運動目標檢測方法概述

武警工程大學信息工程系 趙亞欣 趙懷勛

運動目標檢測方法概述

武警工程大學信息工程系 趙亞欣 趙懷勛

引言

運動目標檢測是指從視頻監控場景或圖像序列中將運動人體目標提取出來，是智能視頻監控的基礎。良好的目標提取效果有利于后續特征提取和行為分類，對整個行為識別的準確性有較大影響。

根據檢測目標的原理，將常用的目標檢測方法分為三類：幀間差分法、光流法和背景減除法。

（1）幀間差分檢測法

幀間差分法又稱時間差分法，其將視頻圖像序列中的連續兩幀或多幀像素點值作差分，獲取監控場景中運動目標的輪廓，實現對目標的檢測。兩幀差分法的原理如圖1所示。

圖1　幀間差分法原理圖

圖2 幀間差分法示例

圖2對兩幀差分提取運動目標效果進行了展示，可以看出，在相鄰的兩幀中人體有所重疊，因此僅檢測出在監控場景中有變化的邊緣部分。幀差法的主要優點是原理簡單，計算復雜度低，實時性強；對運動目標檢測的靈敏度高；對緩慢的光照變化適應性強。幀間差分法主要存在以下不足：一是當目標運動速度較慢時，提取的前景內部會產生空洞；二是檢測出的目標輪廓與實際目標稍有偏差，存在偽目標點。此外，幀差法僅適用于攝像機固定的情況，若背景改變則差分后會影響運動目標的檢測效果。對此，魯梅等[1]提出了加權累積差分法，通過賦予不同的幀間差分圖不同的權值，再將差分圖像加權累積從而檢測運動人體目標，較好的改善了幀差法提取運動目標出現的空洞現象。

（2）光流法

光流是指由物體運動引起的其表面像素點產生的瞬時速度場，光流法即通過計算每一幀圖像中對應像素點的變化表征運動目標[2]。

若圖像的灰度值隨x,y,t緩慢變化，則可將式（1）右邊泰勒級數展開，并忽略高階無窮小項，可得光流基本方程[20]：

根據平滑性假設[3]，加入平滑項α可建立光流模型：

光流法檢測運動目標的原理是：當監控場景中無運動物體時，光流矢量在監控范圍內連續變化，而當監控場景內有運動目標時，光流場會發生改變，且運動目標光流有顯著變化，通過檢測顯著變化的光流矢量可實現運動目標的檢測。

實際情況下，光流約束方程的灰度守恒假設未必能夠滿足，導致光流場與運動場有偏差。光流法需計算監控場景的每個像素點的變化，對硬件支撐要求較高，實時性上較難滿足。

（3）背景減除法

背景減除法通過建立背景模型并將視頻圖像序列的每一幀與背景圖像作差分來提取運動的前景目標。背景減除法原理簡單，計算量小，適用于監控場景固定的場合。背景減除法的流程如圖3所示。

圖3　背景減除法流程圖

1）圖像預處理

在實際視頻監控應用中，視頻監控存在噪聲影響，通常需事先進行降噪處理。常用消除噪聲的方法有加權平均算法、中值濾波以及高斯低通濾波。

2）背景建模

背景模型是提取運動目標效果好壞的關鍵。現實情況下，監控場景雖然固定，但非絕對不變，光照的變化、天氣的干擾（雨雪）、監控場景背景中非檢測目標的變化（如搖晃的樹葉、粼粼的水波）都對檢測效果造成諸多干擾。因此，如何建立一個動態更新的背景，以適應各種因素的干擾，是背景減除法檢測運動目標的重點。

3）目標檢測

通過輸入視頻圖像序列與動態更新的背景模型差分，并與設定的閾值對比提取運動目標。其公式可表示為：

其中，fk(x,y)為視頻序列中第k幀中坐標為(x,y)的像素點的像素值，bk(x,y)為與第k幀對應的背景模型的像素值，T為前景閾值。

4）后續處理

因攝像機本身、現實環境等的影響，提取出的運動目標難免有多出或缺失的部分。形態學處理運算開銷小，實用性強，可對檢測目標進行完善。常用的方法有膨脹、腐蝕[4]，定義式為：

式中，g(i,j)為輸出圖像。通過先腐蝕再膨脹可濾除檢測圖像中存在的部分噪聲，優化目標檢測的效果。

[1]魯梅,盧忱,范九倫.一種有效的基于時空信息的視頻運動對象分割算法[J].計算機應用研究,2013,30(1):303-306,320.

[2]劉建,李峰,周書人等.一種基于PSO的改進光流算法[J].計算技術與自動化,2014, 33(4):68-73.

[3]王慶帥.智能監控系統中人體行為識別技術研究與實現[D].西安:西安電子科技大學,2010.

[4]賈永紅.數字圖像處理（第二版）[M].武漢:武漢大學出版社,2010:171-173.

趙亞欣（1992—），男，江蘇東臺人，碩士研究生在讀，研究方向：人體行為識別。