摘 要： 为了能快速提取视频监控中的运动目标，提出将ViBe算法与Canny边缘检测算法相结合快速准确提取运动目标的方法。该方法利用ViBe算法检测运动目标，运用Canny算子提取运动目标边缘轮廓，并将其与通过区域填充得到的精确运动目标相“与”，获取运动目标准确的外边界；通过膨胀、腐蚀、闭运算等数学形态学图像处理，得到运动目标完整检测区域，结合相对应视频序列帧可以提取运动目标。实验表明，该方法可以快速、实时地提取多运动目标。

关键词：运动目标提取；ViBe；Canny边缘检测；区域填充；形态学处理

0 引言

　　从视频监控数据中提取运动目标是视频分析研究的难点和热点问题之一。而运动目标提取的首要任务是运动目标检测，目前常用的目标检测方法有背景减除法[1]、光流法[2]和帧间差分法[3]3种。背景减除法运用最广泛，2009年，BARNICH O等人提出一种新的背景减除算法——ViBe算法。该算法的优点[4]是计算量小、速度快，但由于利用可能含有运动物体的视频帧初始化背景模型，易引入拖影（Ghost）区域[5-6]。本文基于ViBe算法结合Canny算子及形态学图像处理等技术，克服了ViBe算法前景检测中出现鬼影和阴影的不足，可以更实时、快速、准确地提取运动目标。

1 ViBe算法

　　1.1 ViBe算法简介

　　ViBe算法属于像素域背景建模的前景检测算法，但该算法与其他传统背景建模前景检测算法不同，主要区别在于背景模型的建立和背景更新策略[7]。

　1.2 背景模型的建立

　　ViBe算法的背景模型建立工作是在第1帧完成的。首先，设视频图像中任一像素点A坐标为（x，y），在其邻域内随机选取N个像素点组成一个样本集合B={v1，v2，…，vn}，构建背景模型，待测的像素点通过与模型中像素样本值的比较来判断是否属于背景像素点。其实质就是分类的问题，ViBe算法中采用了二维空间中的欧式距离来解决像素点的分类，具体方法是在以待测像素点为圆心，建立一个以R为半径的圆。如图1所示，背景模型中落在圆内的像素点个数大于设定的阈值时，就将该像素点分类为背景像素。

　　1.3 模型的更新策略

　　ViBe算法的更新策略采用保守更新策略结合前景点计数的方法，得到的更新策略为：若某点像素属于前景，则该点永远都不会被更新为背景模型；再结合前景点计数方法，统计像素点，若某个像素点被持续N次检测为前景，则该像素点被更新为背景。

2 Canny算子简介

　　1986年，CANNY J在传统的一阶微分算子Poberts算子、Sobel算子、Prewitt算子及二阶微分算子Laplace、LOG等算子的基础上，对边缘检测的方法进行完善，提出了Canny边缘检测法[8]。Canny算法具有对噪声的抗干扰性强，边缘检测较精细等优点。满足边缘检测的三个最优准则是：（1）好的检测；（2）好的定位；（3）低的错误检测率。使用Canny边缘检测算法检测图像边缘能有效地抑制噪声同时又能较精确地确定边缘的位置。其步骤如图2所示。

3 ViBe算法与Canny算子结合提取运动目标

　　3.1 ViBe算法运动目标检测效果及不足

　　ViBe算法对视频序列帧处理得到运动目标检测的效果图如图3所示。

　　图3是对视频第1帧进行初始化建模后的处理结果图，由于本文视频数据第1帧中已经有运动目标出现，因此ViBe算法检测到的结果出现了鬼影（图中灰色标记的部分）。

　3.2 Canny算子边缘检测效果

　　采用Canny算子提取运动目标边缘轮廓如图4所示。此算法得到精确的运动目标边缘，也包含背景边缘。而ViBe算法背景检测准确，检测前景中不存在背景像素，故相与得到运动目标边界是准确的。

　3.3 算法流程

　　针对ViBe算法进行运动前景检测和提取的不足，改正ViBe算法进行运动目标提取的缺点，提出将其结合Canny算子的方法，将两者相与，得到精确运动前景边界，消除了鬼影，也避免了拖影带来的干扰，能够比较精确地提取运动目标。图5所示为两种算法结合的程序流程图。

　　该程序具体步骤如下：

　　（1）对视频系列帧进行灰度处理，把彩色图像转换为灰度图；

　　（2）利用ViBe算法进行运动目标检测，从第2帧开始像素分类，检测前景得到的运动目标检测二值图（程序中用矩阵表示）；

　　（3）对步骤（2）得到的二值图进行后区域填充，消除空洞，使得运动目标检测较完整；

　　（4）平滑去噪当前帧后进行边缘检测，得到运动目标的边缘二值图；

　　（5）将上一步得到的运动目标边缘和步骤（3）得到的运动目标检测进行相与，得到运动目标的边界；

　　（6）对步骤（5）得到的运动目标边界进行膨胀处理及形态学处理后得到边界连通的图像，从而实现了运动目标提取。

4 实验结果

　　实验在电脑配置环境为Opencv2.4.8的VS2010下实现本文方法，视频序列来自HighwayII.avi的一段高速路上监控视频，帧率为30帧/s，分辨率为320×240。为了证明本文算法的有效性，将其程序运行效果图与原有ViBe算法检测到的运动目标效果图、Canny边缘检测效果图进行对照，如图6所示。

　　图6的上下两组图中，上一组图从左到右依次为视频序列第256帧图像的原始视频帧图像、ViBe算法检测运动目标效果图、Canny边缘检测效果图、两种算法结合相“与”运动边界图，以及运动边界图运用膨胀、区域填充等形态学图像处理得到完整的目标提取区域图。下一组图是第382帧视频序列图的实验结果，其所对应的目标检测图效果较第256帧要准确，但由这两组最后提取区域图可见，不管运动目标检测中是否存在阴影和鬼影，最终本文的方法都能准确地提取运动目标。

5 结论

　　本文采用结合ViBe算法和Canny边缘检测算法提取运动目标的方法，利用当前帧的Canny算子与ViBe算法检测出来的运动目标二值图进行相“与”运算，得到比较准确的运动目标边界，再通过膨胀等形态学图像处理技术[9]得到连通的运动目标，从而顺利实现了运动目标的提取。实验证明，本文所用方法避免了ViBe算法运动目标检测过程中遇到的鬼影和阴影等问题。由于ViBe前景检测算法是一种快速运动目标检测算法，使得该方法具有快速、实用和准确等优点，实现了对监控视频中所有运动目标实时、快速的提取。

参考文献

　　[1] GUPT S， MASOUND O， MARTIN R F K， et al. Detection and classification of vehicles[J]. IEEE Transactions on Intelliget Transportation Systems， 2002，3（1）：37-47.

　　[2] Tao Jianguo， Yu Changhong. Real-time detection and tracking of moving object[C]. Second International Symposium on Intellignet Information Technology Application， IITA′08， 2008（2）：860-863.

　　[3] TSAI D M， LAI S C. Independent component analysis-based background subtraction for indoor surveillance[J]. IEEE Transactions on Image Processing， 2009，18（1）：158-160.

　　[4] BARNICH O， DROOGENBROECK M V. ViBe： a universal background subtraction algorithm for video sequences[J]. IEEE Transactions on Image Processing， 2011，20（6）：1709-1724.

　　[5] 陈亮，陈晓竹，范振涛.基于Vibe的鬼影抑制算法[J].中国计量学院学报，2013，24（4）：425-429.

　　[6] 余烨，曹明伟，岳峰.EVibe：一种改进的ViBe运动目标检测算法[J].仪器仪表学报，2014，35（4）：924-931.

　　[7] 郑义洪，董超俊.基于ViBe和边缘检测结合的运动目标检测[J].数字化用户，2014（2）：98-100.

　　[8] BRADSKI G， KAEHLER A.学习OpenCV（中文版）[M].于仕琪，刘瑞祯，译.北京：清华大学出版社，2009.

　　[9] 庞首颜，张元胜.基于三帧差分及Canny算子的运动目标提取[J].重庆工商大学学报，2013，30（5）：57-61.