张明艳，宛元生，郭旭东，周家磊，宋 娜

（1.安徽工程大学 安徽省电气传动与控制重点实验室，安徽 芜湖 241000；2.烟台三环门业有限公司，山东 烟台 264000）

一种视频监控环境下的背景更新算法

张明艳1，宛元生1，郭旭东1，周家磊1，宋 娜2

（1.安徽工程大学 安徽省电气传动与控制重点实验室，安徽 芜湖 241000；2.烟台三环门业有限公司，山东 烟台 264000）

背景减法是视频监控中最常用的运动目标检测方法.背景减法的关键是背景适时准确地更新.现有的背景更新方法能够实现背景的更新，但是，由于受到光照、环境干扰等影响，这些方法或者不能满足背景更新的准确性，或者由于计算复杂不能够对背景进行实时更新.针对视频监控环境的特点，本文提出了运动区域和非运动区域的背景更新方法，对上述问题进行一一解决.实验表明，该方法对光照变化、环境干扰具有稳定性，同时具有处理速度快的优点，具有实际应用价值.

背景减法；视频监控；运动区域

1 引言

视频序列中运动目标的检测在重要场所监控、交通监管控制、识别与跟踪等领域有着十分重要的应用.运动目标的检测由于受到监控环境[1]（如树木的摇动，光照变化等）以及运动对象进入背景后所做的短时或长时间停留的影响，使得从监控图像中正确地判断出运动对象成为目标检测领域一直以来的热门话题.在运动目标检测方法中，背景减法以原理简单，速度快，检测效果好成为常用的检测方法之一.背景减法在背景模型准确的前提下，能够准确的分割出运动对象.但是，如果背景模型不能够及时更新，则会出现错检、漏检等检测结果不准确的现象，这将直接导致后续的分析、识别、跟踪效率.人们提出了很多种背景模型更新方法，如IIR滤波更新法[2]，用当前帧，背景帧，初始背景帧三帧信息结合的背景更新方法[3]，这些方法能够实现背景模型的建立及更新，但是方法本身又具有运算量大[4]，需要存储空间大，所建立的背景模型缺乏准确性、实时性的问题.

针对上述所存在的实时性、准确性、计算复杂度问题，本文将背景分为运动区域和非运动区域的方法进行更新.

2 背景更新算法介绍

文献[3]采用当前帧、背景帧和初始背景帧相结合的方式对背景进行更新，具体过程如下：

视频序列中的每一帧图像Fk都可以看成是由运动对象Mk和静止背景B*k组成.如式（1）所示，

由混合高斯背景模型进行背景建模得到视频初始背景Binit.将当前帧中的运动前景区域Mk去除,余下部分就是真实背景B*k，再将初始化背景中的对应运动前景部分的像素，通过灰度调整后,填补入背景帧的运动前景区域.由此便得到更新的背景.背景更新公式如式（2）所示，

其中，F(Ik,Bk)为当前帧的运动前景，B(Ik,Binit)为初始背景中的当前帧运动区域经过灰度调整后的结果.其中，

此方法在背景帧中保留了当前帧中的非运动目标区域的真实像素值，运动区域的像素则通过灰度调整，与真实背景像素的灰度一致，保证了更新背景的准确性.但是当在外界干扰较大（如树木晃动幅度较大、悬挂物晃动等）时采用该背景更新方法会出现检测到的运动目标区域噪声点过多，影响背景的准确性以及更新速度.

3 背景的建立

本文假设摄像头是固定的，所监控的区域不变，则背景的更新主要解决（1）光线变化引起的背景失效.（2）监控环境中干扰较大（如树木晃动幅度较大、悬挂物晃动等）问题.

在背景的建立中采用统计学方法能取得较好的效果，但计算过于复杂，更新缓慢，噪声点多，为了解决这一问题，首先对图像帧分块，如图1（b）所示，对每块区域分别进行统计，由于分块区域的背景是同时进行的，可以提高背景帧的获取速度，同时，每块区域面积较小也可以降低对存储空间的要求，对于每块区域像素值采用式（1）方法获取，最终得到背景帧B，如式（5）所示.

图1 背景图像

4 本文背景更新方法

文献[3]通过3帧联合的方法进行背景更新，具有显著的效果，但是也存在问题.通过对监控图像随机抽取多挣进行观察分析发现，并不是图像中所有的区域都会有运动目标存在，对于道路视频中的运动目标只能存在于特定的区域.如图2（a）所示，是随机抽取的多帧图像中的一幅，运动目标（汽车、行人、机动车）只是在道路上行驶，并且与隔离带保持一定的距离，因此可以将监控图像分为运动区域与非运动区域.如图2（b）所示.

图2 采集图像帧

同时发现，运动区域与非运动区域有显著的区别，运动区域具有规则、一致性的特点，非运动区域则相对复杂，根据监控区域也会有差别，背景更新的速度，准确度很大程度上非运动区域的影响.非运动区域因为没有或只有短时运动目标存在不是检测的重点，因此可以采用式（7）方法进行背景更新，

采用上述方法对背景进行更新可以保证非运动区域存在的潜在运动目标不会在运动目标检测中产生干扰，即解决了风吹草动等伪目标.

对光照变化引起的背景变化，通过观测发现背景像素点的亮度值具有短时不变性，在连续的时间段里也具有变化缓慢的特点，如图（3）所示.只要在一定时间T内对背景的亮度进行调整，即可解决.由于光照变化导致的是背景画面整体的亮度值变化，具有一致性，所以可以通过监测非运动区域的亮度值的变化速度来调整.一旦发现背景亮度值与非运动区域像素的灰度值变化超过门槛值，则认为背景区域的光照发生了变化，需要进行更新.此时只要重复背景模型获取方式即可.

其次，在对图像中的像素点进行一段时间的跟踪观测发现，只有在运动对象通过该点时，像素的亮度值才有可能发生跃变，如图1(a)所示.对该点像素的亮度值进行统计，设I(x,y)为像素点(x,y)处的亮度值，则在[0T]的时间段内，每隔T/m记录(x,y)处的亮度值，得到m点该象素的亮度值，可以看出，在一段时间内，亮度值主要集中在很小的一个区域，如图1(b)所示.因此，间隔时间T对背景进行一次亮度调整可以保证背景的准确性.

图3 亮度变化曲线及统计直方图

根据上述方法建立监视区域的背景图像，通过连续采集多帧图像恢复出背景图像，如图2所示，图2为没有干扰目标出现时采集到的图像帧，图2为有干扰目标存在时的图像帧，通过不断的采集多幅图像进行统计处理，最终得到背景图像如图2所示.

5 结果分析

图4 背景更新及处理结果示意图

背景减法中最重要的是背景的准确性，采用本文方法将当前帧的非运动区域与背景图像中的运动区域叠加得到最新的适时背景，能够保证在进行运动目标检测的过程中不受外界的干扰，从结果上来看，此方法也能很好的将运动目标分割出来，虽然在结果中还存在噪声的干扰，但是可以看到影响较小，对于运动目标区域的确定不会产生影响.

〔1〕邹承明，李伟.一种改进的自适应背景更新算法[J].武汉理工大学学报，2009(2).

〔2〕Foresti G L, Regazzoni C S.A change detection method for multiple object localization in real scenes[C].//Bologna.Proceedings of the 20th IEEE International Conference on Industrial Electronics, Control, Instrumentation and Automation.New York: IEEE, 1994: 984-987.

〔3〕何云，许健龙,等.一种改进的视频监控背景更新算法[J].浙江理工大学学报，2010(7).

〔4〕杨广林，孔令富.基于图像分块的背景模型构建方法[J].机器人，2007(1).

TP391.41

A

1673-260X（2014）03-0023-02

2012年地方高校国家级大学生创新创业训练计划项目基金资助（201210363130，201210363126，201210363119）