基于Sigma-Delta改进算法的运动目标检测

第２３卷第１期　２０１６年１月　电光与控制　Ｅｌｅｃｔｒｏｎｉｃｓ　Ｏｐｔｉｃｓ＆Ｃｏｎｔｒｏｌ　Ｖｏｌ＿２３　Ｎｏ．１　Ｊａｎ．２０１６　ｄｏｉ：１０．３９６９／ｊ．ｉｓｓｎ．１６７１—６３７Ｘ．２０１６．０１．０２２　基于Ｓｉｇｍａ·Ｄｅｌｔａ改进算法的运动目标检测　邢运龙，　李爱华，　方浩　（第二炮兵工程大学，西安７１００２５）　摘要：Ｓｉｇｍａ—Ｄｅｌｔａ背景估计是一种有效的运动目标检测算法，能够用较小的计算量达到较好的检测效果，但是该算　法未进行模型初始化，无法清除初始背景模型中的目标图像。针对此问题，采用均值法进行背景模型初始化，清除目　标图像，得到“干净”的背景模型。为提高适应能力，利用视觉背景提取ＶｉＢｅ随机更新的策略进行背景更新。在前景　检测方面，提出基于ＲＧＢ颜色空间的Ｓｉｇｍａ—Ｄｅｈａ算法，并通过阈值化处理减少噪点、提高检测质量。实验结果表明，　改进算法能够得到“干净”的背景模型，适应环境能力强，检测图像噪点少、检测质量较高。　关键词：视觉背景提取算法；运动目标检测；Ｓｉｇｍａ－Ｄｅｌｔａ背景估计；ＲＧＢ颜色空间　中图分类号：ＴＰ３９１　文献标志码：Ａ　文章编号：１６７１—６３７Ｘ（２０１６）０１—００９７—０５　Ｍｏｖｉｎｇ　Ｏｂｊ　ｅｃｔ　Ｄｅｔｅｃｔｉｏｎ　Ｂａｓｅｄ　ｏｎ　Ｉｍｐｒｏｖｅｄ　Ｓｉｇｍａ－　Ｄｅｌｔａ　Ａｌｇｏｒｉｔｈｍ　ＸＩＮＧ　Ｙｕｎ—ｌｏｎｇ，ＬＩ　Ａｉ—ｈｕａ，　ＦＡＮＧ　Ｈａｏ　（Ｔｈｅ　Ｓｅｃｏｎｄ　Ａｒｔｉｌｌｅｒｙ　Ｅｎｇｉｎｅｅｒｉｎｇ　Ｕｎｉｖｅｒｓｉｔｙ，Ｘｉ’ａｎ　７１００２５，Ｃｈｉｎａ）　Ａｂｓｔｒａｃｔ：Ｓｉｇｍａ－Ｄｅｌｔａ　ｂａｃｋｇｒｏｕｎｄ　ｅｓｔｉｍａｔｅ　ｉｓ　ａｎ　ｅｆｆｅｃｔｉｖｅ　ｍｏｖｉｎｇ　ｏｂｊｅｃｔ　ｄｅｔｅｃｔｉｏｎ　ａｌｇｏｒｉｔｈｍ，ｗｈｉｃｈ　ｉｓ　ａｂｌｅ　ｔｏ　ａｃｈｉｅｖｅ　ａ　ｇｏｏｄ　ｄｅｔｅｃｔｉｏｎ　ｅｆｆｅｃｔ　ｗｉｔｈ　ａ　ｓｍａｌｌｅｒ　ａｍｏｕｎｔ　ｏｆ　ｃａｌｃｕｌａｔｉｏｎ．Ｈｏｗｅｖｅｒ，ｔｈｅ　ａｌｇｏｒｉｔｈｍ　ｃａｎ’ｔ　ｃｌｅａｒ　ｔｈｅ　ｔａｒｇｅｔ　ｉｍａｇｅ　ｉｎ　ｔｈｅ　ｉｎｉｔｉａｌ　ｂａｃｋｇｒｏｕｎｄ　ｍｏｄｅｌ　ｆｏｒ　ｔｈｅ　ｒｅａｓｏｎ　ｔｈａｔ　ｔｈｅｒｅ　ｉｓ　ｎｏ　ｂａｃｋｇｒｏｕｎｄ　ｍｏｄｅｌ　ｉｎｉｔｉａｌｉｚａｔｉｏｎ．　Ｔｏ　ｓｏ］ｖｅ　ｔｈｉｓ　ｐｒｏｂｌｅｍ，ｉｔ　ｉｓ　ｐｒｏｐｏｓｅｄ　ｔｏ　ｉｎｉｔｉａｌｉｚｅ　ｔｈｅ　ｂａｃｋｇｒｏｕｎｄ　ｍｏｄｅｌ　ｂａｓｅｄ　ｏｎ　ｍｅｔｈｏｄ　ｏｆ　ｍｅａｎ　ｖａｌｕｅ，　ｗｈｉｃｈ　ｃａｎ　ｃｌｅａｒ　ｔｈｅ　ｔａｒｇｅｔ　ｉｍａｇｅ　ａｎｄ　ｇｅｔ　ａ　ｃｌｅａｎ　ｂａｃｋｇｒｏｕｎｄ　ｍｏｄｅ１．Ｉｎ　ｏｒｄｅｒ　ｔｏ　ｉｍｐｒｏｖｅ　ｔｈｅ　ａｄａｐｔａｂｉｌｉｔｙ，ｔｈｅ　ａｌｇｏｒｉｔｈｍ　ａｄｏｐｔｓ　ａ　ｗａｙ　ｔｏ　ｕｐｄａｔｅ　ｔｈｅ　ｂａｃｋｇｒｏｕｎｄ　ｍｏｄｅｌ　ｂａｓｅｄ　ｏｎ　ｔｈｅ　ｉｄｅａ　ｏｆ　ｒａｎｄｏｍ　ｕｐｄａｔｅ　ｏｆ　Ｖｉｓｕａｌ　Ｂａｃｋｇｒｏｕｎｄ　ｅｘｔｒａｃｔｏｒ（ＶｉＢｅ）．Ｉｎ　ｔｈｅ　ａｓｐｅｃｔ　ｏｆ　ｆｏｒｅｇｒｏｕｎｄ　ｄｅｔｅｃｔｉｏｎ，ａ　ｎｅｗ　Ｓｉｇｍａ－Ｄｅｌｔａ　ａｌｇｏｒｉｔｈｍ　ｂａｓｅｄ　ｏｎ　ＲＧＢ　ｃｏｌｏｒ　ｓｐａｃｅ　ｉｓ　ｒａｉｓｅｄ　ｔｏ　ｒｅｄｕｃｅ　ｔｈｅ　ｎｏｉｓｅ　ａｎｄ　ｉｍｐｒｏｖｅ　ｔｈｅ　ｑｕａｌｉｔｙ　ｏｆ　ｄｅｔｅｃｔｉｏｎ．Ｔｈｅ　ｅｘｐｅｒｉｍｅｎｔａｌ　ｒｅｓｕｌｔ　ｄｅｍｏｎｓｔｒａｔｅｓ　ｔｈａｔ　ｔｈｅ　ｉｍｐｒｏｖｅｄ　ａｌｇｏｒｉｔｈｍ　ｃａｎ　ｏｂｔａｉｎ　ａ　ｃｌｅａｎ　ｂａｃｋｇｒｏｕｎｄ　ｍｏｄｅｌ　ａｎｄ　ｉｓ　ａｄａｐｔａｂｌｅ　ｔｏ　ｃｏｍｐｌｅｘ　ｓｃｅｎｅｓ．Ｔｈｅ　ｉｍａｇｅｓ　ｄｅｔｅｃｔｅｄ　ｂｙ　ｔｈｅ　ａｌｇｏｒｉｔｈｍ　ｈａｖｅ　ｌｅｓｓ　ｎｏｉｓｅ　ｐｏｉｎｔｓ　ａｎｄ　ｂｅｔｔｅｒ　ｄｅｔｅｃｔｉｏｎ　ｐｅｒｆｏｒｍａｎｃｅ．　Ｋｅｙ　ｗｏｒｄｓ：Ｖｉｓｕａｌ　Ｂａｃｋｇｒｏｕｎｄ　ｅｘｔｒａｃｔｏｒ（ＶｉＢｅ）；ｍｏｖｉｎｇ　ｏｂｊｅｃｔ　ｄｅｔｅｃｔｉｏｎ；Ｓｉｇｍａ—Ｄｅｌｔａ　ｂａｃｋｇｒｏｕｎｄ　ｅｓｔｉｍａｔｅ；ＲＧＢ　ｃｏｌｏｒ　ｓｐａｃｅ　０　引言　在很多智能视频监控系统中，首先要对运动目标　进行检测，其主要任务是通过分析视频图像序列将前　景图像与背景图像分离，在最低虚警率的情况下完成　对运动目标的检测，是后续的目标识别、目标跟踪及目　标行为分析的基础　。传统的目标检测算法主要有帧　间差分法　、光流法　和背景差分法Ｈ　，这３种方法　各有优缺点，相互之间可以配合使用，目前应用最为广　收稿日期：２０１５—０２－１１　修回日期：２０１５．１１—１６　作者简介：邢运龙（１９９０一），男，山东文登人，硕士生，研究方向为计　算机视觉。　泛的是背景差分法。该算法的核心在于背景模型的建　立与更新，通过比较当前视频图像与背景模型之问的像　素差来检测目标图像，并根据当前图像实时更新背景模　型。最简单的背景建模方法就是提取不含运动目标的　图像帧，但这在实际情况中很难实现，因此必须在运动　目标存在的情况下进行建模，滤除目标图像建立背景模　型，比较经典的方法是参数化建模的方法，如高斯建模　法　。该算法认为在摄像机固定时，各像素点的像素值　服从高斯分布，然后通过阈值化处理分辨前景点和背景　点。为加强算法在复杂场景中的适应能力，文献［７］中　采用多个高斯模型的线性组合来构建背景模型，即混合　

高斯模型，该方法能够解决复杂背景下的目标检测问　９８　电光与控制　第２３卷　题，但计算量大、运算复杂、背景模型更新缓慢。针对这　个不足，文献［８］提出用无参化建模的方法来构造背景　模型，即基于采样的建模方法，该方法计算量小，并且不　具有固定的参数，对目标的速度、位移等运动状态不做　要求，即使场景中同时出现快速与慢速的运动目标，也　能保证检测质量。基于这种检测思想，近年来提出了许　多无参化目标检测算法。文献［９—１０］中提出的视觉背　景提取（Ｖｉｓｕａｌ　Ｂａｃｋｇｒｏｕｎｄ　ｅｘｔｒａｃｔｏｒ，ＶｉＢｅ）算法，首次将　随机的思想运用到背景建模与更新中，不仅简化了运　算、保证了算法的实时ｌ生，而且具备一定的鲁棒性，检测　图像质量较高，但在检测过程中无法较好地抑制“鬼影”　问题。Ｓｉｇｍａ—Ｄｅｌｔａ背景估计算法¨卜　也是像素级的无　参化目标检测算法，它利用Ｓｉｇｍａ—Ｄｅｌｔａ滤波器高效低耗　的特性进行背景估计与前景检测，其运算过程中只用到　了加法、比较和求绝对差，能够用很小的计算量达到其　他复杂算法的检测效果。但该算法直接将第一帧图像　作为初始背景模型，无法消除初始帧中的目标图像，从　而在检测图像中产生“鬼影”；在背景更新方面该算法　选择每帧更新一次或每隔几帧更新一次，对复杂场景的　适应能力较差；并且基于灰度图像的检测，本身就存在　检测结果噪点多、检测质量不高的问题。　本文针对Ｓｉｇｍａ—Ｄｅｌｔａ背景估计算法的不足进行　改进，采用前　帧图像的均值作为背景进行模型初始　化，从而滤除背景帧中的前景图像，得到“干净”的背　景图像，结合ＶｉＢｅ算法随机更新的思想进行背景更　新，提高其对复杂场景的适应能力。另外，本文还提出　基于ＲＧＢ颜色空间进行阈值化处理的方法来消除噪　点，提高检测质量。针对不同环境的视频序列，对比了　改进前后两种算法的检测效果，进一步验证了改进算　法的优越性。　１　Ｓｉｇｍａ－Ｄｅｌｔａ背景估计算法　Ｓｉｇｍａ·Ｄｅｌｔａ背景估计算法是一种非线性递归循环　计算，其核心部分是由Ｓｉｇｍａ—Ｄｅｌｔａ滤波器完成的。Ｓｉｇ—　ｍａ－Ｄｅｌｔａ滤波器是由差分器、比较器、积分器和负反馈回　路组成的，如图１所示。　差分器　积分器　号　图１　Ｓｉｇｍａ—Ｄｅｌｔａ滤波器　Ｆｉｇ．１　Ｓｉｇｍａ－Ｄｅｌｔａ　ｆｉｌｔｅｒ　在检测过程中，差分器将每一个像素点与背景模型　进行差分，差分结果经比较器处理后由积分器进行累　加，从而生成新的背景模型反馈到差分器中，如此进行　循环递归计算。整个Ｓｉｇｍａ．Ｄｅｈａ背景估计算法包括两　个Ｓｉｇｍａ－Ｄｅｌｔａ滤波器，其中，第一个滤波器进行背景估　计与更新，第二个滤波器进行前景检测，最终生成二值　对于每一个像素点　，该算法主要分以下４步进行　１）背景估计。　』　。（　）＝，ｏ（　（１）　【　（　）＝Ｍ　～　（　）＋ｓｇｎ（，ｌ（　）一Ｍ　一　（　））　式中：，　为输入视频序列；Ｍ　为估计背景值。首先将　第一帧图像像素值，ｎ赋值给　作为初始背景模型，　然后通过符号函数ｓｇｎ估计当前背景模型，其原理为　·　１　＞０　【一ｌ　＜０　２）计算当前帧与背景模型的绝对差。　式中，△　（　）为第二个Ｓｉｇｍａ—Ｄｅｌｔａ滤波器的输入值。　３）方差估计。　ｃ　，＝｛　：　；　“‘Ⅳ　△￡‘　’一　一１‘　’’　；　。‘　’’ｃ４　式中，　为方差估计值，表征像素灰度值的变化。首先　利用△。（　）初始化　（　），然后根据△　（　）的值进行方　差估计，其中，Ⅳ为放大系数，其取值范围一般为１～４。　４）生成二值图像。 ）：ｆ０　△　（　）＜　（　Ｄ　（　）＝｛　”　（５）　通过比较△　（　）与　（　）的大小来区分前景点与背景　点，从而生成二值化图像。　基本Ｓｉｇｍａ—Ｄｅｌｔａ背景估计算法能够有效地处理　背景缓慢变化，对自然环境中细微的动态变化也比较　敏感　。但该算法直接将第一帧图像作为初始背景　模型，其中的前景图像会被视为背景，从而在检测图像　中产生“鬼影”；算法基于灰度图像虽然简化了计算，　但缺乏亮度、色度信息，致使检测图像噪点较多，检测　质量不高；在背景更新方面该算法选择每帧更新或每　隔几帧更新一次，更新周期稳定难以适应复杂场景的　要求。文献［１２］中提出利用形态学的方法处理图像　提高算法的检测质量，并通过建立多重背景模型的方　法克服算法周期固定的问题，增强算法对复杂场景的　适应能力，但并不能抑制噪点的产生，并且无法解决背　景模型初始化问题。　本文采用基本Ｓｉｇｍａ．Ｄｅｌｔａ背景估计算法的检测　思想，并结合时间均值法与ＶｉＢｅ算法进行背景建模与　更新。在前景检测方面，

提出基于ＲＧＢ颜色空间的阈　第１期　邢运龙等：　基于Ｓｉｇｍａ—Ｄｅｌｔａ改进算法的运动目标检测　１０１　

（上接第９６页）　［５］　杨志永，黄田，梅江平，等．基于全域优化的高速并联机　械手控制器参数整定［Ｊ］．机械工程学报，２００６，４２（９）：　１２３—１２９．（ＹＡＮＧ　Ｚ　Ｙ，ＨＵＡＮＧ　Ｌ　ＭＥＩ　Ｊ　Ｐ＇ｅｔ　ａ１．Ｗｈｏｌｅ　ｗｏｒｋｓｐａｃｅ　ｏｐｔｉｍｉｚａｔｉｏｎ　ｂａｓｅｄ　ｐａｒａｍｅｔｅｒ　ｔｕｎｉｎｇ　ｏｆ　ｈｉ出一　ｓｐｅｅｄ　ｐａｒａｌｌｅｌ　ｍａｎｉｐｕｌａｔｏｒ　ｃｏｎｔｒｏｌｌｅｒ［Ｊ］．Ｃｈｉｎｅｓｅ　Ｊｏｕｒｎａｌ　ｏｆ　Ｍｅｃｈａｎｉｃａｌ　Ｅｎｇｉｎｅｅｒｉｎｇ，２００６，４２（９）：１２３—１２９．）　［６］　唐国宝，黄田．Ｄｅｌｔａ并联机构精度标定方法研究［Ｊ］．机　械工程学报，２００３，３９（８）：５５—６０．（ＴＡＮＧ　Ｇ　Ｂ，ＨＵＡＮＧ　Ｔ．Ｋｉｎｅｍａｔｉｃ　ｃａｌｉｂｒａｔｉｏｎ　ｏｆ　Ｄｅｌｔａ　ｒｏｂｏｔ『Ｊ］．Ｃｈｉｎｅｓｅ　Ｊｏｕｒ－　ｎａｌ　ｏｆ　Ｍｅｃｈａｎｉｃａｌ　Ｅｎｇｉｎｅｅｒｉｎｇ，２００３，３９（８）：５５－６０．）　『７１　ＬＵ　ＳＨＩ　Ｙ＇ＹＵ　Ｊ　Ｐ．Ｋｉｎｅｍａｔｉｃ　ａｎａｌｙｓｉｓ　ｏｆ　ｌｉｍｉｔｅｄ—ＤＯＦ　ｐａｒａｌｌｅｌ　ｍａｎｉｐｕｌａｔｏｒｓ　ｂａｓｅｄ　ｏｎ　ｔｒａｎｓｌａｔｉｏｎａｌ／ｒｏｔａｔｉｏｎａｌ　Ｊａｃｏ—　ｂｉａｎ　ａｎｄ　Ｈｅｓｓｉａｎ　ｍａｔｒｉｃｅｓ『Ｊ］．Ｒｏｂｏｔｉｅａ，２Ｏ０９，２７：９７１－９８０．　［８］ＴＲＩＧＧＳ　Ｂ．Ａｕｔｏｃａｌｉｂｒａｔｉｏｎ　ａｎｄ　ｔｈｅ　ａｂｓｏｌｕｔｅ　ｑｕａｄｒｉｃ［ｃ］／／　Ｐｒｏｃｅｅｄｉｎｇｓ　ｏｆ　Ｃｏｍｐｕｔｅｒ　Ｖｉｓｉｏｎ　ａｎｄ　Ｐａｔｔｅｒｎ　Ｒｅｃｏｇｎｉｔｉｏｎ，　Ｐｕｅｒｔｏ　Ｒｉｃｏ，ＵＳＡ：１９９７：６０９．６１４．　［９］