2 目标检测算法
对回调接口 RealDataCallBack 解码所得的视频
流进行移动目标检测。
2. 1 码本背景模型的初始化
视频中某像素点在过去 N 帧的像素值序列为
﹛x1，x2，x3，… ，xN﹜，将这 N 个采样值用一个码本C = ﹛c1，c2，c3，… ，cL﹜表示，ci﹙i =1 ，2 … L﹚表示此码本的第 i 个码字，L 为此码本中码字的个数。码字为一个八元组，即 ci= ﹙μY，σ2Y，U—，V—，fi，λi，pi，qi﹚，其中，μY、σ2Y分别为码字中所有像素的 Y分量的均值和方差；U—、V—为码字中所有像素的 U、V分量的均值；fi表示码字中像素的个数；λi表示码字没有被匹配的还不错长时间；pi、qi为码字较好的次和还不错后一次匹配成功的时间。码本背景模型构建步骤如下：1﹚初始时刻所有像素的码本为空，L = 0，t = 1﹙t < N﹚，表示初始化帧数。2﹚计算新来的像素值 Pt= ﹙Yt，Ut，Vt﹚与对应码本的匹配度 dbright和 dcolor。dbright= ﹙Yt− μi﹚2≤ 2. 52σ2， ﹙1﹚dcolor= ﹙Ut− U—i﹚2+ ﹙Vt− V—i﹚2≤ ε 。 ﹙2﹚3﹚如果码本中没有与之匹配的码字，或者码本 为空，则令L = L + 1，并且新建一个码字cL=﹙Yt，∑ ，Ut，Vt，1 ，t −1 ，t ，t﹚，其中 Yt、Ut、Vt分别是新来像素的 Y、U、V分量的值，∑ 为 Y分量的初始化方差。4﹚如果找到了匹配的码字 ci，按照下式更新此码字。ci= μi+ α﹙Yt−μt﹚，σ2+ α﹙﹙Yt−μt﹚2−μt﹚，fiU—i+ Utfi+1，fiV—i+ Vtfi+ 1，fi+ 1 ，max﹙t − qi，λi﹚，pi，t ， ﹙3﹚其中 α =1﹙fi+ 1﹚，是码字的学习速率，可以根据算术平均数的求解原理获得。5﹚循环以上步骤，直到 t = N 结束，然后对所建的码本进行更新，将每个码本中 λ >N2的码字删除。N 为训练背景帧数，L 为码本中码字个数。2. 2 纹理模型初始化本文采用 SILTP 纹理描述符，其定义如文献［8］中所示：SILTPΓN ，R﹙xc，yc﹚=?N −1k = 0sΓ﹙Ic，Ik﹚， ﹙4﹚其中，Ic为中心像素的灰度值；Ik表示以﹙xc，yc﹚为圆心、R 为半径的圆上 N 个互相等距的点；?表示二进制字符串的连接符；Γ 代表比较范围的比例因子；sΓ是一个分段函数［8］，1 02济 南 大 学 学 报﹙自然科学版﹚ 第 28 卷sΓ﹙Ic，Ik﹚=01 ， Ik> ﹙1 + Γ ﹚Ic，10 ， Ik< ﹙1 − Γ ﹚Ic，00 ， otherwise 。﹙5﹚根据式﹙6﹚，初始化纹理背景［14］：SILTPt= βSILTPt+ ﹙1 − β﹚SILTPt −1， ﹙6﹚其中，β 为 SILTP 模 型 的 学 习 速 率，一 般 设 为0. 002 ~ 0. 01。2. 3 前景分割与背景更新背景模型训练完成后，计算新来视频帧的像素值与对应的背景模型的相似性程度，码本相似度如式﹙1﹚、﹙2﹚所示，纹理相似度如式﹙7﹚所示：SILTPx− SILTPBG≤ γ ， ﹙7﹚其中 γ 为阈值。如果当前像素点同时满足公式﹙1﹚、﹙2﹚、﹙7﹚，则当前点为背景。利用式﹙3﹚、﹙8﹚分别进行码本与纹理背景更新：SILTPBG﹙t﹚= βSILTPx﹙t﹚+ ﹙1 − β﹚SILTPBG﹙t −1﹚。 ﹙8﹚
3 结果分析
本文从室外室内两种环境分析比较了各种背景
建模算法，见图 1 和图 2。
图 1 室外检测效果比较
第 2 期 李凤娇，等：基于码本和纹理的视频监控系统的性能提升103图 2 室内检测效果比较
从以上检测结果中看出，对于海康实时视频流，
无论是室外还是室内环境，CB_SILTP 的抗干扰性和
鲁棒性都是还不错好的。背景初始化帧数为视频流的前
100 帧。对于开始就含有运动目标的视频序列，图
1c 和图 1d 的背景更新速度较慢，从而导致在目标
初始位置形成误检，而且图 1c 中目标性状有很大的
失真，不利于后续目标动作行为的分析处理，图 1d
虽然保持了像素序列的多模特性，但同时将像素值
有一定变化的背景点误判为前景，增加了很多噪声
点。图 1b 由于忽略了像素邻域之间的空间相关性，
使得检测的目标含有较多空洞。同样，从图 2 的各
种算法的检测结果中也可以看到，CB_SILTP 的检测
效果还不错好，而且内存占用量和计算量都很小，满足实
时性要求。依据本文算法的检测结果，给出了运动
目标的轨迹与轮廓，实现了监控系统性能的提升。
但是，检测过程中阴影会被误判为目标被检测出来，
造成目标轮廓与轨迹的识别错误。
4 结 语
实验结果分析表明，对于海康远程实时视频流，
时空信息相结合的目标检测算法的检测效果更好，
给出的目标的轮廓与轨迹更准确，有效地提升了海
康监控系统的性能。下一步工作是在海康监控上嵌
入阴影去除算法，以便提取的运动目标的特征更加
准确。
参考文献：
［1］ BUGEAU A，，PATRICK P. Detection and segmentation of moving
objects in complex scenes［J］. Computer Vision and Image Under-
standing，2009，113﹙4﹚：459 −476.
［2］ STAUFFER C，GRIMSON W. Adaptive background mixture models
for real time tracking［C］/ / Proceedings of IEEE Conference on
Computer Vision and Pattern Recognition. Fort Collins：IEEE，
1999：246 − 252.
［3］ TUZEL O，PORIKLI F. A Bayesian approach to background model-
ing［C］/ / Proceedings of IEEE Computer Society Conference on
Computer Vision and Pattern Recognition. Washington：IEEE，
2005：58 −65.
［4］ KIM H，SAKAMOTO R，KITAHARA I，et al. Background subtrac-
tion using generalized Gaussian family model［J］. IEEE Electronics
Letters，2008，44﹙3﹚：189 −190.
［5］ 陈明生，梁光明，孙即祥，等. 一种用于视频目标检测的时空背
景建模方法［J］. 信号处理，2010，26﹙11﹚：1601 −1606.
［6］ 陈明生，梁光明，孙即祥，等. 利用时空背景模型的快速运动目
标检测方法［J］. 中国图象图形学报，2011，16﹙6﹚：1002 −
1008.
［7］ HEIKKIL M，PEITIK M. A texturebased method for modeling the
background and detecting moving objects ［J］. IEEE Transactions
on Pattern Analysis and Machine Intelligence，一卡通，2006，28﹙4﹚：657 −
662.
［8］ LIAO S C，ZHAO G Y，KELLOKUMPU V，et al. Modeling pixel
process with scale invariant local patterns for background subtrac-
tion in complex scenes［C］/ / Proceedings of IEEE Computer Soci-
ety Conference on Computer Vision and Pattern Recognition. San
Francisco：IEEE，2010：1301 −1306.
［9］ 谭文明，李斌，张文聪. 基于中心对称局部二值模式的背景建
模方法研究［J］. 中国科学技术大学学报，2010，40﹙11﹚：1112
−1118.
［10］ 徐剑，丁晓青，王生进，等.一种融合局部纹理和和颜色信息
的背景减除方法［J］.自动化学报，2009，35﹙9﹚：1145 −1151.
［11］ 强振平，陈旭，刘鑫.基于颜色和纹理特征背景模型的多层差
分运动目标检测算法［J］.计算机应用，2009，29﹙8﹚：227 −
231.
［12］ KIM K，CH ALIDABH ONGSE T，H ARW OOD D，et al. Back-
ground m odeling and subtraction by codebook construction
［C ］//Proceedings of IEEE International Conference of Im age
Processing.Singapore：IEEE，2004：3061 −3064.
［13］ 徐成，田峥，李仁发.一种基于改进码本模型的快速运动检测
算法［J］.计算机研究与发展，2010，47﹙12﹚：2149 −2156.
［14］ 李波，袁保宗.基于码书和纹理特征的运动目标检测［J］.信
号处理，2011，27﹙6﹚：912 −919.