庾鵬，王旭，仝天樂，王秀超

　　（貴州大學(xué) 計算機科學(xué)與技術(shù)學(xué)院，貴州 貴陽 550000）

　　摘要：提出了一種基于GrabCut算法和四幀差分法相結(jié)合的運動目標(biāo)檢測和提取算法。首先，利用四幀差分法對視頻中連續(xù)的四幀圖像進行二次差分；然后，對差分后的圖像分別做水平投影和垂直投影，計算運動目標(biāo)區(qū)域；最后，使用GrabCut算法分割目標(biāo)區(qū)域得到完整的運動目標(biāo)。實驗結(jié)果證明，該方法既能精確和完整地檢測出運動目標(biāo)，又能有效地去除空洞、拉伸等現(xiàn)象。

　　關(guān)鍵詞：四幀差分；GrabCut分割；目標(biāo)檢測

0引言

　　目前隨著科技的不斷發(fā)展，智能化視頻監(jiān)控在各個領(lǐng)域得到了廣泛的應(yīng)用，例如智能交通監(jiān)控、安全防范系統(tǒng)、值崗檢測系統(tǒng)等。無論應(yīng)用在何種領(lǐng)域，對視頻中移動物體的研究和分析才有價值，目標(biāo)的完整提取是各種后期處理和應(yīng)用的基礎(chǔ)，所以對移動目標(biāo)的檢測與完整提取也就成為了視頻處理研究中的一個熱門問題。近些年來很多學(xué)者已經(jīng)對這方面問題進行了研究，也提出了很多移動目標(biāo)檢測與提取的方法，主要有光流分析法［1］、幀間差分法和背景差分法［2］3種。

　　背景差分法是將視頻圖像與背景圖像做差分，取差分值較大的區(qū)域為移動目標(biāo)，然而難以得到合適的背景圖像，而且易受外界干擾。幀間差分法與背景差分法類似，幀間差分法是對視頻中連續(xù)幀做差分，具有計算效率高、實時性好等特點，但是容易出現(xiàn)重疊、空洞、拉伸等問題。光流分析法檢測效果比前兩種好，但是計算復(fù)雜，不能達到實時性。3種方法都很難取得完整的目標(biāo)，GrabCut［3］算法綜合了圖像的紋理信息和邊界信息對圖像進行分割，只需要少量的交互操作就可以達到高精度的分割。根據(jù)上述問題，結(jié)合幀間差分法和GrabCut算法的各自優(yōu)點，提出了以四幀差分法計算和框定運動目標(biāo)區(qū)域，GrabCut算法在框定區(qū)域內(nèi)精確分割目標(biāo)的方法。

1基于GrabCut算法和四幀差分法的運動目標(biāo)檢測與提取

　　1.1預(yù)處理

　　在使用本文提出的算法前，對每一幀圖像進行預(yù)處理十分必要，它可以提高算法在實際應(yīng)用中的效率。圖像平滑可以有效減少圖像中的噪聲，改善圖像的質(zhì)量，有利于對目標(biāo)的提取［4］。直方圖均衡化是圖像空域增強的一種經(jīng)典方法，可以改善圖像灰度分布，增強圖像的整體對比度，方法簡單、高效［5］。本文實驗使用的預(yù)處理是高斯濾波和直方圖均衡。

　　1.2四幀差分法快速檢測目標(biāo)區(qū)域

　　（1)四幀差分

　　提取視頻圖像中連續(xù)的四幀，經(jīng)過預(yù)處理后為f1(x,y)、f2(x,y)、f3(x,y)、f4(x,y)，計算f1(x,y)與f3(x,y)以及f2(x,y)與f4(x,y)的差值圖像，差分結(jié)果為g1(x,y)與g2(x,y)，計算方法如式（1）、（2）所示。g1(x,y)與g2(x,y)中已經(jīng)包含運動目標(biāo)的信息，對其進行“與”運算［6］，得到結(jié)果為H(x,y)。H(x,y)定義如式（3）。

　　g1(x,y)=|f3(x,y)－f1(x,y)|（1）

　　g2(x,y)=|f4(x,y)－f2(x,y)|（2）

　　H(x,y)=|g1(x,y)g2(x,y)|（3）

　?。?)運動目標(biāo)域框定

　　在經(jīng)過兩次差分處理之后，靜止的背景基本被去除，但由于外界環(huán)境變化復(fù)雜，光線不斷變化，使得沒有移動的物體在水平投影和垂直投影并不為0，因此要使用一個閾值T,分割去除因為光線變化而造成靜止物體移動假象的部分。

　　首先對H(x,y)水平投影得到Hx(x,y)，如式（5），然后使用閾值Tm（式（6））對Hx(x,y)閾值分割，數(shù)值大于Tm的保持不變，小于Tm的為0，根據(jù)閾值分割后的圖像可以得到運動物體水平方向的范圍（x1，x2）。在垂直方向沒有必要全部投影，只需要對水平檢測范圍（x1，x2）之間進行垂直投影，得到Hy(x,y)，如式（4），同樣進行閾值分割但閾值為Tn（式（7）），根據(jù)閾值分割后的圖像可以得到運動物體垂直方向的范圍（y1，y2）。從而得到運動物體的區(qū)域（x1，x2，y1，y2）。

　　Hy(x,y)=∑x2x=x1H(x,y)（m為圖像總列數(shù)，n為圖像總行數(shù)。y=1,2,3，...，n）（4）

　　Hx(x,y)=∑ny=1H(x,y)（n為圖像總行數(shù)，m為圖像總列數(shù)。x=1,2,3，...，m）（5）

　　Tm=∑mx=1Hx(x,y)/m（6）

　　Tn=∑ny=1Hy(x,y)/n（7）

　　1.3GrabCut圖像分割法

　　近年來許多學(xué)者提出基于圖論的圖像分割，GrabCut［7］算法就是基于圖論的一種優(yōu)秀分割方法。GrabCut算法利用圖像中紋理（顏色）信息和邊界（反差）信息，只需要少量的用戶交互操作，就可以有效地從復(fù)雜的背景中分割出前景目標(biāo)圖像。該算法用戶只需要提供背景區(qū)域的像素及框選目標(biāo)，方框外的像素全部為背景，即可對GMM進行建模和完成良好的分割。通過使用四幀差分法快速框定目標(biāo)區(qū)域，然后使用GrabCut算法分割，快速取得完整的運動目標(biāo)。

　　從整個圖像的Gibbs能量可以得到［3］：E(α,k,θ,z)=U(α,k,θ,z)+V(α,z)，第一項為數(shù)據(jù)項（t-link的權(quán)值），第二項為平滑項（nlink的權(quán)值），最終目標(biāo)經(jīng)過不斷地迭代計算出最小的能量函數(shù)?？偣灿袃蓚€高斯混合模型（背景和前景），每個高斯混合模型有K個分量，每個分量包含3個參數(shù)要估計，即權(quán)重π、均值u、協(xié)方差Σ。

　　計算數(shù)據(jù)項：U(α,k,θ,z)=∑nD(αn,kn,θ,zn)，參數(shù)α={α1....αn}，αn=0或1。若αn為0，像素點為背景；若αn為1，則像素點為前景。參數(shù)K是一個向量，K={k1,k2....kn}，每個kn屬于集合{1,2,....k}，對應(yīng)著k個高斯分量［8］。參數(shù)θ為圖像的背景與前景的灰度直方圖。參數(shù)z為圖像的灰度數(shù)組，z={z1....zn}，zn是第n個像素的灰度值。

　　GrabCut算法流程描述［9］：（1）、（2）為初始化步驟，（3）~（6）為迭代最小化步驟。

　?。?）用戶框定目標(biāo)區(qū)域，方框外的全部像素為背景像素TB，方框內(nèi)的全部像素作為“可能目標(biāo)”TU。對TB內(nèi)的每一個像素初始化標(biāo)簽αn=0，對TU內(nèi)的每一個像素初始化標(biāo)簽αn=1。

　?。?）通過kmeas算法初始化背景和前景中每一個像素高斯混合模型分量。

　?。?）對每一個像素分配GMM中的高斯分量：kn=argminknDn(αn,kn,θ,zn)。

　?。?）對于圖像數(shù)據(jù)Z,學(xué)習(xí)優(yōu)化GMM參數(shù)：θ=argminθU(α,k,θ,z)。

　?。?）分析Gibbs能量項，建立一個圖，通過最大流最小切割定理算法進行分割。

　　min{αn:n∈TU}minkE(α,k,θ,z)

　?。?）重復(fù)步驟（3）~步驟（5），直到收斂［10］。

2實驗結(jié)果

　　圖1經(jīng)過灰度化之后的圖像本實驗硬件運行環(huán)境為：Intel(R) Core(TM)2 Quad 2.33 GHz CUP和4.00 GB內(nèi)存，軟件運行環(huán)境為：Windows 7、Microsoft Visual Studio 2005、opencv1.0。視頻中每一幀大小為576×704，每秒處理20幀，基本可以滿足視頻監(jiān)控中的實時性。圖1為視頻中取出的第100幀、101幀、102幀、103幀經(jīng)過灰度化之后的圖像。

　　圖2為使用四幀差分法得到的實驗結(jié)果。

　　圖3中圖（a)對實驗結(jié)果進行垂直投影，計算出圖像像素平均值為Tn=8.720 2，圖（b）為經(jīng)過閾值Tn過濾后的結(jié)果，通過計算其中一個運動物體區(qū)域的橫坐標(biāo)是（335,420），圖（c）為截取原圖中橫坐標(biāo)在（335,420）之間的實驗結(jié)果，圖（d)為（c)做水平投影，計算出像素平均圖2實驗結(jié)果值為Tm=11.658 0。圖（e）為經(jīng)過閾值Tm過濾后的結(jié)果，并且計算出運動物體區(qū)域的縱坐標(biāo)為（330,420），圖（f)為最終切割結(jié)果。

　　圖4（a）中的方框為經(jīng)過投影之后計算出的運動物體的區(qū)域，（b）是通過GrabCut算法切割以后提取到的完整運動目標(biāo)，實驗發(fā)現(xiàn)雖然目標(biāo)有一部分區(qū)域與背景相似， 但GrabCut算法仍能完整地將其分割出來。

3結(jié)論

　　本文融合四幀差分法與GrabCut算法對運動目標(biāo)進行檢查與提取，首先利用高速濾波和直方圖均衡化對每一幀圖像進行預(yù)處理，然后通過四幀差分法和投影法得到運動目標(biāo)區(qū)域，最后通過GrabCut算法分割提取完整目標(biāo)。實驗結(jié)果表明，本文所提出的算法可以快速、精準、完整地檢測出運動目標(biāo)，而且適用性廣泛。

參考文獻

　　［1］ 袁國武,陳志強,龔健,等. 一種結(jié)合光流法與三幀差分法的運動目標(biāo)檢測算法［J］. 小型微型計算機系統(tǒng),2013,34（3）:668671.

　?。?］ 杜晶晶. 智能視頻監(jiān)控中運動目標(biāo)檢測與跟蹤算法研究［D］.成都：西南交通大學(xué),2009.

　?。?］ 周勝安. 一種基于前景物形態(tài)的GrabCut改進算法［J］. 電腦知識與技術(shù),2010,6（33）:95179519.

　?。?］ 袁國武. 智能視頻監(jiān)控中的運動目標(biāo)檢測和跟蹤算法研究［D］.昆明：云南大學(xué),2012.

　?。?］ 彭艷芳. 視頻運動目標(biāo)檢測與跟蹤算法研究［D］.武漢：武漢理工大學(xué),2010.

　　［6］ 張鵬,李思岑,楊燕翔. 融合邊緣檢測的四幀差分運動目標(biāo)檢測［J］. 電子技術(shù)與軟件工程,2014（20）:106107.

　?。?］ 王鈞銘,高立鑫,趙力，等. GrabCut彩色圖像分割算法的研究［J］. 電視技術(shù),2008,32（6）:1517.