智能視頻監控圖像中運動目標檢測方法的研究

摘 要：描述了智能視頻監控系統的概念及其研究意義。介紹了監控圖像中運動目標檢測的幾種方法，闡述了他們各自的基本原理和優缺點。討論了目前運動目標檢測所面臨的主要問題和困難，并展望了該領域的發展趨勢。

關鍵詞：視頻監控；運動目標檢測；幀間差分法；背景差分法；光流法

1 引言

智能視頻監控系統作為一種有效的安防手段，已廣泛應用于國防、國家安全、治安等多個方面。智能視頻監控系統對運動目標的實時檢測是其中的主要環節，是基于視頻的運動分析、行為理解等后續工作的基礎。所以對用于智能視頻監控的運動目標檢測算法的研究具有極其重要的意義。

2 視頻監控中運動目標檢測的流行方法

2.1 幀間差分法

幀間差分法就是利用圖像序列中連續兩幀或幾幀圖像的差異來進行運動檢測的，即對圖像序列中時間上相鄰的兩幅圖像求絕對差，然后用一個閉值來判斷變化的區域。

⑴相鄰兩幀圖像差分法。下圖為相鄰兩幀間圖像差分法原理圖。

相鄰兩幀圖像差分法的計算過程可用公式（2.1.1）來表示。

利用公式計算相鄰幀之間的差別得到差分圖像，然后選擇閾值對差分圖像二值化就可以獲得初始的運動目標。這種兩幀間差分法具有很強的自適應性，受光線變化影響不大，算法實現簡單，易于實現實時監控，對光線的變化不敏感的優點。但是當相鄰兩幀圖像的信息比較接近時，這種方法通常只能得到運動目標的輪廓，即不能檢測出完整的目標，并且目標檢測結果有重影現象。

⑵三幀差分法。為了克服相鄰兩幀圖像差分法的缺點，采用連續三幀圖像差分法來提取運動目標的輪廓。三幀差分法[10]是改進的相鄰兩幀差分法，其基本原理是通過計算三幀圖像相鄰兩幀的差分，并將差分結果進行邏輯與運算。三幀差分法的主要內容如下：

fk-1（x，y）、fk（x，y）、fk+1（x，y）分別表示連續的三幀原圖像，然后分別計算相鄰兩幀原圖像的絕對差灰度圖像d（k，k-1）（x，y）和d（k，k+1）（x，y），公式如下：

對d（k-1，k）（x，y）和d（k，k+1）（x，y）分別取閾值T進行二值化，得到二值化圖像b（k-1，k）（x，y）和b（k，k+1）（x，y），再將此二者在每一個像素位置進行邏輯與操作，得到三幀差分的結果二值圖像Dk（x，y），計算公式如下：

2.2 背景差分法

背景差分法是利用當前幀圖像與背景圖像作差，以提取運動區域的一種運動檢測方法，這種方法也是現在使用較多的方法，常用于靜止背景下的運動檢測。

背景差分法的原理如圖2.2所示，

假定給定視頻圖像序列為

fk、Bk分別代表當前視頻幀和背景幀，則差分后圖像可表示為：

其中，（x，y）為像素的空間坐標，對上面得到的差分圖像通過一個閾值T來判斷圖像中各個像素點是前景像素點還是背景像素點，從而提取運動區域的圖像

2.3 光流法

光流法檢測運動目標的基本原理是給圖像中的每一個像素點賦予一個速度矢量，在運動的一個特定時刻，圖像上的點與三維物體上的點一一對應，這種對應關系可由投影關系得到，根據各個像素點的速度矢量特征，可以對圖像進行動態分析。如果圖像中沒有運動目標，則光流矢量在整個圖像區域是連續變化的，當物體和圖像背景存在相對運動時，運動物體所形成的速度矢量必然和鄰域背景速度矢量不同，從而檢測出運動物體的位置。

3 存在的問題

⑴背景環境中捕捉的圖像受到多方面的影響。⑵實際用于進行目標跟蹤的計算資源有限，而一些目標檢測、識別與跟蹤方法計算量過大，無法滿足實時性的要求。

4 小結與展望

智能視頻監控系統具有廣泛的應用前景，不斷地突破難點，使監控系統更加智能化，并具有更好的實時性和可靠性，最終肯定能夠開發出一套更加實用的智能視頻監控系統。

[參考文獻]

[1]侯志強，韓崇昭.基于像素灰度歸類的背景重構算法[J].軟件學報，2005，16（9）：1568-1576.

[2]衣秀清.靜態場景下運動目標檢測與跟蹤算法研究[D].山東：山東大學碩士學位論文，2007：7-35.