18 福 建 电 脑 福 建 电 脑 福 建 电 脑 2007 年第 11 期 基于背景消减的运动对象的提取 ( 福州大学数学与计算机科学学院 福建 福州 350002 ) 吴双荣 【摘 要】: 背景消减法是从场景中提取感兴趣目标的一类常使用的方法。本文考查了目前具有代表性的几种方法, 并从 前景检测、背景更新、后继处理三个方面对它们进行了比较分析。 【关键词】: 背景消减 监视 分割 1. 简介 背景消减法是从视频监控等应用中获取的场景提取感兴趣 目标的一类常使用的方法。它将当前图像与不包括感兴趣目标 的估计图像进行对比, 差别显著的区域被认为感兴趣目标的所 在位置。"背景消减"正是得名于这种将当前图像减掉估计图像 并对所得结果阀值化处理以得到感光趣目标的简单技术。本文 调查研究了这类技术的几种典型代表, 并从三个方面进行分析 比较:感兴趣目标如何与背景区分开来; 背 景 是 如 何 随 着 时 间 更 新的; 对被分离出的目标区域做了哪些后继处理以剃除错误的 判断。 2. Heikkila and Olli 在[8]中, 如果某一像素满足以下条件则被判为前景 (1) 这里的 ! 是一个预设的阀值。阀值处理后的图像接着使用 一个 3×3 的遮罩进行闭运算, 将小的区域剃除掉。 背景使用下式进行更新 (2) 这里的 是一个小的值, 以防止运动物体被错划分背景。 该方法在两种情况下对背景进行纠正: ① 如 果 某 一 像 素 在 最 后 的 M 帧 中 被 判 为 前 景 到 少 m 次 , 则背景被更新为 Bt+1= It。该纠正主要是针对在照明的突然变化 和背景出现新的静止物体两种情况下对背景重建以更准确地反 映背景的变化。 ②如果某一像素经常性地在前景和背景变化, 则被标记为 非前景。例如摇摆的树枝。 3. 自适应的混合高斯模型 每个像素分别用混合高斯模型对其进行建模[3, 9, 10] (3) 分布被一 个 新 的 高 斯 分 布 所 替 换, 新 的 高 斯 分 布 参 数 为 !i,t=It, !i,t 取大值, #i,t 取小值。 背景更新后, 权重 重新标准化。 前景按照如下方法进行检测。所有的高斯分布按照 #i,t||!i,t|| 由大到小进行排列。权重越大, 偏差越小的分布越重要而被认为 是背景的分布。令 (10) T 为阀值。则 1…B 被认为是背景。因此如果 没有和这些分 布相匹配, 该像素被认为是前景。检测出的前景用它们的质心来 代表。 4. Pfinder Pfinder[13]使用了一简单的模式, 背景使用一个单一的值来 建模, 并按如下进行更新: (11) 前景的像素点用一个均值和协方差来建模, 并进行循环更新。开 始时使用一个空帧。 5. W4 在[5, 6, 7]里, 如果一个像 素 点 满 足 以 下 条 件 则 被 标 为 前 景 点 or (12) 这 里 参 数 M, N 分 别 代 表 该 像 素 的 最 小 、最 大 观 察 值 , 而 D 代表背景像素点值的最大差值。这些参数在开始读入的几帧之 后被初始化, 而后背景像素点被周期更新。 在 获 取 前 景 区 域 后 进 行 腐 蚀 操 作 , 以 剔 除" 一 像 素 厚" 的 噪 声, 对连续的区域进行标注, 小的区域被抛弃掉。最后对剩余的 区域作闭运算。 6. Halevy 在[9]里 K = 4, 在[3,10]里 K = 3...5。在[3,10]里假定 在[4]中, 背景的更新为 在检测前景前, 背景先按照如下进行更新: ①如果 和第 i 个高斯分布相匹配, 例如, It 落在 !i,t 的" 个标 准差范围内(在[3]里, 为 2, 在[9, 10]里为 2.5), 则第 i 个高斯分布 的参数被更新为: (4) (5) (6) 这里 ② 未被匹配的高斯分布的参数被更新为: (7) (8) (9) 若 It 未和任何高斯分布相匹配, 则最不可能被匹配的高斯 (13) 其中 S(It)是平滑处理过 的 It。 前 景 点 是 通 过 跟 踪 S(It - Bt) 的最大值来确定的, 而不是使用阀值。 7. Cutler 在[2]里 使 用 的 是 彩 色 的 图 像, 因 为 他 们 声 称 能 够 更 好 地 分 割出前景区域来, 特别是在低对比度的区域, 例如在阴影里的物 体 。 背 景 通 过 计 算 最 近 N 帧 的 平 均 值 来 得 到, N 的 取 值 通 常 在 50 到 200 之间。满足 (14) 的点被认为为前景。其中 % 是预先估计的噪声的标准差, K 是一 个常值(典型的值为 10)。 8. 结论 许多其它未在这里讨论的算法假定背景并不会发生很大的 变化因此可以预先建立背景模型。这限制他们在实际当中的使 用 。 大 部 分 所 述 的 算 法 使 用 简 单 的 无 限 脉 冲 响 应 过 滤 器 (IIR, Infinite Impulse Response)对 每 个 像 素 进 行 独 立 更( 下 转 第 4 页 ) 福建省青年科技人才创新基金 2005J011, 福州大学科技发展基金 2005|XQ|22 

4 福 建 电 脑 福 建 电 脑 福 建 电 脑 2007 年第 11 期 正如 Wiebe van der Hoek[8]所指出: 交互时序逻辑的开发, 与 为了刻画和验证反应式系统而开发的分支时序逻辑有着千丝万 缕的关系, 它的最大创新在于把传统时序逻辑的存在路径量词 和 全 称 路 径 量 词 用 带 参 数 ( 群 体 A) 的 合 作 算 子 进 行 替 换 ; 而 联 盟逻辑的开发, 初始目的是为了找出模态逻辑与博弈的数学理 论之间的内在联系。 CL 的语法( 公式形成规则) 如下: !::= ┹| p |┑!|!∨!|[C]!。 正如其英文名, ECL 是对 CL 的自然扩展。 ECL* 的语法( 公式形成规则) 如下: !::=┹| p |┑!|!∨!|[C]!|[C*]!|[C×]!。 联盟逻辑 CL/ECL 的提出, 成为了多 Agent 合作逻辑的又一 典范。 Wiebe van der Hoek 和 Michael Wooldridge 发 表 于 2005 年 《AI》学术刊物的 CL- PC( Coalition Logic of Propositional Control) 实 质 是 对 CL 的 拓 展 , 对 CL- PC 的 拓 展 有 Wiebe van der Hoek 等 人 发 表 于 2005 年 《AAMAS》 学 术 会 议 的 DCL- PC( Dynamic CL- PC) 等。另外, Thomas ?gotnes 等人发表于 2007 年《IJCAI》学 术 会 议 的 最 新 成 果 QCL( Quantified Coalition Logic) [9]主 要 从 简 洁性的角度进行相应的改进。 4. 研究展望与结论 纵观琳琅满目的多 Agent 合作逻辑新成果, 对典范 成 果 交 互时序逻辑 ATL/ATL* 和联盟逻辑 CL/ECL 的拓展和利用, 主要 从以下方面进行: 一是与认知逻辑的融合; 二是与 BDI 逻辑各算 子的融合; 三是与动作逻辑的融合; 四是引入社会法律以方便从 社会性的角度出发来研究多 Agent 系统的智能行 为; 五 是 与 博 弈 论 中 相 关 重 要 概 念 的 融 合, 如 策 略 、不 完 全 信 息 、不 完 全 记 忆 等; 六是利用这个工具对角色的形式化刻画; 七是利用这个工具 对合作机制进行刻画和验证。 多 Agent 合作逻辑的新成果如雨后春笋, 该领域的 研 究 方 兴未艾。然而国内对该领域的研究[10, 11]还处于起步阶段, 成果 寥寥。 如何在博采众长的基础上, 创新性地引入新的因素, 兼顾可 判 定 性 、复 杂 度 、可 靠 且 完 备 的 公 理 和 推 理 规 则 系 统 、表 达 力 和 简洁性, 开发一个更加适 合 于 多 Agent 系 统 刻 画 和 验 证 的 多 A- gent 合作逻辑, 仍然充满希望和挑战, 是该领域下一步研究的重 点。 参考文献: Ph.D. Thesis, University of 1. R . Alur, T. A. Henzinger, and O. Kupferman.: Alternating- time tempo- ral logic. Journal of the ACM, 2002, 49(5): 672- 713 2. Marc. Pauly. Logic for Social Software Amsterdam. 2001 3. W. van der Hoek, W. Jamroga, and M. Wooldridge. A Logic for Strate- gic R easoning. In Proceedings of the Fourth International Joint Conference on Autonomous Agents and Multi- Agent Systems (AAMAS- 05), Utrecht, the Netherlands, July 2005 4. M. Wooldridge, W. van der Hoek. On obligations and normative ability: towards a logical analysis of the social contract. Journal of Applied Logic, 2005, (3): 396- 420 5. L. Sauro, J. Gerbrandy, W. van der Hoek, and M. Wooldridge. R eason- ing about action and cooperation. On Proceedings of the Fifth International Joint Conference on Autonomous Agents and Multi- Agent Systems (AA- MAS- 06), Hakodate, Japan, 2006.5 6. Wojciech Jamroga, Wiebe van der Hoek and Michael Wooldridge, In- tentions and Strategies in Game- Like Scenarios. Published in C. Bento, A. (eds.), Progress in Artificial Intelligence: Proceedings Cardoso and G. Dias of EPIA 2005, Lecture Notes in Artificial Intelligence, 2005, (3808): 512- 523 7. Thomas ?gotnes, Wiebe van der Hoek, Juan A. R odriguez - Aguilar, Carles Sierra, and Michael Wooldridge. On the Logic of Normative Sys- tems. In M. M. Veloso, editor, Proceedings of the Twentieth International Joint Conference on Artificial Intelligence (IJCAI 2007), pages 1175- 1180, 2007. AAAI Press 8. W. van der Hoek and M. Wooldridge. On the Logic of Cooperation and Propositional Control. In Artificial Intelligence, 164(1- 2):81- 119, May 2005 9. Thomas ?gotnes, Michael Wooldridge, and Wiebe van der Hoek. Quan- tified Coalition Logic. In M. M. Veloso, editor, Proceedings of the Twen- tieth International Joint Conference on Artificial Intelligence (IJCAI 2007), pages 1181- 1186, 2007. AAAI Press 10. 赖贤伟, 胡山立. 多 Agent 合 作 逻 辑 中 的 意 图. 计 算 机 科 学, 2006, Vol. 33, No. 11A, 252- 254, 280 11. 赖贤伟, 胡山立. 多 Agent 合作逻辑中的动作与意图. 计算机研究与 发展, 2006, 43(Suppl.), 41- 45 $$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$ ( 上接第 18 页) 新, 例 如(2)式, 并 使 用 阀 值 来 区 分 前 景 和 背 景; 继 而 对 提 取 的 前 景进行后继处理以纠正错误的分类。 参考文献: 1. J. Heikkila and O. Silven: A real- time system for monitoring of cyclists and pedestrians in: Second IEEEWorkshop on Visual Surveillance Fort Collins, Colorado (Jun.1999) pp. 74- 81. 2. R . Cutler and L. Davis: View- based detection and analysis of periodic motion in: International Conference on Pattern R ecognition Brisbane, Aus- tralia (Aug. 1998) pp. 495- 500. 3. W. E. L. Grimson, C. Stauffer, R . R omano and L. Lee: Using adaptive tracking to classify and monitor activities in a site in: Computer Vision and Pattern R ecognition Santa Barbara, California (Jun. 1998) pp. 1- 8. 4. G. Halevy and D.Weinshall: Motion of disturbances: detection and tracking of multibody non- rigid motion Machine Vision and Applications 11 (1999) 122- 137. 5. I. Haritaoglu, R . Cutler, D. Harwood and L. S. Davis: Backpack: De- tection of people carrying objects using silhouettes in: International Confer- ence on Computer Vision (1999) pp. 102- 107. 6. I. Haritaoglu, D. Harwood and L. S. Davis: W4: Who? when? where? what? a real time system for detecting and tracking people in: Third Face and Gesture R ecognition Conference (Apr. 1998) pp. 222- 227. 7. I. Haritaoglu, D. Harwood and L. S. Davis: Hydra: Multiple people de- tection and tracking using silhouettes in:Second IEEE Workshop on Visual Surveillance Fort Collins, Colorado (Jun. 1999) pp. 6- 13. 8. J. Heikkila and O. Silven: A real- time system for monitoring of cyclists and pedestrians in: Second IEEEWorkshop on Visual Surveillance Fort Collins, Colorado (Jun. 1999) pp. 74- 81. 9. Y. Ivanov, C. Stauffer, A. Bobick and W. E. L. Grimson: Video surveillance of interactions in: Second IEEE Workshop on Visual Surveil- lance Fort Collins, Colorado (Jun. 1999) pp. 82- 90. 10. C. Stauffer and W. E. L. Grimson: Adaptive background mixture mod- els for real - time tracking in: Computer Vision and Pattern R ecognition Fort Collins, Colorado (Jun. 1999) pp. 246- 252. 11. G. P. Stein: Tracking from multiple view points: Self- calibration of space and time in: Computer Vision and Pattern R ecognition Fort Collins, Colorado (Jun. 1999) pp. 521- 527. 12. K. Toyama, J. Krumm, B. Brumitt and B. Meyers: Wall ower: Princi- ples and practice of background mainte- nance in: International Conference on Computer Vision (1999) pp. 255- 261. 13. C. Wren, A. Azabayejani, T. Darrell and A. Pentland: P?nder: R eal- time tracking of the human body IEEETransactions on Pattern Analysis and Machine Intelligence 19 (1997) 780- 785.