摘要：针对使用视觉背景提取（ViBe）模型在室外动态背景下进行移动目标检测时存在不规则闪烁像素点对前景检测结果造成干扰的问题，提出一种基于视觉背景提取算法的闪烁像素噪声消除方法。在背景模型建立阶段设定背景模型样本标准差阈值，约束背景模型的采样值范围以提高背景模型准确性。在前景检测阶段引入自适应检测阈值提高前景物体检测精度，在背景模型更新过程中对图像边缘背景像素点进行边缘抑制以阻止错误背景样本值更新到背景模型。在此基础上，结合形态学操作修复连通域，提高前景图像的完整性。最后选取多个视频序列将该方法与原始ViBe算法、形态学改进方法的检测结果进行对比。实验结果表明，该方法能有效消除闪烁像素噪声对前景检测造成的影响，获取更精确的前景图像。
关键词：移动目标检测；视觉背景提取算法；自适应检测阈值；边缘抑制；闪烁像素噪声
中图分类号： TP391.4 文献标志码：A
Abstract：Visual Background extractor （ViBe）model for moving target detection cannot avoid interference caused by irregular flicker pixels noise in dynamic outdoor scenes. In order to solve the issue， a flicker pixels noisesuppression method based on ViBe model algorithm was proposed. In the initial stage of background model， a fixed standard deviation of background model samples was used as the threshold value to limit the range of background model samples and get suitable background model samples for each pixel. In the foreground detection stage， an adaptive detection threshold was applied to improve the accuracy of detection result. Edge inhibition of image edge background pixels was executed to avoid error background sample values updating to the background model in the background model update process. On the basis of above， morphological operation was added to fix connected components to get more complete foreground images. Finally， the proposed method was compared with the original ViBe algorithm and the ViBes improvement with morphology postprocessing on the results of multiple video sequences. The experimental results show that the flicker pixels noisesuppression method can suppress flicker pixels noise effectively and get more accurate results.
英文关键词
Key words：moving object detection； Visual Background extractor （ViBe） algorithm； adaptive detection threshold； edge inhibition； flicker pixels noise
0 引言
移动目标的检测领域比较常见的算法有帧差法、光流法和背景减除法。背景减除法的基本思想是构建一个背景模型来描述背景图像，然后将输入帧与背景模型进行比较，分割出区别较大的像素作为前景图像。因此，其关键就是如何构建和更新背景模型来适应背景的变化。
ViBe算法采用随机选择和背景扩散的机制来建立和更新背景模型。其主要包括背景模型的建立、前景检测以及背景模型更新三个方面。
ViBe算法在第一帧图像输入时即完成背景模型初始化。对任意一个像素，利用相邻区域像素点拥有相似的时间分布的特点[8]，随机选择其八邻域范围内像素点作为其背景模型的初始样本值。从第二帧开始，计算每个像素点分别和其背景模型中每个的样本值的欧氏距离，与匹配阈值T比较，统计匹配数目nt（x，y）：若匹配数目满足设定的最小匹配数η，则将该像素点分类为背景点；否则将该像素点分类为前景点。每个像素点的背景模型如式（1）所示：
2 闪烁像素噪声消除
该方法的一个优势是可以针对动态背景环境下不同区域的亮度值变化量不同的特点提供一种自适应比较阈值，即便是非均匀光照的场景，也可以确保背景样本模型始终能较准确地描述每一块区域，使适应范围得到增加，显著减少错误前景点的产生。
2.2 背景扩散抑制
根据表2数据可知，已知闪烁像素八邻域范围同时出现2个及以下闪烁像素的概率约为90%，出现3个及以下闪烁像素的概率约为99%，较表1中的闪烁像素的分布特点有明显区别，更易于在实际操作中将闪烁像素与前景块区分。通过进一步处理可基本消除闪烁像素对前景检测结果造成的影响。
2.3 连通域修复
移除前景图像的闪烁像素后，为弥补由此可能带来的前景块连通域断裂的缺陷，需要对前景块轮廓进行修复，这里采用的方法是合并相邻前景块作为一个整体连通域。其基本思想是检测消除闪烁像素之后的各前景块边缘像素的像素点是否邻近，如果边缘像素点距离小于设定阈值#C，可对这两个前景块边缘合并连接，组成新的前景块。
由于视角、距离、图像缩放尺寸等因素影响，不同场景下最适#C值会有不同，需根据不同的场景调整。本实验选取的视频序列中，#C在设置为20时有较好的连通域修复效果。
2.4 闪烁像素块处理
经过上述步骤重新得到前景块轮廓，并不能完全消除闪烁像素噪声，还需要进一步消除连接在一起的闪烁像素块。为消除闪烁像素块噪声影响，结合表2数据可知闪烁像素噪声所在区域闪烁像素噪声个数小于5的概率约为99% 。完成连通域合并及轮廓填充操作后，将前景像素点八邻域内密度小于5的前景块移除，可在很大程度上确保抑制闪烁像素噪声的同时减少对真实前景的影响；同时，填充前景轮廓内部的黑洞，减少前景物体内部出现的错误背景，提高检测结果的准确度。
3 实验结果及分析
对比图2和图3可以看出，采用本文使用的自适应比较阈值和图像边缘背景像素扩散抑制方法后，前景检测图像的闪烁像素噪声抑制能力得到显著提升，闪烁像素噪声的密度分布与真实前景物体也有明显区别，便于将闪烁像素噪声从前景图像中移除，而不对前景图像轮廓的完整性造成明显的影响。
3.2 闪烁像素噪声消除实验
图4中（c）为使用文献[7]方法得到的闪烁像素消除效果，可以发现该方法经空洞填充等操作之后对闪烁像素噪声的消除效果很好；但因部分区域存在大量闪烁像素，导致这些区域内闪烁像素点被禁止更新，部分像素点没有正确描述真实前景区域，此时使用该方法可能会存在丢失部分前景块的现象。图4中（d）为采用文献[13]提出的形态学处理方法消除闪烁像素，能有效消除闪烁像素及闪烁像素块；但也可能在开操作环节造成前景分裂的现象，导致部分前景损失。图4中（e）为采用本文使用的闪烁像素噪声消除方法，结合连通域修复以及轮廓内部空洞的填充，很大程度上消除了闪烁噪声消除过程给前景块带来的影响，并得到相对准确的前景块。
3.3 算法性能比较
为便于比较以上三种方法在闪烁像素噪声消除方面的性能，本文使用误匹配率（Percentage of Bad Classifications，PBC）和目标区域检测准确率（Precision）两项常用指标进行对比[7]。Precision越大，表明前景检测结果对真实目标区域描述越完整，PBC越小，表明前景区域与背景区域被错误匹配的像素点越少。
PBC和Precision可分别由式（14）、（15）得到：
PBC=FP+FNTP+TN+FP+FN×100%（14）
Precision=TPTP+FP（15）
其中：TP和TN分别表示图像中前景像素点和背景像素点被正确标记的像素点个数；FP表示图像中背景像素点被错误标记成前景点的像素点个数；FN表示前景像素点被错误标记成背景点的像素点个数。
应有TP，TN，FP，FN含义说明针对PDF中标出的问题，已经做了修改。需要添加的内容如下：
“其中，TP和TN分别表示图像中前景像素点和背景像素点被正确标记的像素点个数，FP表示图像中背景像素点被错误标记成前景点的像素点个数，FN表示前景像素点被错误标记成背景点的像素点个数。”
因不同的场景下各种算法的性能有所差异，实验采用多次测试求均值的方法以1/10概率对上述视频图像序列进行随机采样，计算PBC和Precision的平均值，统计结果如表3所示。
根据表3的统计结果可知，本文使用的改进方法在有效消除闪烁像素噪声的同时，在平均误检率和平均检测正确率两项性能指标上都有良好表现，能获取更精确的前景图像。
4 结语
针对室外动态背景条件下，对基于ViBe算法的几种闪烁像素噪声抑制方法进行了比较，对ViBe算法的初始化阶段、前景检测阶段和背景模型更新过程都作了一定改进。通过提高背景模型样本准确性，引入自适应检测阈值，以及结合边缘抑制与连通域修复的方法抑制闪烁像素噪声。采用本文方法处理后能有效消除闪烁像素噪声，获取到更精确的前景图像，扩大了ViBe算法进行移动目标检测的适用范围。但本文方法对室外动态背景下的移动目标的检测仍然存在缺陷，当前景物体遮挡住光源以及前景物体与背景模型亮度值非常接近的情况下均会存在前景块提取不精确的现象。未来需在此基础上结合其他检测算法进一步研究针对室外移动目标的前景提取和闪点噪声抑制方法。
参考文献：
[2]
[6]TAJBAKHSH T， GRIGAT RR. Illumination flicker frequency classification in rolling shutter camera systems [C]// SIP07：Proceedings of the Ninth IASTED International Conference on Signal and Image Processing. Anaheim： ACTA Press， 2007： 282-287.
