本發(fā)明涉及計(jì)算機(jī)視覺技術(shù)，尤其是涉及一種靜止攝像機(jī)下的基于ViBe的運(yùn)動目標(biāo)檢測方法。

背景技術(shù)：

作為近年來提出的一種較為流行的運(yùn)動目標(biāo)檢測算法，ViBe算法具有計(jì)算復(fù)雜性低，執(zhí)行效率高的優(yōu)點(diǎn)，可用于靜止攝像機(jī)下做實(shí)時(shí)的運(yùn)動目標(biāo)檢測。但算法也存在著檢測到的目標(biāo)存在較多空洞，容易產(chǎn)生鬼影等問題。

對于空洞消除，傳統(tǒng)的做法是使用膨脹技術(shù)，該技術(shù)可以較好地消除較小的空洞，但是對于較大的空洞無法有效處理，而且無法較保留目標(biāo)的完整輪廓。在ViBe的改進(jìn)算法ViBe+算法(M.V.Droogenbroeck and O.Paquot,”Background subtraction:Experiments and improvements for vibe”,Computer Vision and Pattern Recognition Workshops(CVPRW),2012 IEEE Computer Society Conference on,pages 32–37,2012.)中設(shè)置空洞大小的閾值的方法來填充空洞。但是通常目標(biāo)檢測無法確定目標(biāo)的大小，不同運(yùn)動目標(biāo)產(chǎn)生的空洞大小不一致，閾值難以有效確定。

對于鬼影檢測(ghost detection)的方法一般主要應(yīng)用于基于背景建模的各類運(yùn)動目標(biāo)檢測算法的后處理階段，主要針對檢測得到的目標(biāo)執(zhí)行進(jìn)一步的分割并剔除其中的鬼影區(qū)域。鬼影的產(chǎn)生主要基于以下的兩種情況，第一種情況是運(yùn)動目標(biāo)由運(yùn)動狀態(tài)變?yōu)殪o止?fàn)顟B(tài)，此時(shí)目標(biāo)由運(yùn)動的前景變?yōu)殪o止的背景，而由于算法未及時(shí)地將目標(biāo)融合進(jìn)背景模型中，從而導(dǎo)致鬼影的產(chǎn)生；第二種情況是靜止的目標(biāo)由靜止?fàn)顟B(tài)變?yōu)檫\(yùn)動狀態(tài)。由于背景模型未能及時(shí)地更新，被目標(biāo)在靜止?fàn)顟B(tài)時(shí)遮擋的背景此時(shí)被檢測為前景，從而在目標(biāo)原來停留的區(qū)域產(chǎn)生鬼影。由于鬼影容易造成對目標(biāo)區(qū)域的誤判，同時(shí)也將極大地降低對目標(biāo)定位的精度，因此及時(shí)地檢測這些鬼影區(qū)域并更新背景模型對基于背景建模的運(yùn)動目標(biāo)檢測算法來說具有十分重要的意義。

當(dāng)前的一些鬼影檢測方法主要圍繞著如何對檢測得到前景區(qū)塊進(jìn)行真實(shí)前景區(qū)域和鬼影區(qū)域的判定，主要有以下的一些方法。

最簡單的鬼影檢測方法即基于像素級的前景統(tǒng)計(jì)，即對視頻幀的每一個(gè)像素統(tǒng)計(jì)其被持續(xù)檢測為前景的幀數(shù)，記作N，如果N大于某個(gè)人為設(shè)定的經(jīng)驗(yàn)閾值T，那么該像素點(diǎn)被判定為鬼影區(qū)域內(nèi)的像素點(diǎn)。但此方法對于低速，大型的目標(biāo)無法有效工作。這是由于雖然能夠去除鬼影，但真實(shí)的前景像素也將被去除。

Cucchiara等人(R.Cucchiara,M.Piccardi,and A.Prati,"Detecting moving objects,ghosts,and shadows in video streams",IEEE Transactions on Pattern Analysis and Machine Intelligence 25,pp.1337-1342,2003)提出的基于計(jì)算前景像素光流均值的鬼影檢測方法。該方法認(rèn)為運(yùn)動的前景區(qū)塊會產(chǎn)生明顯的光流，而對于鬼影區(qū)域其光流的均值將趨近于零。然而種方法也有其一定的缺點(diǎn)，首先光流計(jì)算的代價(jià)較高，其次光流計(jì)算的結(jié)果有可能會產(chǎn)生一些光流噪聲，這將影響后繼鬼影檢測的效果。Cheung等人(S.C.S.Cheung,C.Kamath,“Robust Background Subtraction with Fore-ground Validation for Urban Traffic Video”,EURASIP Journal on Applied Signal Processing,pp.2330-2340,2005.)提出通過計(jì)算當(dāng)前幀和前一幀的幀差，幀差得到的前景區(qū)域?qū)?yīng)的前景區(qū)塊即為真實(shí)的目標(biāo)前景，其余的前景區(qū)塊即為鬼影區(qū)域。但此方法易受背景擾動的影響，導(dǎo)致算法失效。另外一類即采用直方圖統(tǒng)計(jì)的方法，來度量目標(biāo)區(qū)域和鬼影區(qū)域與該區(qū)域歷史模板的相似度。當(dāng)前幀目標(biāo)區(qū)域的直方圖與該區(qū)域歷史模板的直方圖相似度低，而鬼影區(qū)域的直方圖與該區(qū)域的歷史模板的直方圖相似度較高，進(jìn)而判斷出鬼影區(qū)域。但這同時(shí)存在對背景模板的依賴性，當(dāng)背景存在劇烈的光照變化時(shí)或者背景存在擾動時(shí)，對方法的效果也將產(chǎn)生影響。Desurmont(X.Desurmont,C.Chaudy,A.Bastide,C.Parisot,J.F.Delaigle,B.Macq,“Image analysis architectures and techniques for intelligent systems”,IEE Proceedings on Vision,Image and Signal Processing,Special issue on Intelligent Distributed Surveillance Systems,pp.224-231,2005.)等人提出的計(jì)算每個(gè)前景區(qū)塊的邊緣均方梯度。該方法認(rèn)為鬼影區(qū)域的邊緣均方梯度由于沒有目標(biāo)取值較小，因此如果前景區(qū)塊的邊緣均方梯度小于設(shè)定的閾值，那么該前景區(qū)塊被判定為鬼影。但是如果背景的紋理較為的豐富，將導(dǎo)致鬼影區(qū)域計(jì)算的邊緣均方梯度值特別大，從而影響檢測的效果。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明的目的在于提供高效而實(shí)用，對于提高當(dāng)前一些基于背景建模的運(yùn)動目標(biāo)檢測算法(如：ViBe算法)的檢測效果和精度具有十分重要的意義的一種靜止攝像機(jī)下的基于ViBe的運(yùn)動目標(biāo)檢測方法。

本發(fā)明包括以下步驟：

A.初始化視頻幀每個(gè)像素點(diǎn)前景計(jì)數(shù)和鬼影(ghost)計(jì)數(shù)。

B.對使用ViBe算法檢測得到的二值圖進(jìn)行預(yù)處理。

C.對步驟B中預(yù)處理后的二值圖進(jìn)行前景區(qū)塊劃分操作，并分別使用不同的數(shù)字標(biāo)記屬于同一前景區(qū)塊的像素，同時(shí)去除前景區(qū)塊中像素少的前景區(qū)塊，并修改背景像素點(diǎn)和前景像素點(diǎn)的前景計(jì)數(shù)。

D.每隔p幀對步驟C中得到的前景區(qū)塊像素點(diǎn)的前景計(jì)數(shù)進(jìn)行去噪處理，并根據(jù)前景區(qū)塊中所有像素點(diǎn)的前景計(jì)數(shù)值來進(jìn)行鬼影檢測。

E.對經(jīng)過步驟C或者步驟D處理后得到的二值圖中的前景區(qū)塊進(jìn)行內(nèi)部空洞消除，并使用區(qū)塊標(biāo)記數(shù)字對所消除的內(nèi)部空洞像素進(jìn)行標(biāo)記。

F.每隔q幀對當(dāng)前視頻幀和經(jīng)過步驟E處理后得到的二值圖進(jìn)行邊緣檢測，生成兩張邊緣二值圖；然后對這兩張邊緣二值圖執(zhí)行邏輯與操作，并對邏輯與操作后得到的結(jié)果根據(jù)邊緣像素的鄰域連通性進(jìn)行邊緣劃分，對于劃分后得到的邊緣分別使用數(shù)字進(jìn)行標(biāo)記；最后統(tǒng)計(jì)每個(gè)前景區(qū)塊中的每條邊緣被所包括的前景像素個(gè)數(shù)和其對應(yīng)的邊緣像素個(gè)數(shù)，進(jìn)而來判斷邊緣的有效性。

G.根據(jù)步驟F中得到的有效邊緣，統(tǒng)計(jì)每個(gè)前景區(qū)塊中的有效邊緣，并根據(jù)有效邊緣劃分出前景區(qū)塊中的有效區(qū)域，修改有效區(qū)域內(nèi)和區(qū)域外的前景像素的鬼影計(jì)數(shù)，最后根據(jù)鬼影計(jì)數(shù)進(jìn)行鬼影檢測。

在步驟A中，所述初始化視頻幀每個(gè)像素點(diǎn)前景計(jì)數(shù)和鬼影(ghost)計(jì)數(shù)的具體步驟可為：

A1.第一幀初始化視頻幀的每個(gè)像素的前景計(jì)數(shù)值為0。

A2.第一幀初始化視頻幀的每個(gè)像素的鬼影計(jì)數(shù)值為0。

在步驟B中，所述對使用ViBe算法檢測得到的二值圖進(jìn)行預(yù)處理的具體步驟可為：

B1.使用ViBe算法進(jìn)行初始的運(yùn)動目標(biāo)檢測，對于檢測得到的二值圖，其中像素值為255即為前景像素，像素值為0即為背景像素。

B2.對步驟B1檢測得到的二值圖進(jìn)行中值濾波處理去除前景噪聲。

在步驟C中，所述對步驟B中預(yù)處理后的二值圖進(jìn)行前景區(qū)塊劃分操作，并分別使用不同的數(shù)字標(biāo)記屬于同一前景區(qū)塊的像素，同時(shí)去除前景區(qū)塊中像素少的前景區(qū)塊，并修改背景像素點(diǎn)和前景像素點(diǎn)的前景計(jì)數(shù)的具體步驟可為：

C1.對經(jīng)過B步驟預(yù)處理后的二值圖中的所有前景像素進(jìn)行8個(gè)方向鄰域統(tǒng)計(jì)，因?yàn)猷徲騼?nèi)的所有前景像素與中心點(diǎn)前景像素相連通的，所以對于鄰域相連通前景像素將劃分為屬于同一前景區(qū)塊，并對每個(gè)劃分好的前景區(qū)塊按照順序使用不同的數(shù)字依次進(jìn)行標(biāo)記，所述標(biāo)記的是前景區(qū)塊中的每個(gè)前景像素，用于區(qū)分每個(gè)前景區(qū)塊各自所包含的前景像素。

C2.去除前景區(qū)塊中前景像素個(gè)數(shù)小于10的前景區(qū)塊，即將前景區(qū)塊中的前景像素置為背景像素。

C3.對經(jīng)過步驟C2處理后得到的二值圖中的背景像素，即像素值為0的像素將其前景計(jì)數(shù)置為0。

C4.對經(jīng)過步驟C2處理后得到的二值圖中的前景像素，即像素值為255的像素，將其前景計(jì)數(shù)執(zhí)行加1操作。

在步驟D中，所述每隔p幀對步驟C中得到的前景區(qū)塊像素點(diǎn)的前景計(jì)數(shù)進(jìn)行去噪處理，并根據(jù)前景區(qū)塊中所有像素點(diǎn)的前景計(jì)數(shù)值來進(jìn)行鬼影檢測的具體步驟可為：

D1.每隔P幀對經(jīng)過步驟C劃分得到所有前景區(qū)塊中的每個(gè)像素的前景計(jì)數(shù)進(jìn)行遍歷，對于前景計(jì)數(shù)值小于前景計(jì)數(shù)閾值U的像素進(jìn)行噪聲判斷。

D2.對于稀疏分布的前景計(jì)數(shù)值小于前景計(jì)數(shù)閾值U的像素將判定為噪聲，此時(shí)該像素的前景計(jì)數(shù)更新為其八個(gè)鄰域像素中前景計(jì)數(shù)值最大那個(gè)像素的前景計(jì)數(shù)或者是更新為前景計(jì)數(shù)閾值U+1，這里將根據(jù)具體的條件來選取像素前景計(jì)數(shù)的更新策略。

D3.對于連通分布的前景計(jì)數(shù)值小于前景計(jì)數(shù)閾值U的像素將不判定為噪聲，此時(shí)像素的前景計(jì)數(shù)不變。

D4.統(tǒng)計(jì)經(jīng)過去噪處理后的前景區(qū)塊中所有的前景像素的前景計(jì)數(shù)，如果前景區(qū)塊中所有像素的前景計(jì)數(shù)都超過了前景計(jì)數(shù)閾值U，那么判斷該前景區(qū)塊為鬼影區(qū)域，同時(shí)將該前景區(qū)塊中的前景像素全部置為背景像素，從而消除鬼影并剔除該前景區(qū)塊，并更新該前景區(qū)塊中所有前景像素的背景模型。

在步驟E中，所述對經(jīng)過步驟C或者步驟D處理后得到的二值圖中的前景區(qū)塊進(jìn)行內(nèi)部空洞消除，并使用區(qū)塊標(biāo)記數(shù)字對所消除的內(nèi)部空洞像素進(jìn)行標(biāo)記的具體步驟可為：

E1.由于步驟D是間隔p幀對步驟C處理的結(jié)果進(jìn)行鬼影檢測，因此如果當(dāng)前幀數(shù)是p的倍數(shù)，那么執(zhí)行步驟D并得到處理后的二值圖，否則步驟D不執(zhí)行并直接使用步驟C處理后得到的二值圖。

E2.根據(jù)步驟E1得到的二值圖中每個(gè)前景區(qū)塊，計(jì)算出包含每個(gè)前景區(qū)塊的最小矩形框。

E3.對每個(gè)前景區(qū)塊分別進(jìn)行雙邊空洞像素檢測，即從矩形框的上下邊出發(fā)，尋找每一列中的空洞像素，即每一列中上下第一個(gè)出現(xiàn)的前景像素之間的背景像素；從矩形框的左右邊出發(fā)，尋找每一行中的空洞像素，即每一行中左右第一個(gè)出現(xiàn)的前景像素之間的背景像素；每一行的和每一列空洞像素的交集即為前景區(qū)塊的空洞像素。

E4.將根據(jù)步驟E3檢測得到的每個(gè)前景區(qū)塊中的空洞像素置為前景像素來消除空洞，并使用每個(gè)前景區(qū)塊各自所對應(yīng)的標(biāo)記數(shù)字，來標(biāo)記它們各自所檢測得到的空洞像素。

在步驟F中，所述每隔q幀對當(dāng)前視頻幀和經(jīng)過步驟E處理后得到的二值圖進(jìn)行邊緣檢測的具體步驟可為：

F1.每隔q幀進(jìn)行當(dāng)前幀和經(jīng)過步驟E處理后的二值圖進(jìn)行Sobel邊緣檢測，生成兩張邊緣二值圖，即根據(jù)梯度閾值H₁和H₂來分別對當(dāng)前幀和二值圖根據(jù)Sobel算子計(jì)算得到每個(gè)像素的梯度值進(jìn)行判定。當(dāng)像素梯度值大于梯度閾值時(shí)，像素判定為邊緣像素，即像素值為255，否則判定為背景像素，像素值為0，進(jìn)而得到兩張邊緣二值圖。

F2.將步驟F1計(jì)算得到的兩張邊緣二值圖執(zhí)行邏輯與操作，并將與操作得到的邊緣二值圖執(zhí)行邊緣劃分，即對于每個(gè)邊緣像素進(jìn)行八個(gè)方向的鄰域統(tǒng)計(jì)，對于鄰域內(nèi)的所有邊緣像素這里判定它們是與中心點(diǎn)邊緣像素相連通的，所以對于相連通的邊緣像素將被劃分為屬于同一邊緣；最后對劃分得到的所有邊緣分別使用數(shù)字進(jìn)行標(biāo)記，即標(biāo)記每條邊緣中的邊緣像素，用于區(qū)分每條邊緣各自所包含的邊緣像素。

F3.然后計(jì)算每個(gè)前景區(qū)塊中每條邊緣所包括的前景像素的個(gè)數(shù)M和其對應(yīng)的邊緣像素的個(gè)數(shù)N，接著計(jì)算M和M+N的比值。

F4.將步驟F3計(jì)算得到的每個(gè)邊緣的比值和閾值S進(jìn)行比較，大于該閾值的邊緣判斷為有效邊緣，否則為無效邊緣。

在步驟G中，所述根據(jù)步驟F中得到的有效邊緣，統(tǒng)計(jì)每個(gè)前景區(qū)塊中的有效邊緣，并根據(jù)有效邊緣劃分出前景區(qū)塊中的有效區(qū)域，修改有效區(qū)域內(nèi)和區(qū)域外的前景像素的鬼影計(jì)數(shù)，最后根據(jù)鬼影計(jì)數(shù)進(jìn)行鬼影檢測的具體步驟可為：

G1.根據(jù)步驟F得到的有效邊緣可以得到隸屬于每個(gè)前景區(qū)塊中的有效邊緣，然后根據(jù)有效邊緣分布在前景區(qū)塊中的空間位置可以劃分出前景區(qū)塊中的有效區(qū)域。

G2.對于二值圖中的背景像素，將其鬼影計(jì)數(shù)置為0。然后根據(jù)步驟G1得到的每個(gè)前景區(qū)塊中的有效區(qū)域，將有效區(qū)域內(nèi)的前景像素點(diǎn)的鬼影計(jì)數(shù)做減二操作，由于鬼影計(jì)數(shù)始終是大于等于0的，所以當(dāng)鬼影計(jì)數(shù)由于減二操作小于0時(shí)，將其重新置為0，對有效區(qū)域外的前景像素的鬼影計(jì)數(shù)做加一操作。為盡可能降低由于邊緣顯著性降低帶來的將前景目標(biāo)的誤判為鬼影的情況，所以這里設(shè)定一旦前景像素判定為位于有效區(qū)域內(nèi)，立即對鬼影計(jì)數(shù)做減二操作。

G3.然后統(tǒng)計(jì)每個(gè)前景區(qū)塊的中前景像素的鬼影計(jì)數(shù)值，超過鬼影計(jì)數(shù)閾值V的像素將判定為鬼影區(qū)域像素，并將其置為背景像素，用于消除鬼影區(qū)域，更新其鬼影計(jì)數(shù)值為0，同時(shí)更新該像素的背景模型。

本發(fā)明基于ViBe運(yùn)動目標(biāo)檢測算法，提出了新型的空洞消除和鬼影檢測方法。首先使用ViBe算法進(jìn)行初始的運(yùn)動目標(biāo)檢測，并對檢測得到的二值圖劃分為互不連通的多個(gè)前景區(qū)塊；然后通過統(tǒng)計(jì)每個(gè)前景區(qū)塊中所有前景像素點(diǎn)的前景計(jì)數(shù)值，同時(shí)根據(jù)小于前景計(jì)數(shù)閾值的前景像素的前景計(jì)數(shù)值的鄰域相關(guān)性來剔除奇異的前景像素點(diǎn)。當(dāng)某個(gè)前景區(qū)塊中的所有像素點(diǎn)的前景計(jì)數(shù)超過設(shè)定的前景計(jì)數(shù)閾值時(shí)，該前景區(qū)塊將被檢測為鬼影，同時(shí)更新該前景區(qū)塊中像素的背景模型；其次分別對當(dāng)前幀和二值圖執(zhí)行Sobel邊緣檢測，并對得到的兩張邊緣二值圖執(zhí)行邏輯與操作。對于鬼影區(qū)域，由于不存在目標(biāo)，邏輯與操作后將得不到有效的邊緣，而對于運(yùn)動目標(biāo)區(qū)域，將得到目標(biāo)的有效邊緣，因此根據(jù)位于同一前景區(qū)塊內(nèi)的有效邊緣的空間分布，計(jì)算有效邊緣所包圍的區(qū)域，那么此區(qū)域?qū)⒈徽J(rèn)定為前景區(qū)塊中的有效區(qū)域，否則視為無效區(qū)域。最后通過對前景區(qū)塊中的有效區(qū)域和無效區(qū)域的前景像素進(jìn)行鬼影計(jì)數(shù)，根據(jù)計(jì)數(shù)值來檢測鬼影區(qū)域的像素點(diǎn)，進(jìn)而消除鬼影區(qū)域。另外，本發(fā)明還通過雙邊空洞像素檢測來消除前景區(qū)域空洞的影響，進(jìn)而使得檢測得到的目標(biāo)更加的完整，達(dá)到去除空洞的目的。

本發(fā)明首先對使用ViBe算法檢測得到的前景區(qū)塊的像素進(jìn)行前景計(jì)數(shù)，同時(shí)根據(jù)小于前景計(jì)數(shù)閾值的前景像素的鄰域相關(guān)性來剔除奇異的前景像素點(diǎn)，從而檢測鬼影區(qū)域；其次采用雙邊空洞像素檢測來消除前景區(qū)塊的內(nèi)部空洞；最后結(jié)合目標(biāo)邊緣來檢測前景區(qū)塊中的有效邊緣，從而根據(jù)有效邊緣區(qū)分出前景區(qū)塊中的有效區(qū)域和無效區(qū)域，進(jìn)而對有效和無效區(qū)域中的前景像素執(zhí)行鬼影計(jì)數(shù)，并根據(jù)鬼影計(jì)數(shù)值來檢測和消除鬼影區(qū)域，得到最終的檢測結(jié)果。

附圖說明

圖1為本發(fā)明實(shí)施例的基于前景計(jì)數(shù)的前景像素噪聲點(diǎn)判定和噪聲點(diǎn)消除示意圖。

圖2為本發(fā)明實(shí)施例的基于前景計(jì)數(shù)的鬼影檢測示意圖。

圖3為本發(fā)明實(shí)施例的前景區(qū)塊空洞消除示意圖。

圖4為本發(fā)明實(shí)施例的基于邊緣有效性判別的鬼影檢測示意圖。

具體實(shí)施方式

下面結(jié)合附圖和實(shí)施例對本發(fā)明的方法作詳細(xì)說明，本實(shí)施例在以本發(fā)明技術(shù)方案為前提下進(jìn)行實(shí)施，給出了實(shí)施方式和具體操作過程，但本發(fā)明的保護(hù)范圍不限于下述實(shí)施例。

本發(fā)明實(shí)施例的實(shí)施方式包括以下步驟：

S1.初始化視頻幀每個(gè)像素點(diǎn)前景計(jì)數(shù)和鬼影計(jì)數(shù)。

具體包括：第一幀時(shí)，初始化視頻幀中每一個(gè)像素的前景計(jì)數(shù)和鬼影計(jì)數(shù)為0。

S2.對使用ViBe算法檢測得到的二值圖進(jìn)行預(yù)處理。

具體包括：對使用ViBe算法檢測得到的二值圖進(jìn)行中值濾波去除前景噪聲點(diǎn)，中值濾波的核大小一般取為3×3。

S3.對步驟S2中預(yù)處理后的二值圖進(jìn)行前景區(qū)塊劃分操作，并分別使用不同的數(shù)字標(biāo)記屬于同一前景區(qū)塊的像素，同時(shí)去除前景區(qū)塊中像素個(gè)數(shù)小于10的前景區(qū)塊，并修改背景像素點(diǎn)和前景像素點(diǎn)的前景計(jì)數(shù)。

具體包括：對步驟S2得到的二值圖中的每個(gè)前景像素進(jìn)行八個(gè)方向的鄰域統(tǒng)計(jì)，對于鄰域內(nèi)的所有前景像素這里判定它們是與中心點(diǎn)前景像素相連通的，所以對于鄰域相連通的前景像素將劃分為屬于同一前景區(qū)塊，并對每個(gè)劃分好的前景區(qū)塊按照順序使用不同的數(shù)字依次進(jìn)行標(biāo)記，這里標(biāo)記的是前景區(qū)塊中的每個(gè)前景像素，用于區(qū)分每個(gè)前景區(qū)塊各自所包含的前景像素；并剔除前景像素個(gè)數(shù)小于10的前景區(qū)塊。

對二值圖中的背景像素，將其前景計(jì)數(shù)值置為0；而對于前景像素，將其前景計(jì)數(shù)值做加1操作。

S4.每隔p幀對步驟S3中得到的前景區(qū)塊像素點(diǎn)的前景計(jì)數(shù)進(jìn)行去噪處理，并根據(jù)前景區(qū)塊中所有像素點(diǎn)的前景計(jì)數(shù)值來進(jìn)行鬼影檢測。

具體包括：使用當(dāng)前視頻幀的幀數(shù)與p(p取20)值進(jìn)行求模操作，求模的結(jié)果為0，即對經(jīng)過步驟S3劃分得到的前景區(qū)塊中前景像素點(diǎn)的前景計(jì)數(shù)進(jìn)行去噪處理。對于那些位于前景區(qū)塊中且前景計(jì)數(shù)小于前景計(jì)數(shù)閾值U(U取5)的前景像素點(diǎn)進(jìn)行噪聲點(diǎn)的判定，一般的，稀疏分布的這些前景像素點(diǎn)將判定為噪聲點(diǎn)，連通分布的這些前景像素點(diǎn)將不判定為噪聲點(diǎn)，這些前景像素點(diǎn)判定為噪聲點(diǎn)的條件和去噪處理方案如圖1所示。

對經(jīng)過去噪聲處理后的前景區(qū)塊中的前景像素的前景計(jì)數(shù)值進(jìn)行統(tǒng)計(jì)，如果此時(shí)還存在前景計(jì)數(shù)小于前景計(jì)數(shù)閾值的前景像素點(diǎn)，那么前景區(qū)塊為真實(shí)的目標(biāo)前景區(qū)塊，否則前景區(qū)塊被判定為鬼影，消除鬼影區(qū)域并更新鬼影區(qū)域內(nèi)前景像素的背景模型，這部分的鬼影檢測如圖2所示，圖2中給出的是采用基于前景計(jì)數(shù)的鬼影檢測的部分結(jié)果，方法每隔20幀進(jìn)行基于前景計(jì)數(shù)的鬼影檢測，當(dāng)前景塊中所有前景像素的前景計(jì)數(shù)大于計(jì)數(shù)閾值U(U＝5)，那么前景塊判定為鬼影；從1960幀開始，可以看到幀序列中每幀左下角的前景區(qū)塊為鬼影，最后在2040幀時(shí)左下角的前景塊被檢測為鬼影區(qū)域，并被消除。這部分的鬼影檢測主要用于處理運(yùn)動目標(biāo)由運(yùn)動到靜止?fàn)顟B(tài)時(shí)產(chǎn)生的鬼影。

S5.對經(jīng)過步驟S3或者步驟S4處理后得到的二值圖中的前景區(qū)塊進(jìn)行內(nèi)部空洞消除，并使用區(qū)塊標(biāo)記數(shù)字對所消除的內(nèi)部空洞像素進(jìn)行標(biāo)記。

具體包括：由于步驟S4是間隔p幀對步驟S3處理的結(jié)果進(jìn)行鬼影檢測，所以如果當(dāng)前幀數(shù)是p的倍數(shù)，那么執(zhí)行步驟S4并得到處理后的二值圖，否則步驟S4不執(zhí)行并直接使用步驟S3處理后得到的二值圖。

根據(jù)二值圖中每個(gè)前景區(qū)塊，計(jì)算出包含每個(gè)前景區(qū)塊的最小矩形框，并從矩形框的上下兩邊出發(fā)，統(tǒng)計(jì)每一列中的空洞像素，即每一列中上下第一個(gè)出現(xiàn)的前景像素之間的背景像素；從矩形框的左右邊出發(fā)，統(tǒng)計(jì)每一行中的空洞像素，即每一行中左右第一個(gè)出現(xiàn)的前景像素之間的背景像素；每一行和每一列空洞像素的交集即為前景區(qū)塊的空洞像素，空洞消除如圖3所示。

將每個(gè)前景區(qū)塊的空洞像素置為前景像素，并使用每個(gè)前景區(qū)塊各自所對應(yīng)的標(biāo)記數(shù)字，來標(biāo)記它們各自所檢測得到的空洞像素。

S6.每隔q幀對當(dāng)前視頻幀和經(jīng)過步驟S5處理后得到的二值圖進(jìn)行邊緣檢測，生成兩張邊緣二值圖，即包含像素值為255的邊緣像素和像素值為0的背景像素；然后對這兩張邊緣二值圖執(zhí)行邏輯與操作，并對邏輯與操作后得到的結(jié)果根據(jù)邊緣像素的鄰域連通性進(jìn)行邊緣劃分，對于劃分后得到的邊緣分別使用數(shù)字進(jìn)行標(biāo)記；最后統(tǒng)計(jì)每個(gè)前景區(qū)塊中的每條邊緣被所包括的前景像素個(gè)數(shù)M和其對應(yīng)邊緣像素個(gè)數(shù)N，接著計(jì)算M和M+N的比值，并根據(jù)閾值S判斷邊緣的有效性。

具體包括：使用當(dāng)前視頻幀的幀數(shù)與q(q取5)值進(jìn)行求模操作，求模的結(jié)果為0，即對當(dāng)前視頻幀和經(jīng)過步驟S5處理的二值圖進(jìn)行Sobel邊緣檢測，生成兩張邊緣二值圖，即根據(jù)梯度閾值H₁(H₁取200)和H₂(H₂取100)來分別對當(dāng)前幀和二值圖根據(jù)Sobel算子計(jì)算得到每個(gè)像素的梯度值進(jìn)行判定，當(dāng)像素梯度值大于梯度閾值時(shí)，像素判定為邊緣像素，即像素值為255，否則判定為背景像素，像素值為0，進(jìn)而得到兩張邊緣二值圖。

將計(jì)算得到的兩張邊緣二值圖執(zhí)行邏輯與操作，并將與操作得到的邊緣二值圖執(zhí)行邊緣劃分，即對于每個(gè)邊緣像素進(jìn)行八個(gè)方向的鄰域統(tǒng)計(jì)，對于鄰域內(nèi)的所有邊緣像素這里判定它們是與中心點(diǎn)邊緣像素相連通的，所以對于相連通的邊緣像素將被劃分為屬于同一邊緣；最后對劃分得到的所有邊緣分別使用數(shù)字進(jìn)行標(biāo)記，即標(biāo)記每條邊緣中的邊緣像素，用于區(qū)分每條邊緣各自所包含的邊緣像素。

計(jì)算每個(gè)前景區(qū)塊中每條邊緣所包括的前景像素的個(gè)數(shù)M和其對應(yīng)的邊緣像素的個(gè)數(shù)

N，根據(jù)公式：

滿足上述公式的邊緣為有效邊緣，否則為無效邊緣。剔除無效邊緣，保留有效邊緣。

S7.根據(jù)步驟S6中得到的有效邊緣，統(tǒng)計(jì)每個(gè)前景區(qū)塊中的有效邊緣，并根據(jù)有效邊緣劃分出前景區(qū)塊中的有效區(qū)域，修改有效區(qū)域內(nèi)和區(qū)域外的前景像素的鬼影計(jì)數(shù)，最后根據(jù)鬼影計(jì)數(shù)進(jìn)行鬼影檢測。

具體包括：根據(jù)步驟S6得到的有效邊緣可以得到隸屬于每個(gè)前景區(qū)塊中的有效邊緣，然后根據(jù)有效邊緣分布在前景區(qū)塊中的空間位置可以劃分出前景區(qū)塊中的有效區(qū)域。

劃分出前景區(qū)塊中的有效區(qū)域和無效區(qū)域后，對位于有效區(qū)域內(nèi)的前景像素的鬼影計(jì)數(shù)做減2操作，由于鬼影計(jì)數(shù)始終是大于等于0的，所以當(dāng)鬼影計(jì)數(shù)由于減二操作小于0時(shí)，將其重新置為0，對無效區(qū)域內(nèi)的前景像素的鬼影計(jì)數(shù)做加1操作。而對于二值圖中的背景像素，將其鬼影計(jì)數(shù)置為0。最后統(tǒng)計(jì)前景區(qū)塊中前景像素的鬼影計(jì)數(shù)，如果前景像素的鬼影計(jì)數(shù)值大于鬼影計(jì)數(shù)閾值V(V取值為5)，那么該前景像素被判定為鬼影區(qū)域像素，直接將其置為背景像素，同時(shí)更新該像素的背景模型，并置該像素的鬼影計(jì)數(shù)為0?；谶吘売行耘袆e的鬼影檢測如圖4所示，圖4中給出的是采用基于邊緣有效性判別的鬼影檢測的部分結(jié)果，方法每隔5幀進(jìn)行基于邊緣有效性判別的鬼影檢測，當(dāng)前景區(qū)塊中前景像素的鬼影計(jì)數(shù)大于計(jì)數(shù)閾值V(V＝5)，那么該前景像素被判定為鬼影區(qū)域像素；從1980幀開始，可以看到幀序列中無效區(qū)域A中檢測得到的鬼影區(qū)域像素會逐漸的被消除，最后在2040幀時(shí)無效區(qū)域A被完全地消除了。這部分的鬼影檢測主要用于處理運(yùn)動目標(biāo)由靜止到運(yùn)動狀態(tài)時(shí)產(chǎn)生的鬼影。