让监控录像变得更！高！清！这是什么神仙算法？

上到大案追踪，小到外卖被盗，无数愤怒而急切的眼睛都依赖这个“事件记录者”——监控录像。可惜这机器除了经常莫名其妙的坏以外，关键的运动镜头总会模模糊糊朦朦胧胧如同“鬼影”一般，在看回放时的粗糙质感令人窒息。今天我们就来介绍由西安理工大学理学院数学系的 杨丹 和戴芳对ViBe算法的改良版——超会对运动目标检测的ViBeImp算法！

0

1

ViBeImp算法的前世今生

运动目标检测已广泛应用于安防、智能交通、军事、医学以及航空航天等领域，是计算机视觉领域的关键技术。常用的运动目标检测方法有光流法、帧差法、背景差分法等。背景差分法中的背景建模部分，ViBe算法不需要假定任何的概率模型，检测精度高，实时性较好，内存占用少。ViBe算法要通过一帧完成背景样本的构建，但当第一帧中含有前景目标的情况下会导致“鬼影”现象。而这种算法的改良，便称作ViBeImp算法。

0

2

论文看点

在ViBelmp算法中是如何减轻“鬼影”现象的？

针对ViBe算法在检测运动目标时，当初始帧有运动目标时易出现“鬼影”现象，提出在初始背景样本模型构建之前，先采用多帧平均法给出初始背景，采用该初始背景构建初始背景样本模型，很大程度上可以消除“鬼影”现象。

这个算法如何提高其对噪声、光照以及动态环境的鲁棒性？

针对ViBe算法在前景提取时，采用全局固定半径阈值易受噪声光线变化影响不能适应动态场景，提出在前景提取过程中，采用背景差分法、帧差法与OTSU算法相结合给出半径阈值的自适应计算方法，就可以有效地提高算法对噪声、光照以及动态环境的鲁棒性。

这个算法的复杂度是多少？

针对ViBe算法在前景判断和背景更新时逐帧逐像素进行计算，计算速率较低，提出采用背景差分法找出运动区域，只对运动区域进行前景判断和模型更新，很大程度上降低了算法的计算复杂度。

0

3

ViBeImp算法的实验分析

为了测试本文改进算法ViBeImp的有效性，分别选取不同的视频场景，包括初始帧有运动目标的视频“Car2”和“AVG-TownCentre”，有光照变化的“viptraffic”视频，有背景和光照变化的“house”和“highway”视频，测试对比ViBe算法、ViBeIniR算法，ViBeDiff2算法和本文改进的ViBeImp算法，检测结果见图1—图5。

图1 “AVG-TownCentre”视频中部分帧的检测结果 

Fig. 1 Moving targets detection results of partial frames in "AVG-TownCentre"

((a)frames of the video;(b)ViBe;(c)ViBeIniR;(d)ViBeDiff2;(e)ViBeImp)

图2 “Car2”视频中部分帧的检测结果

Fig. 2 Moving targets detection results of partial frames in "Car2"

((a)frames of the video;(b)ViBe;(c)ViBeIniR;(d)ViBeDiff2;(e)ViBeImp)

图3 “viptraffic”视频中部分帧的检测结果

Fig. 3 Moving targets detection results of partial frames in "viptraffic"

((a)frames of the video;(b)ViBe;(c)ViBeIniR;(d)ViBeDiff2;(e)ViBeImp)

图4 “highway”视频中部分帧的检测结果

Fig. 4 Moving targets detection results of partial frames in "highway"

((a)frames of the video;(b)ViBe;(c)ViBeIniR;(d)ViBeDiff2;(e)ViBeImp)

图5 “house”视频中部分帧的检测结果

Fig. 5 Moving targets detection results of partial frames in "house"

((a)frames of the video;(b)ViBe;(c)ViBeIniR;(d)ViBeDiff2;(e)ViBeImp)

从对比图中可知，ViBeImp算法对环境变化有较好的鲁棒性，检测的目标比较完整，检测结果较为准确。真的耶！再也不用担心“重重鬼影”了！！！

在本篇文章中，通过了大量的实验对比分析来体现ViBeImp算法的特征，其中包括：

“

改进初始化背景结果对比

自适应半径阈值的有效性分析

计算复杂性分析

ViBeImp算法的适用性

”

想看到完整实验过程？点击这里吧

0

4

结论

本文针对ViBe算法在检测运动目标时，当初始帧有运动目标时易出现“鬼影”现象，ViBe算法在前景提取时，采用全局固定半径阈值易受噪声光线变化影响不能适应动态场景，以及ViBe算法计算复杂度可提升的问题，提出了改进的ViBe算法，即ViBeImp算法。在初始背景样本模型构建之前，先采用多帧平均法给出初始背景，采用该初始背景构建初始背景样本模型，在前景提取过程中，采用背景差分法、帧差法与OTSU算法相结合给出半径阈值的自适应计算方法，并采用背景差分法找出运动区域，只对运动区域进行前景判断和模型更新，很大程度上降低了算法的计算复杂度。实验结果表明，与ViBe算法和其他改进算法ViBeIniR算法和ViBeDiff2算法，以及运动目标检测算法中的Surendra算法和高斯混合模型相比，本文提出的ViBeImp算法对光线，噪声和背景动态变化有较好的鲁棒性，检测结果更完整，且实时性较好，具有很好的适用性。

引用格式

Yang D, Dai F . Improved ViBe algorithm for detection of moving objects[J]. Journal of Image and Graphics, 2018, 23(12): 1813-1828. [杨丹, 戴芳. 运动目标检测的ViBe算法改进[J]. 中国图象图形学报, 2018, 23(12): 1813-1828.][DOI: 10.11834/jig.180304]

作者简介

杨丹

西安理工大学硕士研究生，主要研究方向为运动目标检测和多目标跟踪。E-mail: danyang1346@163.com

戴芳

通信作者，教授，硕士生导师，主要研究方向为图像处理。E-mail: daifang@xaut.edu.cn

前沿丨观点丨资讯丨独家

长按识别二维码关注

http://www.cjig.cn

中国图象图形学报官网

论文投稿