模型建立與求解

1、1模型法背景建模 本文對(duì)于背景建模采用非模型方法，其關(guān)鍵在于灰度值選取的假設(shè)規(guī)則。本文采用混合高斯背景建模方法。用K個(gè)高斯模型來(lái)描述背景像素值的分布。它的基本思想是，對(duì)于緩慢變化的背景，可以用正態(tài)分布來(lái)表征像素灰度值的變化。每一個(gè)背景像素的值都可以通過(guò)多個(gè)正態(tài)分布的加權(quán)和來(lái)描述。所有背景建模算法的目標(biāo)都是建立能夠有效地描述背景變化的模型。相應(yīng)地，衡量背景模型有效性的主要標(biāo)準(zhǔn)是模型對(duì)動(dòng)態(tài)背景的魯棒性?；旌细咚鼓Ｐ涂紤]到背景運(yùn)動(dòng)的多模型，因此較之其他算法具有對(duì)動(dòng)態(tài)背景更好的魯棒性。下面以灰度視頻為例來(lái)描述混合高斯模型的算法流程。對(duì)于彩色圖像，只需要對(duì)各個(gè)顏色通道分別建立混合高斯模型即可。 假設(shè)背景

2、靜止不動(dòng)，理論上只需要一個(gè)整數(shù)值就足以描述某背景圖像像素點(diǎn)的灰度變化?？紤]到存在外界噪聲，如攝像機(jī)噪聲等因素，可以用一個(gè)高斯分布N切，動(dòng)來(lái)描述某像素點(diǎn)x的灰度統(tǒng)計(jì)信息。N恤，動(dòng)就是單高斯背景模型，其中包含兩個(gè)模型參數(shù)，均值尸與標(biāo)準(zhǔn)差6。即使對(duì)于靜止的背景，其成像灰度也會(huì)隨著時(shí)間的推移而逐漸發(fā)生緩慢的變化，這就要求我們所建立的背景模型的參數(shù)必須隨著時(shí)間不斷更新。為了適應(yīng)背景變化，必須實(shí)時(shí)地更新模型參數(shù)。以參數(shù)尸為例，可以使用如下公式實(shí)現(xiàn)模型參數(shù)更新。式中，為t時(shí)刻的均值，a為更新率，x為t時(shí)刻二像素點(diǎn)的灰度值。 單高斯模型通常只適合于一些靜態(tài)不變場(chǎng)景，如室內(nèi)場(chǎng)景，的背景建模，對(duì)于動(dòng)態(tài)場(chǎng)景無(wú)法獲得

3、準(zhǔn)確的背景模型。而基于背景運(yùn)動(dòng)通常是多模的這一觀點(diǎn)，采用多個(gè)高斯模型來(lái)模擬背景更加符合實(shí)際。混合高斯模型，就是使用x個(gè)高斯模型(x取3到s>來(lái)模擬某個(gè)像素點(diǎn)的灰度分布情況。我們以像素點(diǎn)二為例，在像素點(diǎn)x的混合高斯模型定義為前景分割后處理的基本流程圖如圖所示獲取當(dāng)前幀與背景幀的差分圖像 增加閱值控制消除部分噪點(diǎn) 形態(tài)學(xué)處理 獲取較清晰運(yùn)動(dòng)圖像 我們首先采用形態(tài)學(xué)的處理方法，先對(duì)前景圖像進(jìn)行膨脹操作，再對(duì)圖像進(jìn)行腐蝕操作。處理完成后可填補(bǔ)部分空洞，但仍不可避免一些存在運(yùn)動(dòng)物體被割裂的情況。這類問(wèn)題主要可以分為兩類，一類問(wèn)題是在提取的前景物體中存在孔洞，檢測(cè)時(shí)會(huì)誤認(rèn)為有多個(gè)目標(biāo)存在，如圖2.1

4、1-(a)所示;另一類問(wèn)題是一個(gè)物體被分割成兩個(gè)物體，二者不連通，如圖2.12-(a)所示。 對(duì)于圖2.11-(a)所示的第一類問(wèn)題，只需要判斷兩運(yùn)動(dòng)物體的相對(duì)位置，當(dāng)判斷出一運(yùn)動(dòng)物體被另一運(yùn)動(dòng)物體包圍時(shí)，則認(rèn)為是孔洞造成的，不將其列入運(yùn)動(dòng)物體序列;對(duì)于圖2.12-(a)所示的第二類問(wèn)題，將所檢出的前景前后物體伸縮一定像素值，若伸縮后與另一前景物體相交，且邊界上的相交像素點(diǎn)百分?jǐn)?shù)大于一閡值，則認(rèn)為這兩個(gè)前景物體是同一個(gè)運(yùn)動(dòng)物體。 通過(guò)改進(jìn)的自適應(yīng)參數(shù)更新背景建模，并經(jīng)過(guò)f值處理、形態(tài)學(xué)處理和前景圖像融合等一系列后處理，可以得到一幅較為清晰的、噪點(diǎn)較少的運(yùn)動(dòng)物體圖像，供后續(xù)處理過(guò)程使用。陰影去除

5、 在2.1節(jié)背景建模和2.2節(jié)運(yùn)動(dòng)物體分割、并完成后處理后，我們實(shí)現(xiàn)了對(duì)前景運(yùn)動(dòng)物體的提取工作。能夠從圖像序列中提取出運(yùn)動(dòng)物體是后續(xù)一切處理工作的基礎(chǔ)，而不準(zhǔn)確地或是錯(cuò)誤地提取出運(yùn)動(dòng)物體則會(huì)嚴(yán)重妨礙后續(xù)流程的處理工作(Sun et al, 2010 ) a 由于陰影區(qū)域與背景區(qū)域的差異，它會(huì)被劃分成運(yùn)動(dòng)物體，加之其運(yùn)動(dòng)軌跡幾乎完全與運(yùn)動(dòng)物體軌跡一致，且具有邊緣的茹連，在很多時(shí)候，他都會(huì)被算法判斷成是運(yùn)動(dòng)物體的一部分。這種誤劃分會(huì)導(dǎo)致運(yùn)動(dòng)物體外輪廓的畸形，運(yùn)動(dòng)物體所占圖像像素點(diǎn)數(shù)的劇增以及多個(gè)運(yùn)動(dòng)物體的茹連，直接影響后續(xù)處理的效果。綜上，去除陰影區(qū)域是運(yùn)動(dòng)物體檢測(cè)和分類過(guò)程中很重要的一個(gè)步驟。陰

6、影檢測(cè)和去除的現(xiàn)有成果主要可以分為兩大類，如圖2.13所示。由圖可見(jiàn)，陰影檢測(cè)和去除方法主要可以分為兩大類:基于特征的方法和基于模型的方法(Zha et al, 2007 )。基于特征的方法又可以分為三種:提取RGB空間中特征的方法、提取HSv空間中特征的方法以及提取紋理特征的方法。 RGB空間的方法的優(yōu)點(diǎn)在于計(jì)算量小，但是在低分辨率圖像中，顏色特征并不明顯，此時(shí)RGB空間方法就失效了，需要對(duì)RGB空間進(jìn)行變化，變成HSV空間再進(jìn)行處理。HSV空間是用色度、飽和度和明度三個(gè)值來(lái)描述一幅圖像的顏色信息。這種基于HSV空間特征的陰影方法基于一個(gè)假設(shè):陰影區(qū)域內(nèi)的明度值會(huì)明顯低于非陰影區(qū)域內(nèi)的明度值

7、，但是陰影區(qū)域內(nèi)外色度值幾乎不變?；贖SV空間的陰影檢測(cè) HSV空間是指由色度(hue H )、飽和度(saturation S)和明度(value V )三個(gè)值來(lái)表示的顏色空間。HST顏色空間實(shí)際上是對(duì)RGB空間描述的顏色進(jìn)行變換，把顏色描述在圓柱坐標(biāo)系內(nèi)。圓柱的中心軸取值為自底部的黑色到頂部的白色，在它們的中間是灰色。繞這個(gè)軸的角度對(duì)應(yīng)于“色度”，到這個(gè)軸的距離對(duì)應(yīng)于“飽和度”，而沿著這個(gè)軸的高度對(duì)應(yīng)于“明度”。這種對(duì)RGB空間的重新排列，試圖使得這種描述對(duì)亮度信息更加敏感，也顯得更加直觀。基于HSV空間的陰影檢測(cè)方法基于以下假設(shè):2.4.2基于運(yùn)動(dòng)估計(jì)的運(yùn)動(dòng)物體跟蹤 視頻圖像序列是由在

8、時(shí)間上相互間隔為幀周期的一系列圖像構(gòu)成的，交通視頻的幀率一般是25f/s至30f/s，可見(jiàn)幀周期一般為1/25s到1/30s。在攝像機(jī)固定不動(dòng)的場(chǎng)景中，以這樣的幀率采集的相鄰兩幀乃至數(shù)幀圖像之間的變化程度都不會(huì)很大。也就是說(shuō)出現(xiàn)在當(dāng)前幀中的運(yùn)動(dòng)物體很有可能在隨后幾幀中都出現(xiàn)在圖像中相近的位置上，這就給我們進(jìn)行運(yùn)動(dòng)物體運(yùn)動(dòng)估計(jì)創(chuàng)造了條件。 基于運(yùn)動(dòng)估計(jì)的跟蹤方法，通過(guò)采用卡爾曼濾波思想，對(duì)物體在下一幀中出現(xiàn)的位置進(jìn)行預(yù)測(cè)，再通過(guò)計(jì)算下一幀中運(yùn)動(dòng)物體區(qū)域和預(yù)測(cè)區(qū)域的重合情況來(lái)判斷二者是否匹配。其流程圖如圖2.18所示。預(yù)估的運(yùn)動(dòng)物體出現(xiàn)區(qū)域的吻合程度來(lái)判斷這二者是不是同一個(gè)運(yùn)動(dòng)物體，從而完成對(duì)其的跟蹤。 從圖2.18中可以看出，在計(jì)算第N+1幀中運(yùn)動(dòng)物體區(qū)域和預(yù)測(cè)區(qū)域的重合比例之后，如果比例不能滿足閡值要求，我們并不立刻判斷該運(yùn)動(dòng)物體已離開(kāi)檢測(cè)區(qū)域，而是繼續(xù)以物體消失時(shí)的速度繼續(xù)估計(jì)物體在N十2, N+3等接下來(lái)幀中可能出現(xiàn)的位置，若物體再度出現(xiàn)，則仍認(rèn)為匹配，若連續(xù)消失的幀數(shù)大于一定閡值，才認(rèn)為物體A消失。 在運(yùn)動(dòng)估計(jì)的運(yùn)動(dòng)物體跟蹤方法中加入閡值控制，是由于交通視頻實(shí)際應(yīng)用中的