[转]前景检测算法--ViBe算法

原文：http://blog.csdn.net/zouxy09/article/details/9622285

转自：http://blog.csdn.net/app_12062011/article/details/51866319

 

因为监控发展的需求，目前前景检测的研究还是很多的，也出现了很多新的方法和思路。个人了解的大概概括为以下一些：

       帧差、背景减除（GMM、CodeBook、 SOBS、 SACON、 VIBE、 W4、多帧平均……）、光流（稀疏光流、稠密光流）、运动竞争（Motion Competition）、运动模版（运动历史图像）、时间熵……等等。如果加上他们的改进版，那就是很大的一个家族了。

      对于上一些方法的一点简单的对比分析可以参考下：

http://www.cnblogs.com/ronny/archive/2012/04/12/2444053.html

       至于哪个最好，看使用环境吧，各有千秋，有一些适用的情况更多，有一些在某些情况下表现更好。这些都需要针对自己的使用情况作测试确定的。呵呵。

       推荐一个牛逼的库：http://code.google.com/p/bgslibrary/里面包含了各种背景减除的方法，可以让自己少做很多力气活。

       还有王先荣博客上存在不少的分析：

http://www.cnblogs.com/xrwang/archive/2010/02/21/ForegroundDetection.html

       下面的博客上转载王先荣的上面几篇，然后加上自己分析了两篇：

http://blog.csdn.net/stellar0

       本文主要关注其中的一种背景减除方法：ViBe。stellar0的博客上对ViBe进行了分析，我这里就不再啰嗦了，具体的理论可以参考：

http://www2.ulg.ac.be/telecom/research/vibe/

http://blog.csdn.net/stellar0/article/details/8777283

http://blog.csdn.net/yongshengsilingsa/article/details/6659859

http://www2.ulg.ac.be/telecom/research/vibe/download.html

http://www.cvchina.info/2011/12/25/vibe/

ViBe是一种像素级的背景建模、前景检测算法，该算法主要不同之处是背景模型的更新策略，随机选择需要替换的像素的样本，随机选择邻域像素进行更新。在无法确定像素变化的模型时，随机的更新策略，在一定程度上可以模拟像素变化的不确定性。

背景模型的初始化

　　初始化是建立背景模型的过程，一般的检测算法需要一定长度的视频序列学习完成，影响了检测的实时性，而且当视频画面突然变化时，重新学习背景模型需要较长时间。

　　ViBe算法主要是利用单帧视频序列初始化背景模型，对于一个像素点，结合相邻像素点拥有相近像素值的空间分布特性，随机的选择它的邻域点的像素值作为它的模型样本值。

　　优点：不仅减少了背景模型建立的过程，还可以处理背景突然变化的情况，当检测到背景突然变化明显时，只需要舍弃原始的模型，重新利用变化后的首帧图像建立背景模型。

　　缺点：由于可能采用了运动物体的像素初始化样本集，容易引入拖影（Ghost）区域。

前景检测过程

　　背景模型为每个背景点存储一个样本集，然后每个新的像素值和样本集比较判断是否属于背景。

　　计算新像素值和样本集中每个样本值的距离，若距离小于阈值，则近似样本点数目增加。

　　如果近似样本点数目大于阈值，则认为新的像素点为背景。

　　检测过程主要由三个参数决定：样本集数目N，阈值#min和距离相近判定的阈值R，一般具体实现，参数设置为N=20，#min=2，R=20。

　　

背景模型的更新策略

1).无记忆更新策略

　　每次确定需要更新像素点的背景模型时，以新的像素值随机取代该像素点样本集的一个样本值。

2).时间取样更新策略

　　并不是每处理一帧数据，都需要更新处理，而是按一定的更新率更新背景模型。当一个像素点被判定为背景时，它有1/rate的概率更新背景模型。rate是时间采样因子，一般取值为16。

3).空间邻域更新策略

　　针对需要更新像素点，随机的选择一个该像素点邻域的背景模型，以新的像素点更新被选中的背景模型。

ViBe的改进

　　

1).距离计算方法

　　以圆椎模型代替原来的几何距离计算方法

　　

　　以自适应阈值代替原来固定的距离判定阈值，阈值大小与样本集的方差成正比，样本集方差越大，说明背景越复杂，判定阈值应该越大。

　　

2).分离updating mask和segmentation mask

　　引入目标整体的概念，弥补基于像素级前景检测的不足。针对updating mask和segmentation mask采用不同尺寸的形态学处理方法，提高检测准确率。

3).抑制邻域更新

　　在updating mask里，计算像素点的梯度，根据梯度大小，确定是否需要更新邻域。梯度值越大，说明像素值变化越大，说明该像素值可能为前景，不应该更新。

4).检测闪烁像素点

　　引入闪烁程度的概念，当一个像素点的updating label与前一帧的updating label不一样时，blinking level增加15，否则，减少1，然后根据blinking level的大小判断该像素点是否为闪烁点。闪烁像素主要出现在背景复杂的场景，如树叶、水纹等，这些场景会出现像素背景和前景的频繁变化，因而针对这些闪烁应该单独处理，可以作为全部作为背景。

5).增加更新因子

　　ViBe算法中，默认的更新因子是16，当背景变化很快时，背景模型无法快速的更新，将会导致前景检测的较多的错误。因而，需要根据背景变化快慢程度，调整更新因子的大小，可将更新因子分多个等级，如rate = 16,rate = 5,rate = 1。

1）VIBE-A powerful random technique to estimatie the background in video sequences.

2) VIBE-A universal background subtraction algorithms for video sequences

   VIBE的头文件Vibe.hpp如下：

#pragma once  
#include "stdafx.h"  
#define  WINSIZE 3  
  
class Vibe  
{  
public:  
    Vibe(void);  
    Vibe(IplImage *img);  
    void SetMinMatch(int nthreshold){g_MinMatch=nthreshold;}  
    void SetRadius(int radius){g_Radius=radius;}  
    void SetSampleNum(int num){g_SampleNum=num;}  
    void SetThreshold(double t){g_threshold=t;}  
    IplImage* GetForeground(){return g_ForeImg;}  
    IplImage* GetSegMask(){return g_SegementMask;}  
    void Detect(IplImage *img);   
    void ForegroundCombineEdge(); // 结合边缘信息  
    void DeleteSmallAreaInForeground(double minArea=20);//删除小面积区域  
    // 实现背景更新机制  
    void Update();  
    // 实现后处理，主要用形态学算子  
    void PostProcess();  
  
public:  
    ~Vibe(void);  
  
private:      
    void ClearLongLifeForeground(int i_lifeLength=200); // 清除场景中存在时间较长的像素，i_lifeLength用于控制允许存在的最长时间  
    double AreaDense(IplImage *pFr,int AI,int AJ,int W,int H); //计算(i,j)处邻域大小为W×H的密度  
    int GetRandom(int istart,int iend); // 默认istart=0,iend=15  
    int GetRandom(int random);  
    int GetRandom();// 产生一个随机数  
    // 计算两个像素之间的欧式距离  
    double CalcPixelDist(CvScalar bkCs,CvScalar curCs);  
    // 按照Kim的方法来计算颜色畸变  
    double CalcuColorDist(CvScalar bkCs,CvScalar curCs);  
    int g_SampleNum;// Sample number for the models，默认为20  
    int g_MinMatch; // 当前像素与背景模型匹配的最少个数，默认为2  
    int g_Height;  
    int g_Width;  
    int g_Radius;// 球体的半径，默认为20  
    int g_offset; //边界的宽和高  
    double g_threshold; // 距离度量的阈值  
    unsigned char ***g_Model;// 保存背景模型    
    IplImage *g_ForeImg;// 保存前景图  
    IplImage *g_Edge;  
  
    IplConvKernel* element;  
  
    IplImage *g_SegementMask; //分割掩膜  
    IplImage *g_UpdateMask; // 更新掩膜  
    IplImage *g_Gray;  
    int ** LifeLength; // 记录前景点的生命长度,如果前景点的生命长度到达一定的阈值，则将其融入背景中去,且要随机两次。      
};  

对应的实现文件如下Vibe.cpp所示：

#include "StdAfx.h"  
#include "Vibe.h"  
  
Vibe::Vibe(void)  
{  
    g_Radius=20;  
    g_MinMatch=2;     
    g_SampleNum=20;  
    g_offset=(WINSIZE-1)/2;  
  
}  
  
Vibe::Vibe(IplImage *img)  
{  
    if (!img)  
    {  
        cout<<" The parameter referenced to NUll Pointer!"<<endl;  
        return;  
    }  
    this->g_Height=img->height;  
    this->g_Width=img->width;  
  
    g_Radius=20;  
    g_MinMatch=2;     
    g_SampleNum=20;  
    g_threshold=50;  
    g_offset=(WINSIZE-1)/2;  
  
    g_ForeImg=cvCreateImage(cvGetSize(img),IPL_DEPTH_8U,1);  
    g_Gray=cvCreateImage(cvGetSize(img),IPL_DEPTH_8U,1);  
    g_Edge=cvCreateImage(cvGetSize(img),IPL_DEPTH_8U,1);  
    g_SegementMask=cvCreateImage(cvGetSize(img),IPL_DEPTH_8U,1);  
    g_UpdateMask=cvCreateImage(cvGetSize(img),IPL_DEPTH_8U,1);  
  
    element=cvCreateStructuringElementEx(3,3,1,1,CV_SHAPE_CROSS,NULL);  
  
    cvCvtColor(img,g_Gray,CV_BGR2GRAY);  
      
    // 以上完成相关的初始化操作  
    /**********************  以下实现第一帧在每个像素的8邻域内的采样功能，建立对应的背景模型*****************************/  
      
    int i=0,j=0,k=0;  
    g_Model=new unsigned char**[g_SampleNum];  
    for (k=0;k<g_SampleNum;k++)  
    {  
        g_Model[k]=new unsigned char *[g_Height];  
        for(i=0;i<g_Height;i++)  
        {  
            g_Model[k][i]=new unsigned char [g_Width];  
            for (j=0;j<g_Width;j++)  
            {  
                g_Model[k][i][j]=0;  
            }  
        }  
    }  
      
    // 采样进行背景建模   
    double dVal;  
    int ri=0,rj=0; //随机采样的值  
    for (i=g_offset;i<g_Height-g_offset;i++)  
    {  
        for (j=g_offset;j<g_Width-g_offset;j++)  
        {  
            // 周围3*3的邻域内进行采样  
            for(k=0;k<g_SampleNum;k++)  
            {  
                ri=GetRandom(i);  
                rj=GetRandom(j);  
                dVal=cvGetReal2D(g_Gray,ri,rj);       
                g_Model[k][i][j]=dVal;                            
            }  
        }  
    }  
  
    // 初始化前景点掩膜的生命长度  
    LifeLength=new int *[g_Height];  
    for (i=0;i<g_Height;i++)  
    {  
        LifeLength[i]=new int [g_Width];  
        for(j=0;j<g_Width;j++)  
        {  
            LifeLength[i][j]=0;  
        }  
    }  
}  
  
  
void Vibe::Detect(IplImage *img)  
{  
    cvZero(g_ForeImg);    
    cvCvtColor(img,g_Gray,CV_BGR2GRAY);  
    int i=0,j=0,k=0;  
    double dModVal,dCurrVal;  
    int tmpCount=0;// 距离比较在阈值内的次数  
    double tmpDist=0;     
    int iR1,iR2;//产生随机数  
    int Ri,Rj; // 产生邻域内X和Y的随机数  
  
    for (i=0;i<g_Height;i++)  
    {         
        for (j=0;j<g_Width;j++)  
        {             
            if( i < g_offset || j < g_offset || i> g_Height - g_offset || j> g_Width - g_offset )  
            {  
                cvSetReal2D(g_ForeImg,i,j,0);  
                continue;  
            }  
            else  
            {  
                tmpCount=0;  
                dCurrVal=cvGetReal2D(g_Gray,i,j);                 
                for (k=0;k<g_SampleNum && tmpCount<g_MinMatch  ;k++)  
                {                     
                    dModVal=g_Model[k][i][j];  
                    //tmpDist=CalcPixelDist(dCurrVal,dModVal);  
                    //tmpDist=CalcuColorDist(dCurrVal,dModVal);   
                    tmpDist=fabs(dModVal-dCurrVal);                                   
                    if (tmpDist<g_Radius)  
                    {  
                        tmpCount++;  
                    }                     
                }  
  
                //判断是否匹配上  
                if (tmpCount>=g_MinMatch)  
                {  
                    cvSetReal2D(g_ForeImg,i,j,0);  
                    // 背景模型的更新                    
                    iR1=GetRandom(0,15);  
                    if (iR1==0)  
                    {  
                        iR2=GetRandom();  
                        g_Model[iR2][i][j]=dCurrVal;                          
                    }  
  
                    //进一步更新邻域模型  
                      
                    iR1=GetRandom(0,15);  
                    if (iR1==0)  
                    {  
                        Ri=GetRandom(i);  
                        Rj=GetRandom(j);  
                        iR2=GetRandom();  
                        g_Model[iR2][Ri][Rj]=dCurrVal;                        
                    }                         
                }  
                else  
                {  
                    cvSetReal2D(g_ForeImg,i,j,255);  
                }  
            }  
        }         
    }         
      
    //ForegroundCombineEdge();  
    DeleteSmallAreaInForeground(80);  
    ClearLongLifeForeground();  
    //PostProcess();  
}  
  
double Vibe::AreaDense(IplImage *pFr,int AI,int AJ,int W,int H)  
{  
    if (AI<=2 || AJ<=2 || AJ>=(g_Width-2) || AI>=(g_Height-2))  
    {  
        return 0;  
    }  
    int Num=0,i=0,j=0;  
    double dVal=0,dense=0;  
    int Total=(2*H+1)*(2*W+1);  
    for (i=AI-H;i<=AI+H;i++)  
    {  
        for (j=AJ-W;j<=AJ+W;j++)  
        {  
            dVal=cvGetReal2D(pFr,i,j);  
            if (dVal>200)  
            {  
                Num++;  
            }  
        }  
    }  
    dense=(double)Num/(double)Total;  
    return dense;  
}  
  
void Vibe::ForegroundCombineEdge()  
{     
    cvZero(g_Edge);  
    //cvZero(g_SegementMask);  
    //cvCopy(g_ForeImg,g_SegementMask);  
    cvCanny(g_Gray,g_Edge,30,200,3);  
    int i=0,j=0;  
    double dense;  
    double dVal;  
    for (i=g_offset;i<g_Height-g_offset;i++)  
    {  
        for (j=g_offset;j<g_Width-g_offset;j++)  
        {  
            dense=AreaDense(g_ForeImg,i,j,2,2);  
            dVal=cvGetReal2D(g_Edge,i,j);  
            if (dense>0.2 && dVal>200)  
            {  
                cvSetReal2D(g_ForeImg,i,j,255);  
            }  
        }  
    }  
  
}  
  
  
void Vibe::DeleteSmallAreaInForeground(double minArea/* =20 */)  
{  
    //cvZero(g_SegementMask);  
    //cvCopy(g_ForeImg,g_SegementMask);  
    int region_count = 0;  
    CvSeq *first_seq = NULL, *prev_seq = NULL, *seq = NULL;  
    CvMemStorage*  storage = cvCreateMemStorage();  
    cvClearMemStorage(storage);  
    cvFindContours( g_ForeImg, storage, &first_seq, sizeof(CvContour), CV_RETR_LIST );  
    for( seq = first_seq; seq; seq = seq->h_next )  
    {  
        CvContour* cnt = (CvContour*)seq;  
        if( cnt->rect.width * cnt->rect.height < minArea )  
        {  
            prev_seq = seq->h_prev;  
            if( prev_seq )  
            {  
                prev_seq->h_next = seq->h_next;  
                if( seq->h_next ) seq->h_next->h_prev = prev_seq;  
            }  
            else  
            {  
                first_seq = seq->h_next;  
                if( seq->h_next ) seq->h_next->h_prev = NULL;  
            }  
        }  
        else  
        {             
            region_count++;  
        }  
    }              
    cvZero(g_ForeImg);  
    cvDrawContours(g_ForeImg, first_seq, CV_RGB(0, 0, 255), CV_RGB(0, 0, 255), 10, -1);   
  
    /* 
    CvContourScanner scanner = cvStartFindContours( g_ForeImg, storage,sizeof(CvContour), CV_RETR_EXTERNAL, CV_CHAIN_APPROX_SIMPLE, cvPoint(0,0) ); 
    CvSeq *contours=NULL,*c=NULL; 
    int poly1Hull0=0; 
    int nContours=0; 
    double perimScale=100; 
    while( (c = cvFindNextContour( scanner )) != 0 )  
    { 
        double len = cvContourPerimeter( c ); 
        double q = (g_ForeImg->height + g_ForeImg->width)/perimScale; // calculate perimeter len threshold 
        if( len < q ) //Get rid of blob if it's perimeter is too small 
            cvSubstituteContour( scanner, 0 ); 
        else //Smooth it's edges if it's large enough 
        { 
            CvSeq* newC; 
            if( poly1Hull0 ) //Polygonal approximation of the segmentation  
                newC = cvApproxPoly( c, sizeof(CvContour), storage, CV_POLY_APPROX_DP, 2, 0 );  
            else //Convex Hull of the segmentation 
                newC = cvConvexHull2( c, storage, CV_CLOCKWISE, 1 ); 
            cvSubstituteContour( scanner, newC ); 
            nContours++; 
        } 
    } 
    contours = cvEndFindContours( &scanner ); 
    // paint the found regions back into the image 
    cvZero( g_ForeImg ); 
    for( c=contours; c != 0; c = c->h_next )  
        cvDrawContours( g_ForeImg, c, cvScalarAll(255), cvScalarAll(0), -1, CV_FILLED, 8,cvPoint(0,0)); 
    */  
  
    cvReleaseMemStorage(&storage);    
}  
  
void Vibe::ClearLongLifeForeground(int i_lifeLength/* =200 */)  
{  
    int i=0,j=0;  
    double dVal=0;  
    double dLife=0;  
    int iR1,iR2=0;  
    double dCurrVal=0;  
    for (i=g_offset;i<g_Height-g_offset;i++)  
    {  
        for (j=g_offset;j<g_Width-g_offset;j++)  
        {  
            dVal=cvGetReal2D(g_ForeImg,i,j);  
            dLife=LifeLength[i][j];  
            if (dLife>i_lifeLength)  
            {  
                LifeLength[i][j]=0;  
                dCurrVal=cvGetReal2D(g_Gray,i,j);  
                // 更新背景模型  
                iR1=GetRandom();  
                iR2=GetRandom();  
                g_Model[iR1][i][j]=dCurrVal;  
                g_Model[iR2][i][j]=dCurrVal;  
            }  
            else  
            {  
                LifeLength[i][j]=dLife+1;  
            }  
  
        }  
    }  
}  
  
void Vibe::Update()  
{  
    cvZero(g_UpdateMask);     
  
}  
  
void Vibe::PostProcess()  
{  
    cvZero(g_SegementMask);  
    cvMorphologyEx(g_ForeImg,g_SegementMask,NULL,element,CV_MOP_OPEN,1);  
  
}  
  
//算颜色畸变  
double Vibe::CalcuColorDist(CvScalar bkCs,CvScalar curCs)  
{  
    double r,g,b,br,bg,bb;  
    r=curCs.val[0];  
    g=curCs.val[1];  
    b=curCs.val[2];  
  
    br=bkCs.val[0];  
    bg=bkCs.val[1];  
    bb=bkCs.val[2];  
  
    double curDist=r*r+g*g*b*b;   
    double bkDist=br*br+bg*bg+bb*bb;  
  
    double curBK=r*br+g*bg+b*bb;  
    double curbkDist=curBK*curBK;  
    double SquareP;  
    if (bkDist==0.0)  
    {  
        SquareP=0;  
    }  
    else  
    {  
        SquareP=curbkDist/bkDist;  
    }  
    double dist=sqrtf(curDist-SquareP);  
    return dist;      
}  
  
double Vibe::CalcPixelDist(CvScalar bkCs,CvScalar curCs)  
{  
    double tmpDist=pow(bkCs.val[0]-curCs.val[0],2)+pow(bkCs.val[1]-curCs.val[1],2)+pow(bkCs.val[2]-curCs.val[2],2);  
    return sqrtf(tmpDist);  
}  
  
int Vibe::GetRandom()  
{  
    int val = g_SampleNum * 1.0 * rand() / RAND_MAX;      
    if( val == g_SampleNum )  
        return val - 1;  
    else  
        return val;  
}  
  
int Vibe::GetRandom(int random)  
{  
    int val=random-g_offset+rand()%(2*g_offset);  
    if (val<random-g_offset)  
    {  
        val=random-g_offset;  
    }  
    if (val>random+g_offset)  
    {  
        val=random+g_offset;  
    }     
    return val;   
}  
  
int Vibe::GetRandom(int istart,int iend)  
{  
    int val=istart+rand()%(iend-istart);  
    return val;  
}  
  
  
Vibe::~Vibe(void)  
{  
    if (g_ForeImg)  
    {  
        cvReleaseImage(&g_ForeImg);  
    }  
    if (g_SegementMask)  
    {  
        cvReleaseImage(&g_SegementMask);  
    }  
    if (g_UpdateMask)  
    {  
        cvReleaseImage(&g_UpdateMask);  
    }  
    if (g_Gray)  
    {  
        cvReleaseImage(&g_Gray);  
    }  
  
    if (g_Model!=NULL)  
    {  
        delete[]g_Model;  
        g_Model=NULL;  
    }  
}  

最后附上调用的main函数：

int _tmain(int argc, _TCHAR* argv[])  
{     
    CvCapture *capture=NULL;  
    IplImage* frame=NULL;  
    IplImage* pForeImg=NULL;  
    IplImage* segImg=NULL;    
  
    char *file_path="E:\testVideo\VTS_01_4.avi";  // m1  test2 锦带河  VTS_01_4_2  head rear  VTS_01_6_2  VTS_01_4  
    //const char* file_path="E:\suntektechvideo\锦带河.avi";  //test2  
  
    capture=cvCreateFileCapture(file_path);  
    if (!capture)  
    {  
        //cout<<"Read Video File Error!"<<endl;  
        return -1;  
    }  
    frame=cvQueryFrame(capture);  
    frame=cvQueryFrame(capture);  
  
    cvNamedWindow("img",1);  
    cvNamedWindow("foreN",1);  
    //cvNamedWindow("seg",1);  
  
    Vibe* pV=new Vibe(frame);  
  
    while(frame=cvQueryFrame(capture))  
    {  
        pV->Detect(frame);  
        pForeImg=pV->GetForeground();  
        //segImg=pV->GetSegMask();  
        //frame->origin=1;  
        //pForeImg->origin=1;  
        cvShowImage("img",frame);  
        cvShowImage("foreN",pForeImg);  
        //cvShowImage("seg",segImg);  
        cvWaitKey(1);  
    }  
  
    cvReleaseImage(&frame);  
    cvReleaseImage(&pForeImg);  
    cvReleaseCapture(&capture);  
    return 0;     
}  

代码没做过多的注释，但现有的注释应该对于理解代码足够了。另外，对于计算机视觉里的任何一种算法都不是万能的，VIBE也不例外，只能说VIBE相对其他算法有一定的优势，但是还是有相当的不足，其pixel-wise-based的灰度建模方式解决不了pixel-wise建模算法共有的问题，其他必要辅助信息的融合是必要的。