運動目標檢測方法的對比分析和仿真實現

張國欣，張殿富，范柳青

(1.武警工程學院研究生管理大隊，陜西西安 710086;2.武警工程學院科研部，陜西西安 710086;3.武警石家莊指揮學院訓練部，河北石家莊 050061)

運動目標檢測在視頻分析、視頻編解碼及視頻監控等方面起著重要的作用。運動目標檢測即實時的檢測運動目標，并將其提取出來。在序列圖像處理中，運動目標的檢測方法總體上可歸納為以下3類:光流法、幀差法和背景差法。

文中重點研究了三幀差分法和混合高斯模型背景差分法。三幀差分法比較簡單，對環境的適應能力強，但檢測到的運動目標不精確;混合高斯模型背景差分法能在運動目標存在的場景中提取背景模型且對其進行實時更新，但當場景全局光照突變時，會將整個視頻幀檢測為運動目標，造成誤檢現象［1］。文中就三幀差分法和混合高斯模型算法進行比較。

1 三幀差分法

三幀差分法也稱為對稱幀差法，從視頻流中截取連續的三幀圖像，由這三幀圖像的差值得到中間運動目標，這樣能夠去除因為目標的運動而產生的背景影響，從而得到更準確的目標［2］。三幀差分法的運算過程如下

圖1 三幀差分法流程圖

其中，fk(x，y)為選取的第k幀圖像;Rk(x，y)、Rk+1(x，y)表示相鄰幀差圖像差分二值圖，threshold1、threshold2是二值化圖像閾值。對差分后的Rk(x，y)、Rk+1(x，y)差分圖進行邏輯與運算，得到最終的差分圖像Gk(x，y)，運算過程如式(4)所示

2 混合高斯模型背景差分法

混合高斯背景模型法也稱為統計背景模型法［3］，在RGB顏色空間對每個像素點采用K隔狀態來表示其所呈現的顏色，K個狀態中每個狀態都采用一個高斯分布表示，其中一部分表示背景的像素值，其余部分則表示運動目標的像素值。令某一點像素點在t時刻的顏色取值表示為Xt，對于灰度圖像Xt是一個標量，對于彩色圖像，它一個矢量，其概率密度函數用K個三維高斯函數的線性組合表示

圖2 混合高斯模型背差分法框圖

混合高斯背景模型運用數學建模思想對每個像素點用混合高斯分布建模［4］，由于它是基于背景樣本的統計學特征，因此能客觀、科學地表征背景信息，然而當背景條件較為復雜時，如受強噪聲、背景擾動變化的影響時，混合高斯模型建模對前景運動區域和背景的判別就容易產生誤判［5］。

3 兩種差分法的對比

測試環境是Matlab，選取典型視頻運動實例的第一幀和最后一幀圖3所示，其中混合高斯模型的參數K取值3，初始方差σ2為12.5，學習率α為0.01。

圖3 實驗結果對比

圖3(a)和圖3(b)是實例的第一幀及最后一幀原圖像;圖3(c)和圖3(d)是三幀差分法檢測結果;圖3(e)和圖3(f)是混合高斯背景差分法運動目標檢測結果。從檢測結果圖可以看出，三幀差分法對場景中光照變化不敏感，而混合高斯背景差分法也能適應緩慢的光照;三幀差分法檢測到的運動目標存在不連續的空洞，不能得到運動目標所有的相關特征像素點，也不能得到運動目標完整輪廓，例如圖3(c)，圖3(d)檢測到的人物不完整，提取到的特征像素點較少，這給以后的運動目標識別和跟蹤帶來困難;而混合高斯背景差分法能夠提取運動目標完整的特征像素點，并將運動目標的陰影一起檢出，導致目標輪廓不清晰。

4 結果分析

通過編程實現并比較三幀差分和混合高斯背景差分法，可以得出以下結論:三幀差分法算法簡單、計算速度快，能夠實現實時檢測，且不需要人為干預，對動態環境有較好的適應性，但不能提取完整的運動目標，檢測的目標精確性一般;混合高斯模型背景差分法能夠較為快速且準確的檢測出場景中運動的目標，并實時更新背景模型，對場景的變化具有一定的適應性，檢測過程不需要人為干預，自主性好，但當場景全局光照突變時，會將整個視頻幀檢測為運動目標，造成誤檢。

隨著計算機視覺以及視頻分析技術的進一步發展，視頻目標檢測面臨許多新應用［6］。針對武器系統的高精度目標自主檢測、戰場環境的偵查，隨著軍事裝備的自主化、智能化要求越來越高，各種自主控制設備在戰場環境偵查等方面的作用凸顯。面對武器制導設備的目標檢測算法，不僅要求算法具有較高的檢測精度，而且在實時性、快速性方面亦提出了更高的要求。面對新的應用，當前已有的算法無法在精度、實時性、自主性魯棒性等方面滿足當前的某些應用需求。在這種情況下，對目標檢測算法提出了新的挑戰，迫切需要開發新的檢測算法或改進已有的檢測算法。

［1］姜惠云，吳曉娟，王孝剛，等.運動檢測算法的研究和仿真實現［J］.電氣電子教學學報，2009，24(6):125 －127.

［2］羅志升，王黎，高曉蓉，等.序列圖像中運動目標檢測與跟蹤方法分析［J］.現代電子技術，2009，32(11):68 －71.

［3］魏曉慧，李良福，錢鈞.基于混合高斯模型的運動目標檢測方法研究［J］.應用光學，2010，17(3):112 －116.

［4］彭艷芳.視頻運動目標檢測與跟蹤算法研究［D］.武漢:武漢理工大學，2010.

［5］施雪梅.運動目標檢測與跟蹤算法研究［D］.北京:北京交通大學，2010.

［6］趙文哲，秦世引.視頻運動目標檢測方法的對比分析［J］.科技導報，2009，27(10):131 －132.