基于標(biāo)定圖像距離變換的目標(biāo)分割方法

1、摘要：在視頻檢測(cè)中經(jīng)常會(huì)有待處理圖像數(shù)據(jù) 過大，圖像處理系統(tǒng)開銷大，圖像噪聲大，目標(biāo)重疊 和粘連等問題，本文提出了一種結(jié)合圖像標(biāo)定和標(biāo)定 圖像距離變換的運(yùn)動(dòng)目標(biāo)分割方法。首先，對(duì)被檢測(cè) 攝像機(jī)進(jìn)行標(biāo)定，根據(jù)標(biāo)定后的世界坐標(biāo)系抽樣圖像 數(shù)據(jù)，；其次，對(duì)抽樣后的視頻圖像序列進(jìn)行背景差和 幀差的前景檢測(cè)；然后，根據(jù)世界坐標(biāo)系的尺度作距 離變換。再然后，按目標(biāo)對(duì)象的實(shí)際物理尺寸，剔除 噪聲，選取種子點(diǎn)；最后，我們采用分水嶺算法實(shí)現(xiàn) 目標(biāo)分割。實(shí)驗(yàn)表明，改進(jìn)后的方法降低了圖像處理 系統(tǒng)的開銷，有效降低了噪聲影響，提高了粘連目標(biāo) 的分割檢測(cè)。關(guān)鍵詞：圖像標(biāo)定；標(biāo)定圖像距離變換；粘連目 標(biāo)分割中圖分類號(hào)：t

2、p391.41文獻(xiàn)標(biāo)識(shí)碼：a文章編 號(hào)：1007-9599 (2011) 23-0000-03object segmentation method based oncalibrati on di st a nee tran sform imagezhu min,cao feng(zhejiang zheda zhejiang supcon informationtech no logy co.,ltd.,ha ngzhou 310053,chi na)abstract:the following problems is existed in video detec廿on system loo

3、large image date,high computational cost,noise,object overlapped and adhesion.this paper proposed a new moving target segmentation method based on image calibration and di st a nee tran sform.first,the image data is sampled according to wcs(the world coordinate system),which is calibrated by the cam

4、era calibration toolbox on matlab.sec on d,the foregro und is detected with backgrounddifferencing and frame-difference.third/the di st a nee tran sform is obtai ned based on the scale of wcs.fourth,base on actual physical coordimate to reduce noise and select seed points;finally,segmentation is fin

5、ished by the watershed algorithm.experimental results show that this moving target segmentation method can lower computation cost and reduce noise,improve the segmentation of adhesion targetkeywordsjmage calibration;distaneetransform;adhesion target引言：在交通視頻監(jiān)控中，感興趣的前景目標(biāo)分 割對(duì)于提取某些交通信息是非常重要的，例如車流量, 車速，道

6、路事件檢測(cè)等。目前，已有很多分割技術(shù)被 提出1-9o文獻(xiàn)通過對(duì)每個(gè)像素點(diǎn)建立灰度直方 圖來進(jìn)行背景模型的初始化及更新，該前景分割方法 基于當(dāng)前像素與背景模型的灰度差分。文獻(xiàn)23 假設(shè)各像素間是相互獨(dú)立的，利用混合高斯模型對(duì)多 峰值背景建模。文獻(xiàn)基于像素間彼此獨(dú)立的假設(shè), 用隱形馬爾科夫?qū)ο袼亟?，通過其加權(quán)燔提取運(yùn)動(dòng) 前景。文獻(xiàn)對(duì)背景建立arma模型，進(jìn)而利用卡爾 曼濾波器估計(jì)動(dòng)態(tài)目標(biāo)。文獻(xiàn)逐個(gè)統(tǒng)計(jì)像素其顏色 的、空間和幀間信息，建立特征向量表，然后利用貝 葉斯定理判定各像素點(diǎn)是背景或前景。上述方法都是 基于像素的圖像處理，沒有考慮到從攝像機(jī)獲取的被 檢測(cè)圖像信息中包含的三位空間物體的世界坐標(biāo)

7、系位 置、尺寸、形狀等信息。本文結(jié)合工程實(shí)際運(yùn)用中圖像檢測(cè)目標(biāo)的真實(shí) 尺度特點(diǎn)，同時(shí)針對(duì)今后高清視頻監(jiān)控發(fā)展導(dǎo)致圖像 處理系統(tǒng)開銷的增加，提出了采用標(biāo)定圖像采樣來降 低圖像處理系統(tǒng)的開銷，利用標(biāo)定圖像的距離變換有 效剔除噪聲，提高粘連目標(biāo)的分割，從而提高了目標(biāo) 識(shí)別和跟蹤的準(zhǔn)確性。一、標(biāo)定圖像的采樣和標(biāo)定圖像的距離變換（一）標(biāo)定圖像的采樣圖像上每一點(diǎn)亮度反映了空間物體表面某點(diǎn)反射光的強(qiáng)度，而該點(diǎn)在圖像上的幾何位置則與空間物 體表面相應(yīng)點(diǎn)的幾何位置有關(guān)。這些位置的相互關(guān)系, 由攝像機(jī)成像的幾何模型所決定。該幾何模型的參數(shù) 稱為攝像機(jī)參數(shù)，這些參數(shù)必須由實(shí)驗(yàn)與計(jì)算來確定, 實(shí)驗(yàn)與計(jì)算的過程稱為攝像

8、機(jī)標(biāo)定10, llo至今已 經(jīng)有許多攝像機(jī)標(biāo)定的方法。如tsai提出的基于三維 標(biāo)定參照物的標(biāo)定方法12,標(biāo)定參照物一般由兩塊 互相垂直的平面模板組成，標(biāo)定前需要知道參照物表 面標(biāo)定點(diǎn)的空間三維坐標(biāo)，因而這種方法需要一套昂 貴的精密標(biāo)定設(shè)備。張正友提出了基于二維平面模板 的標(biāo)定方法13,張氏標(biāo)定法只要求從不同角度拍攝 的同一標(biāo)定平面（標(biāo)定板）2幅以上的圖像，就可以 求出攝像機(jī)的內(nèi)外參數(shù)，由于該方法不需要知道平面 模板移動(dòng)的具體方位和位移信息，而且平面模板的制 作簡(jiǎn)單，因此這種方法更簡(jiǎn)單、靈活14。在工程實(shí)踐中我們簡(jiǎn)化標(biāo)定方法,采用張氏標(biāo)定 法，人工選定圖像中的參考點(diǎn)，人工輸入?yún)⒖键c(diǎn)的世 界坐標(biāo)

9、系坐標(biāo)。在交通視頻監(jiān)控中，人和車的寬度和 高度都大于0.2米，我們選擇世界坐標(biāo)系中0.2米的距 離進(jìn)行采樣。采樣結(jié)果如圖(1),左圖是待檢測(cè)圖像 場(chǎng)景，右圖是攝像機(jī)簡(jiǎn)化標(biāo)定后，根據(jù)世界坐標(biāo)系采 樣的采樣點(diǎn)分布圖。無論視頻圖像的分辨率是多少， 經(jīng)過世界坐標(biāo)系中0.2米間隔的采樣之后，我們處理 的數(shù)據(jù)量急劇減少，在不降低遠(yuǎn)距離目標(biāo)檢測(cè)能力的 同時(shí)，減少了圖像處理系統(tǒng)的開銷。圖1：左圖為待檢測(cè)場(chǎng)景原始圖像，右圖為經(jīng)過 世界坐標(biāo)系采樣后采樣點(diǎn)分布圖(二)標(biāo)定圖像的距離變換在二維空間r2中，s為某一集合，對(duì)r2中任一 點(diǎn)r,定義其距離變換為：(1)dis ()為一般的歐幾米德空間距離算子，本文 采用距離

10、算子如下：(2)其中，為兩點(diǎn)。距離變換值ts (r)反映著點(diǎn)r 與集合s的遠(yuǎn)近程度?；跇?biāo)定圖像的距離變換是指對(duì)被檢測(cè)圖像中 經(jīng)過世界坐標(biāo)系采樣后確定的采樣點(diǎn)像素進(jìn)行背景建 模，通過背景差和幀差檢測(cè)到運(yùn)動(dòng)目標(biāo)。根據(jù)前景目 標(biāo)中采樣點(diǎn)離背景點(diǎn)的世界坐標(biāo)系距離作距離變換的距離算子，獲得標(biāo)定圖像的距離變換。 標(biāo)定圖像的距離變換定義為：(3)其中為采樣點(diǎn)像素中的背景，為采樣點(diǎn)圖像中的 前景點(diǎn)。dis ()為前景點(diǎn)離背景點(diǎn)的世界坐標(biāo)系距離算 子，我們定義為：(4)其中，是標(biāo)定后世界坐標(biāo)系下的兩 點(diǎn)。二、標(biāo)定圖像距離變換的降噪和粘連分割(一)標(biāo)定圖像距離變換的降噪在交通視頻監(jiān)控工程運(yùn)用中，圖像經(jīng)過標(biāo)定后,

11、 我們感興趣的車、人等目標(biāo)物體尺寸基本上都比較大。 因此我們可以根據(jù)感興趣目標(biāo)的最小尺寸來區(qū)分檢測(cè) 到的目標(biāo)和噪聲，通過這種方法，可以對(duì)同一場(chǎng)景下 遠(yuǎn)近不同位置的噪聲作多分辨率去噪，剔除小于我們 設(shè)定尺度門限的噪聲。降噪步驟：(1)標(biāo)定攝像機(jī)，根據(jù)世界坐標(biāo)系采 樣圖像坐標(biāo)系，建立背景模型。(2)根據(jù)背景差和幀 差檢測(cè)目標(biāo)和噪聲，根據(jù)世界坐標(biāo)系對(duì)標(biāo)定圖像作距 離變換。（3）根據(jù)世界坐標(biāo)系中目標(biāo)物體和噪聲尺寸 差異，剔除尺寸小于我們?cè)O(shè)定閾值的噪聲。（二）標(biāo)定圖像距離變換的目標(biāo)分割在交通視頻監(jiān)控工程運(yùn)用中，圖像經(jīng)過標(biāo)定后， 我們感興趣的車、人等目標(biāo)物體尺寸基本上都比較大。 因此我們通過了感興趣目標(biāo)的

12、最小尺寸來區(qū)分檢測(cè)目 標(biāo)和剔除小的噪聲。同時(shí)我們利用標(biāo)定圖像距離變換 結(jié)果，根據(jù)車輛實(shí)際寬度大于2米的原則，對(duì)距離圖 像根據(jù)0.5米的閾值作二值化，確定最初可能存在的 目標(biāo)車輛，被完全腐蝕的則可能是行人等其他目標(biāo)。 該方法對(duì)被檢測(cè)圖像中遠(yuǎn)近目標(biāo)自動(dòng)采用不同的閾值, 對(duì)交通視頻監(jiān)控目標(biāo)能獲得比較好的分割結(jié)果。目標(biāo)分割步驟：（1）標(biāo)定攝像機(jī)，根據(jù)世界坐標(biāo) 系采樣圖像坐標(biāo)系，建立背景模型。（2）根據(jù)背景差 和幀差檢測(cè)目標(biāo)和噪聲，根據(jù)世界坐標(biāo)系對(duì)標(biāo)定圖像 作距離變換。（3）根據(jù)世界坐標(biāo)系中目標(biāo)物體和噪聲 尺寸差異，剔除尺寸小于我們?cè)O(shè)定閾值的噪聲。（4） 根據(jù)交通視頻監(jiān)控場(chǎng)景中，車的世界坐標(biāo)系寬度，合

13、理設(shè)置閾值，對(duì)粘連目標(biāo)作分割，如圖（2）左圖。（5） 將在作了二值化分割的目標(biāo)作標(biāo)簽分類，對(duì)閾值以下 的采樣點(diǎn)根據(jù)它們與目標(biāo)的距離遠(yuǎn)近作分割，完成粘 連目標(biāo)的分割，如圖（2）右圖。圖2：左圖粘連目標(biāo)通過合理閾值分割成a, b兩 個(gè)可能的目標(biāo)；右圖根據(jù)候選目標(biāo)歸類后確定的最終 目標(biāo)三、實(shí)驗(yàn)結(jié)果圖3：待檢測(cè)圖像圖4：背景差檢測(cè)到的目標(biāo)圖5：標(biāo)定圖像距離變換圖圖6：距離變換的噪聲剔除和根據(jù)0.5米的閾值 分割后的圖像種子點(diǎn)圖7：像分割后的目標(biāo)圖3是待檢測(cè)的視頻截圖。圖4是背景差分割檢 測(cè)到的目標(biāo)物體。圖5是標(biāo)定圖像距離變換的結(jié)果， 從圖5中可以看到，整張檢測(cè)圖像遠(yuǎn)景目標(biāo)可以用統(tǒng) 一的閾值。圖6時(shí)對(duì)標(biāo)

14、定圖像世界坐標(biāo)系距離變換， 然后采用0.5米的閾值作分割，得到目標(biāo)種子點(diǎn)。圖7 是分割后的目標(biāo)?？梢钥吹浇?jīng)過世界坐標(biāo)系距離變換后得到的分割有明顯的優(yōu)勢(shì)。四、結(jié)束語本文提出了一種基于標(biāo)定圖像的距離變換的前 景目標(biāo)分割算法，它可適用于復(fù)雜背景環(huán)境下的視頻 監(jiān)控中。主要改進(jìn)的地方有（1）在分割算法中結(jié)合了 基于標(biāo)定圖像的距離變換，有效降低了噪聲干擾，提 高了粘連目標(biāo)的分割準(zhǔn)確度，（2）在圖像處理時(shí)選擇 標(biāo)定圖像重采樣，減小系統(tǒng)資源占用量，大大提高了 檢測(cè)速度。實(shí)驗(yàn)表明，本文方法具有較高的檢測(cè)率和 檢測(cè)速度，可以較好的抑制噪聲和分割粘連目標(biāo)。但 是本系統(tǒng)還存在一些不足之處，對(duì)于嚴(yán)重遮擋的目標(biāo) 分割和距

15、離相對(duì)較遠(yuǎn)處噪聲剔除的處理上還有待進(jìn)一 步提高。進(jìn)一步的工作可以嘗試結(jié)合幀間連續(xù)性提高 檢測(cè)率和準(zhǔn)確度。參考文獻(xiàn)：1 chen b s,lei y q and li w w.a novel background model for real-time vehicle detectionc.ieee icsp" 04 proceedings.chinese institute of electronics.beijing,china.2004,1276-1279.2 stauffer c.and grims on w.adap t:ive backgrou nd mixture mod

16、els for real-time trackingcn proceee conf ere nee on computer visi on and patter nrecognition,fort collins,colorado,1999,246-252.3 michael h.,gaile g.and john w.foreground segmentation using adaptive mixture models in color and depthc.ieee workshop on detection and recognition of events in videos.sj

17、.vol13,2001,3-h4 manuele b,marco c.and vittoriom.unsupervised seene analysis:a hidden markov model approach ".computer vision and image understanding,elsevier lnc.vol.23.no.5,2005,l-20.5 zhong j and sclaroff,s.segmenting foreground objects from a dynamic textured background via a robust kalman

18、filterc.proceedings of the ninth ieee in ter national con fere nee on computer vision(iccv'03)2003s 丄,vol 丄 44-506 li l,huang y.w.jrene m,gu y h.and tian q.statistical modeling of complex backgrounds for foreground object detectionj.ieee transactions on imageprocessing,s.l j,vol.13,no.ll,novembe

19、r,2004,14-297 stauffer c.and grims on w lear ning patter ns ofactivity using realtime trackingj.leee trans.pattern an al.machine intell.,vol.22,n0.8,s.l.,aug.2000,79-95.8 makito s.,toshikazu w.,hideto f.and kazuhiko s.background subtraction based on cooccurrenee of image variationsc.proceedings of the 2003 ieee computer society con fere nee on computer vision and pattern recognition(cvpr03)s丄vol.2,1351-1358.9 song m.and wang h.highly efficientin creme ntal estimati on of gaussia n mixture models for online data stream clusteri ngc.spe co