:提取200帧连续的视频图像, 并把在检测区域内的像素灰度值按帧的序号存储在数组中, 对检测区域内的每个像素逐点求其灰度值的直方图, 选择出现次数最多的灰度值作为背景图像中当前像素的灰度值。从而合成检测区域内的初始背景。

步骤2:计算检测区域内初始背景中的每个小方块内的四个区 (U区、D区、L区、R区) 的方差和均值, 作为当前背景每个小方块的每个区的方差和均值。

步骤3:获取一帧图像。

步骤4:依次定位到此帧图像检测区域内的某一个小方块上。

步骤5:计算此小方块内U区的方差和均值, 与当前背景对应的小方块U区的方差和均值作比较, 当大于一定的阈值时, 说明此小方块有被前景所覆盖, 跳至步骤10, 否则往下执行。

步骤6:计算此小方块内D区的方差和均值, 与当前背景对应的小方块D区的方差和均值作比较, 当大于一定的阈值时, 说明此小方块有被前景所覆盖, 跳至步骤10, 否则往下执行。

步骤7:计算此小方块内L区的方差和均值, 与当前背景对应的小方块L区的方差和均值作比较, 当大于一定的阈值时, 说明此小方块有被前景所覆盖, 跳至步骤10, 否则往下执行。

步骤8:计算此小方块内R区的方差和均值, 与当前背景对应的小方块R区的方差和均值作比较, 当大于一定的阈值时, 说明此小方块有被前景所覆盖, 跳至步骤10, 否则往下执行。

步骤9:用当前小方块作为当前背景块, 并保存此方块中4个区的方差和均值为当前背景块的4个区的方差和均值。

步骤10:判断此小方块是否是最末的小方块 (即每个方块是否都参与运算过) , 如果否, 则跳至步骤4, 如果是则跳至步骤3。

3 实验结果与分析

本文所提出的背景更新方法是将一帧图像中检测区域内的图像分成一个个小方块, 而每个小方块内的四边上又划分出4个更小的区域, 通过计算这四个小区域的均值和方差, 从而快速判定小方块是否能作为背景块。采用此算法在Intel奔腾双核E5300的CPU、1G内存的硬件环境以及装有WindowsXP、matlab 7.0软件环境的PC机上, 编写程序对每帧240×320的交通视频流进行处理, 改进吴祖林的算法后, 背景更新的速度提高了30%以上, 从而具有更高的实时性。

4 结语

在车辆视频检测及监控系统中, 背景差法是一门关键的技术, 而背景更新方法的优劣直接影响背景差法的效果, 本文采用设置检测区域并在检测区域内划分一个个小块, 而在每个小块内的四周又划出四个更小区域, 通过计算这四个更小的区域的均值和方差来判定其所在的小块是否能作为背景块。这种方法所涉及的计算量相对的减少了很多, 在保持更新准确的基础上, 极大的提高了背景更新的速度, 使背景更新更具实时性。

摘要：在应用背景差法对交通视频图像进行车辆检测的处理过程中, 背景的更新是极其重要一个环节。在研究了多种现有方法的基础上, 提出一种背景更新的方法, 实验证明这种方法有效、运算速度快, 从而提高了系统的实时性。

关键词：背景更新,背景差法,车辆检测