基于W4算法和帧间差分的视频监控目标检测方法

摘要

本发明涉及一种基于W4算法和帧间差分的视频监控目标检测方法，包括以下步骤：(10)图像采集、(20)图像灰度化、(30)背景模型初始化、(40)W4算法检测、(50)帧间差分检测和(60)运动目标检测。本发明既不会因背景突变而错检，也没有帧间差分形成的空洞现象。

说明书

技术领域

本发明属于视频监控图像处理技术领域，特别是一种既不会错检，也没有空 洞现象基于W4算法和帧间差分相结合的视频监控目标检测方法。

背景技术

智能视频监控系统需要准确地完成运动目标的检测，从而将运动目标与背景 图像分离，以供后继处理。因此运动目标检测是运动目标跟踪等很多后续处理的 基础。运动目标检测算法制约着整个智能视频监控系统的稳定性、可靠性。

目前，比较成熟的运动目标检测算法可以分为以下三类：光流法、帧差法以 及背景建模法。

(1)光流法是将二维图像平面坐标点上灰度的瞬时变化率定义为光流矢量， 通过估计光流矢量梯度平方和或拉普拉斯平方和的最小化确定目标运动。单纯从 图像灰度强度来检测运动目标的光流法在运动目标与背景图像的对比度很小，或 图像存在噪声时，其效果较差，而且光流法运算量较大，对硬件设备要求较高， 在实时监控系统中很难得到应用。

(2)帧差法是在视频图像序列中的相邻两帧间对图像灰度值做差分运算，从 而提取图像中的运动区域。帧差法在动态环境中具有较强的自适应性，对光照的 变化干扰不敏感，运算量小，其缺点是很难完整地提取出与运动目标相关的全部 像素区域，只能提取出边界点，容易在运动实体内部产生空洞。此外，在运动目 标速度缓慢时，很可能会检测不到，而运动目标速度过快时，将会把部分背景也 检测为运动目标，检测出的物体在运动方向上被拉伸，造成检测效果不精确。

(3)背景差分法是对视频帧序列进行分析后通过建立相应的合适的背景提取 模型提取到背景图像帧，再通过多视频帧序列进行实时采集获得当前帧视频图 像，二者相减得到差分值。通过对差分结果的辨析，判断某一像素点是感兴趣的 (或者说有用的)运动目标还是背景像素点。根据背景差法的原理，只要能够建 立正确的背景图像，用当前帧图像减去背景图像即可提取出运动目标。所以，运 动目标检测的关键是如何建立合适的自适应背景模型，有效的去除光照、噪声等 引起的干扰。自适应背景模型能够根据背景的变化建立背景模型，并不断更新模 型参数，最后根据运动目标像素的模型分布参数与背景模型的分布参数是否符合 来判断运动目标像素点，从而检测出运动目标。

I.Haritaoglu和D.Harvood于2000年在《IEEE》上发表的《w4:Real-Time surveillanceofpeopleandtheiractivitie》中提出W4算法，它属于背景 差分法的一种。它利用最大、最小灰度值和最大时间差分值为场景中每个像素进 行统计建模。它的主要特点如下：

(1)在室外等光照良好的场景下检测算法很有效；

(2)在场景变化时，也可以建立背景模型；

(3)能克服背景中的扰动；

(4)能同时对多个目标进行检测；

(5)对背景模型进行周期性的更新，对环境及背景的变化有一定的自适应性；

(6)参数较少，运算量较小，资源消耗少；

由W4运动检测算法的特点可知，对于一个静态的摄像机实时监控固定区 域，W4运动检测算法是一种即可以取得较好效果，又兼具实时性的运动目标检 测算法。

然而经典W4背景建模算法只能克服光照强度的微小变化以及背景的轻微 运动等问题，背景模型建立后就不变了，这对长时间的监控系统来说误差会越来 越大，因为当周围环境发生变化后，会使之前建立好的背景模型不能适应当前的 环境，系统可能将背景点检测为运动目标点，将运动目标点检测为背景点，即产 生错检。

综上所述，现有技术存在的问题是：基于W4算法的视频监控目标及异常事 件检测方法会因背景突变带来错检，帧间差分造成空洞，最终导致检测不准，且 不能检测异常事件。

发明内容

本发明的目的在于提供一种基于W4算法和帧间差分的视频监控目标检测方 法，既不会错检，也没有空洞现象。

实现本发明目的的技术解决方案为：

一种基于W4算法和帧间差分的视频监控目标检测方法，包括以下步骤：

(10)图像采集：利用监控摄像头采集含有运动目标的图像，包括RGB图像 和灰度化图像；

(20)图像灰度化：将采集到的RGB图像进行灰度化；

(30)背景模型初始化：提取灰度化图像中前k帧图像的像素点处的统计特 性，包括灰度最大值、灰度最小值，以及最大时间差分值；

(40)W4算法检测：利用每点的最大时间差分值，计算整幅图像相邻两帧最 大距离的均值，将灰度化图像k+1帧开始的每个像素点的灰度值分别与背景模型 中对应像素点进行比较，得到W4算法二值化前景图像；

(50)帧间差分检测：对灰度化图像k+1帧开始的每一帧图像，设当前帧为 t，取一段时间[t-n-1,t]内当前帧及之前的偶数帧图像，使用帧间差分法对相邻 的两帧分别进行差分，得到多幅二值化的差分图像，再将它们进行逻辑或运算， 从而得到帧间差分二值化前景图像；

(60)运动目标检测：将W4算法二值化前景图像与帧间差分二值化前景图像 进行逻辑与运算，并进行形态学滤波，若像素点为前景，则判断为运动目标，显 示该运动目标，令其在显示器显示的灰度值为255。

本发明与现有技术相比，其显著优点：

(1)经典W4背景建模算法只能克服光照强度的微小变化以及背景的轻微运 动等问题，背景模型建立后就不变了，这对长时间的监控系统来说误差会越来越 大，当周围环境发生变化，如光照、风强度变化、运动物体突然停止,以及静止 物突然运动等，已建立好的背景模型可能不再适应变化了的环境，就有可能出现 检测错误。本发明将W算法的检测结果和帧间差分的检测结果进行逻辑与运算， 与经典W4算法相比，可以增大目标检测的准确性。

(2)帧间差分虽然能够适应视场内物体的突变,及时地检测出场景内物体的 运动状态变化,并且对光照的变化也有很好的适应能力,但受物体运动速度的 影响较大,如果物体运动太慢,检测结果出现严重的空洞现象。本发明将帧间差 分的检测结果与W4算法的检测结果进行逻辑与运算，可以去除目标运动速度过 慢出现的空洞现象。

下面结合附图对本发明作进一步详细描述。

附图说明

图1为本发明基于W4算法和帧间差分的视频监控目标检测方法的流程图。

图2(a)为经典W4算法、帧间差分法与本发明提出的混合算法在室外对行 人的检测效果对比图：1)原始图像；2)W4算法的检测结果；3)帧间差分法的 检测结果；4)本发明方法检测结果；5)经形态学滤波处理后的结果。

图2(b)为经典W4算法、帧间差分法与本发明提出的混合算法在夜间校园 对行人的检测效果对比图：1)原始图像；2)W4算法的检测结果；3)帧间差分 法的检测结果；4)本发明方法检测结果；5)经形态学滤波处理后的结果。

图2(c)为经典W4算法、帧间差分法与本发明提出的混合算法在白天公园 对行人的检测效果对比图：1)原始图像；2)W4算法的检测结果；3)帧间差分 法的检测结果；4)本发明方法检测结果；5)经形态学滤波处理后的结果。

图3(a)为异常事件检测在室外监控的单个运动目标非法入侵报警效果图： 1)113帧原始图像；2)113帧检测效果图像；3)158帧检测效果图像。

图3(b)为异常事件检测在室外监控的多个运动目标非法入侵报警效果图： 1)160帧原始图像；2)160帧检测效果图像；3)197帧检测效果图像。

图4(a)为行人滞留在监控区域的非法滞留报警效果图：1)93帧原始图像； 2)93帧检测效果图像；3)205帧检测效果图像。

图4(b)为物体滞留在监控区域的非法滞留报警效果图：1)111帧原始图 像；2)111帧检测效果图像；3)155帧检测效果图像；4)276帧检测效果图像；

图5(a)为监控区域内的凳子被移走的非法移位报警效果图：1)78帧原始 图像；2)78帧检测效果图像；3)198帧检测效果图像；4)253帧检测效果图 像。

图5(b)为监控区域内的黑色物体被移走的非法移位报警效果图：1)127 帧原始图像；2)127帧检测效果图像；3)175帧检测效果图像。4)266帧检测 效果图像。

具体实施方式

如图1所示，本发明基于W4算法和帧间差分的视频监控目标检测方法，包 括以下步骤：

(10)图像采集：利用监控摄像头采集含有运动目标的图像，包括RGB图像 和灰度化图像；

(20)图像灰度化：将采集到的RGB图像进行灰度化；

(30)背景模型初始化：提取灰度化图像中前k帧图像的像素点处的统计特 性，包括灰度最大值、灰度最小值，以及最大时间差分值；

所述30)背景模型初始化步骤中，前k帧图像的像素点(x,y)处的统计特性 为：

F_t(x,y)为点(x,y)处在第t帧的灰度值；

灰度最大值m(x,y)＝max[F_t(x,y)]，t＝1,2,...,k；

灰度最小值n(x,y)＝min[F_t(x,y)]，t＝1,2,...,k；

最大时间差分值d(x,y)＝max[|F_t(x,y)-F_t+1(x,y)|]；

其中，(x,y)代表像素点在一帧图像中的坐标。

(40)W4算法检测：利用每点的最大时间差分值，计算整幅图像相邻两帧最 大距离的均值，将灰度化图像k+1帧开始的每个像素点的灰度值分别与背景模型 中对应像素点进行比较，得到W4算法二值化前景图像；

所述(40)W4算法检测步骤包括：

(41)通过初始模型中每点的最大时间差分值d(x，y)，计算出整幅图像中 相邻两帧最大距离的平均值d_μ：

$d_{\mu }=\underset{i=1}{\overset{height}{\Sigma }}\underset{j=1}{\overset{width}{\Sigma }}d(i,j)/(height*width),$

其中，height和width分别为一帧图像的高度和宽度；

(42)将待检测像素点(x,y)处的灰度值F_t(x,y)分别与背景模型中对应像素 点按如下公式进行比较，检测出运动目标：

式中，F_t(x,y)为点(x,y)处在第t帧的灰度值，m(x,y)为初始模型中前 k帧图像在点(x,y)处的灰度最大值，n(x,y)为初始模型中前k帧图像在点 (x,y)处的灰度最小值，d_μ为整幅图像中相邻两帧最大距离的平均值，W_t(x,y) 为阈值分割的结果。

(50)帧间差分检测：对灰度化图像k+1帧开始的每一帧图像，设当前帧为 t，取一段时间[t-n-1,t]内当前帧及之前的偶数帧图像，使用帧间差分法对相邻 的两帧分别进行差分，得到多幅二值化的差分图像，再将它们进行逻辑或运算， 从而得到帧间差分二值化前景图像；

所述(50)帧间差分检测步骤包括：

(51)对相邻的两帧按下式进行差分，

D_t(x,y)＝|F_t(x,y)-F_t-1(x,y)|，

取某一段时间[t-n-1,t]内，当前帧图像连续的前偶数帧图像F_t-n-1(x,y)， F_t-n+1(x,y)，…，F_t-2(x,y)，F_t(x,y)，对相邻偶数帧的两帧分别进行差分，得到 多幅二值化的差分图像PD_t-n+1(x,y)，…，PD_t-2(x,y)，PD_t(x,y)；

(52)对差分图像按下式进行阈值分割，

将PD_t-n+1(x,y)，…，PD_t-2(x,y)，PD_t(x,y)对应像素点如下式进行逻辑或运算， 得到一幅二值化的前景图像PDR_t(x,y)，PDR＝1表示前景，PDR＝0表示背景；

PDR_t(x,y)＝PD_t(x,y)||PD_t-2(x,y)||…||PD_t-n+1(x,y)，

其中，F_t(x,y)为点(x,y)处在第t帧的灰度值，F_t-1(x,y)为前一帧图像， D_t(x,y)为t时刻的差分结果，Th为图像分割阈值，PD_t(x,y)为阈值分割的结果， n取3～15的奇数，t表示当前帧。

(60)运动目标检测：将W4算法二值化前景图像与帧间差分二值化前景图像 进行逻辑与运算，并进行形态学滤波，若像素点为前景，则判断为运动目标，显 示该运动目标，令其在显示器显示的灰度值为255。

所述(60)运动目标检测步骤包括：

(61)前景图像合并：将W4算法二值化前景图像W_t(x,y)与帧间差分二值化 前景图像PDR_t(x,y)按下式进行逻辑与运算，得到运动目标所对应的区域 WP_t(x,y)，WP_t(x,y)＝1表示前景，WP_t(x,y)＝0表示背景，

WP_t(x,y)＝W_t(x,y)&PDR_t(x,y)；

(62)形态学滤波：对运动目标所对应的区域进行先腐蚀再膨胀的形态学滤 波开运算。

为了去除目标检测可能出现的噪点，对最终的二值化结果进行形态学滤波开 运算，即先腐蚀再膨胀，以便更好地进行后续的异常事件检测。

还包括在(60)运动目标检测步骤之后的(70)异常事件检测步骤，即根据 运动目标，结合应用场景，进行异常事件检测并报警。

所述(70)异常事件检测步骤包括：

(71)非法入侵报警：将选定的非法入侵监控区域用绿色矩形框表示，对入 侵该区域的人或物体进行报警，当监控区域出现人或物体时，变量Ruqin＝1，否 则Ruqin＝0，一旦有人或物体进入该监控区域，根据检测的结果触发相应的报警 事件，报警后该区域变为红色矩形框；

(72)非法滞留报警：用蓝色矩形框将检测到的目标标出，将选定的非法滞 留监控区域用绿色矩形框表示，对区域中超过指定时间的滞留物体进行报警，报 警后该区域的矩形框由绿色变为红色；

本发明的非法滞留报警算法基于之前目标检测的结果，做进一步的处理。假 设用户选定的监控区域为MoRegion，通过其在目标检测阶段的判决结果，得到 后续处理所需要的判决条件WP(i，j)。WP(i，j)＝1表示点(i，j)被判定为 目标，WP(i，j)＝0表示背景。对于每一个(i，j)位置处的点，设置一个累 积变量Zhiliu(i,j)用以累计该点连续时间内被判决为目标的次数，该变量初始 值为0。若物体在区域内滞留时间过长，则Zhiliu(i,j)会通过累加不断增长， 反之若物体状态改变为移动而离开原有位置时，Zhiliu(i,j)被重新置0。

考虑到用户对于不同情形下触发报警滞留时间长短的不同需求，我们定义报 警灵敏度为ZhiLevel，其与报警响应时间ZhiTime存在一一映射关系。在每一 个时刻，我们去判断(i,j)位置处的Zhiliu(i,j)是否超过了该时间，若是则 表明物体在监控区域MoRegion内有滞留，从而判决为去触发报警。Baojing为 报警的判决结果: