运动目标检测是从视频图像序列中提取出感兴趣的运动目标，其算法可分为6大类，分别是光流法^[1]、帧间差分法^[2]、背景差分法^{[3, 4, 5]}、聚类分析法^[6]、图像分割法^[7]和点检测法^{[8, 9]}.由于其他算法对于摄像头位置的变化、光照的变化或背景中存在小幅度震动物体等问题的处理效果不是很理想，而背景差分法在上述问题中表现效果良好，因此被广泛认为是最为有效的方法.背景差分法又分为多帧平均、混合高斯背景建模、像素值聚类及 ViBe(visual background extractor)算法^[5].ViBe算法由于其算法简单、速度快等优点受到广泛重视.但有时会因引入鬼影等问题降低检测精度，针对这一问题本文提出了改进的ViBe算法.

在行人检测中，Dalal等^[10]基于SIFT尺寸不变特性的启发提出梯度直方图(histogram of oriented gradients,HOG)，实现目标特征性状的描述，通过支持向量机(support vector machine，SVM)分类器实现目标检测.HOG描述图像的局部边缘梯度信息，对小量的偏移和光照变化具有很好的鲁棒性.缺点是维度较高，以致其提取速度很慢.

目前随着摄像头技术的快速发展，CCTV摄像头的图像分辨率比以往图像分辨率有了很大提高，所以对提取的图像直接使用HOG会导致系统实时性低下.因此文献[11]先通过运动目标检测技术找出ROI(region of interesting)，再对ROI使用HOG算法进行行人检测.本文的大体思路虽与文献[11]相似，却通过使用改进的ViBe算法及算法适用性技巧，使得检验结果的实时性和准确率明显提高.

1) 背景建模：背景模型中的每一个像素由N个背景样本组成.ViBe算法使用第一帧图像初始化背景模型.在欧几里得颜色空间中图像x位置的像素值为V(x)，V_i表示索引为i的背景样本值^[5].背景模型M定义为

2) 前景检测：前景检测通过当前像素与背景模型中对应的历史像素值进行比较，确定当前像素是背景像素还是前景像素.用S_R(V(x))表示以V(x)为中心，R为半径的圆形区域，#{S_R(V(x))∩{V₁,V₂,…,V_N}}表示M(x)中的点，处于S_R(V(x))区域中的个数，如图 1所示，其中C₁，C₂为二维颜色空间(C₁,C₂)的分量.

图1(Fig. 1)

图1 二维欧式空间中的像素分类 Fig. 1 Pixel classification in 2D Euclidean space

将阈值用#min表示,将#min与#{S_R(V(x))∩{V₁,V₂,…,V_N}} 进行比较,判断当前像素属于前景还是背景.

3) 模型更新：ViBe更新采用随机策略.如果像素P(x)是背景像素，则随机从M(x)中选取一个值用P(x)的像素值V(x)代替；与此同时，为了使像素邻域空间的一致性得以保持，ViBe算法采用同样的方法对邻域NG(x)中像素的背景模型进行更新.

在基于统计分类的行人检测方法中，最具代表性的是文献[10]提出的基于HOG和SVM的行人检测方法.HOG方法可有效地进行行人检测，基于HOG的行人检测算法获取HOG描述子 descriptor的方法主要分为5个步骤：伽马(Gamma)校正；计算像素梯度；统计单元(Cell)内方向梯度信息；归一化块(Block)；生成HOG特征向量.对以上步骤进行基于SVM的分类器训练，可以训练出指定类型的行人SVM分类器，利用该分类器对输入图像进行搜索分类即可实现行人检测.本次实验中使用的SVM分类器是opencv中已经训练好的行人检测分类器.

1) 鬼影消除：鬼影是一组在运动过程中被检测到的连接点，它不对应于任何真实存在的物体.在ViBe算法中，鬼影是由于背景建模过程中将样本中运动目标(即前景)错误地初始化为背景而产生的影像.虽然随着时间推移，鬼影可以通过更新背景模型逐渐消除，但是这一过程相对缓慢.鬼影的存在会降低运动目标检测精度.为实现对鬼影的快速消除，提出下述方法：设t时，对已判定为前景像素的点p进行帧间差分处理，并设置一个计数器TOS(p)，初始化为0，如果该点的像素值V^t(p)与之前帧对应的像素值V^t-1(p)的差分结果在预设阈值T_d之内，则TOS(p)自动加1，否则，TOS(p)清零.该过程可以表示为

2) ViBe自适应参数：通过以往的实验发现^[5]，当颜色扭曲尺度R=20、样本匹配数N_min=2时，在很多情况下都可以获得较好的实验结果.其中，颜色扭曲尺度是用来调整与当前帧中对应点的相似背景模型中样本的变化范围，因此，R越大背景像素点越多.相反，R越小则产生变化很小的点也会被分类为前景像素点.介于该思想，Droogenbroeck等于2012年提出了一种自适应参数方法^[12]，通过计算每个像素点p_i的背景模型的标准差σ_i,动态设置模型参数R，使其在^{[20, 40]}的范围内.但是这种方法的计算量太大，导致检测速度很慢.这种自适应参数方法在实验环境中实际执行速率照原算法降低了约1/4，但其方法中相邻像素点具有相似的时空分布的思想却有着较高的参考价值，基于此本文提出了一种改进自适应参数的方法.

运动目标检测算法的目标是能够在正确分割出前景图像的同时可以剔除与实际运动物体无关的前景像素点.本文考虑了算法的速度和准确度，对原有方法进行了如下改进.

已知处理过的像素的状态会影响正在处理的像素，对于闪烁点也是如此.为了实现这一点，引入新参数作为周围像素点对当前像素点分类的影响因子，影响因子的设置如图 2所示.

图2(Fig. 2)

图2 加权窗口的适配参数 Fig. 2 Weighted window for adapting parameter

设置各个加权窗口的原因：需要保证加权窗口的和约等于1，同时，假设距离处理点越近，则该点的影响力越大.鉴于处理速度，处理过的像素点的影响范围设计为3×3的矩阵.通过实验验证，当各个权值按如图 2所示设定时，其效果最为理想.正在处理的像素为3×3方格中的右下角的像素点.例如：加权窗口与对应的正在处理点的周围处理过的像素点的二进制状态的卷积为1，则R=2；如果卷积的值为0.3，则R=20.R值范围设定为^{[2, 20]}.

动态半径R的自适应系数T的具体计算式为

ViBe对前景图像的提取效果及鲁棒性好，但速度较慢，针对这一特点，提出了对输入图像进行压缩预处理.然后对压缩处理过的图像用改进ViBe进行运动目标检测，再对获取的运动目标进行基于HOG的SVM行人检测.具体流程图如3所示.

图3(Fig. 3)

图3 本文提出的算法过程 Fig. 3 Block diagram of proposed algorithm

具体的算法如下:

步骤1 输入视频序列S={s₁,s₂,…,s_i,…,s_n}；

步骤2 输入当前视频帧s_i并进行压缩；

步骤3 采用改进ViBe算法对当前帧进行运动目标区域提取；

步骤4 闭运算去除噪点，填补区域空白；

步骤5 获取运动目标位置，放大运动目标区域进行连通区域标记；

步骤6 对该区域采集HOG特征，对原图的ROI进行行人检测；

步骤7 重复步骤2~步骤6，直至所有的ROI区域均被找出，终止循环并返回计算结果.

图 4、图 5分别为二值图像的闭运算前后处理对比图和连通域标记法对目标之间独立时分割结果图.

图4(Fig. 4)

图4 二值图像的闭运算前后处理对比图 Fig. 4 Foreground images before and after closing operation (a)—原图； (b)—闭运算前; (c)—闭运算后.

图5(Fig. 5)

图5 当目标之间独立时连通域标记法分割结果图 Fig. 5 Result image processed by component-labeling to independence target segmentation image (a)—压缩图的二值图像； (b)—原图的标记图.

对前景目标的检测是对图像像素二值划分的过程.二值划分结果的正确性用3个指标来评价^[5]，分别是召回率(recall)、精确率(precision)和它们的调和平均值F.3个评价指标的定义为

实验输入一组连续的图像序列.对于不同帧大小的多环境下连续图像进行了前景分割，对比ViBe与改进ViBe的提取效果.对于ViBe算法，利用文献[5]中的参数值，即背景模型的大小N=20，颜色扭曲尺度R=20，样本匹配数N_min=2，二次抽样参数φ=16.

图 6为2个算法分辨率为360×240的连续图像序列时的鬼影消除效果.图 7为3个算法(ViBe、改进ViBe和GMM)适应于连续图像序列时，通过式(5)~式(7))估计的结果.由图 7可知，改进的ViBe在与基础ViBe算法和GMM算法相比，在精确率和F值等评价体系中拥有着较大的优势，特别是综合估计参数F值要明显优于其他方法.

图6(Fig. 6)

图6 ViBe改进前后的鬼影像素数 Fig. 6 Number of ghost pixels before and after improved ViBe

图7(Fig. 7)

图7 运动目标检测结果 Fig. 7 Detection results of moving objects

为了验证所提出算法的实时性，使用了3种方法进行行人检测效果对比.这3种方法分别是使用HOG算法对全图像进行行人检测，采用ViBe和HOG相结合算法对无压缩图像中的行人目标进行检测，以及本文方法.实验平台为CPU Core I5 4570 3.2 GHz，DRAM 4G.实验中利用的行人模板为INRIA Person Database^[10].图 8为在分辨率为768×576的连续图像序列中得到的行人检测结果.

图8(Fig. 8)

图8 行人检测结果 Fig. 8 Detection results of pedestrian (a)—HOG; (b)—HOG+ViBe; (c)—本文方法.

图 9为在分辨率为768×576的连续图像序列中所得到的实时性对比结果.结合图 8可知，本文算法的实时性受到了场景复杂度的制约，在场景中存在的行人运动目标个数与算法速度成反比，但是相较于其他方法本文方法在检测实时性方面存在较为明显的优势.

图9(Fig. 9)

图9 实时性对比 Fig. 9 Comparison of real-time

本文提出了一种基于改进ViBe算法的行人检测方法.该方法采用帧间差分方法找出鬼影像素，ViBe算法的背景模型生成特征更新了背景模型，从而有效地提高了鬼影的消除速度.此外，为了提高前景抽取的准确性并获得良好的算法实时性，采用当前像素和已知像素之间的关系，动态调整了ViBe算法的模型参数.同时，为了保证整体算法的时效性，对ViBe处理得到的压缩图像的运动目标位置进行原图ROI的HOG行人检测.在实验部分，本文算法分别对不同大小的连续图像序列中的运动目标检测准确性和行人检测实时性加以验证.实验结果表明本文所提出的方法能都对视频中的多行人运动目标进行检测，并且具有良好的检测准确性和实时性.