智能視頻監控中的運動目標檢測研究

摘 要：運動目標檢測是圖像處理的基本方法，也是圖像分割和圖像識別的基礎。運動目標檢測的準確性和實時性是視頻分析和處理的關鍵。針對傳統的運動目標檢測易受噪聲和光線的影響，出現虛假目標等不足，文章提出了一種改進的運動檢測方法。該方法將邊緣檢測和幀間差分法相結合的方法來測運動目標，提高了準確性。

關鍵詞：運動目標檢測；幀差法；邊緣檢測；sobel

智能視頻是計算機視覺和視頻圖像分析相結合的一門技術，通過攝像頭記錄的視頻自動分析[1]，實時對動態場景中的運動目標進行監測和分析。隨著現代計算機技術發展和圖像處理技術的進步，智能視頻已被廣泛應用于交通流量控制、汽車自動駕駛以及監控和安防等領域。傳統的視頻監控系統，單純的依靠監控人員對大量的圖像信息進行篩選，工作量大，效率低。智能視頻監控是基于傳統的視頻監控，通過圖像處理技術自動檢測出運動的目標，提高工作效率的一種方法。

運動目標檢測不僅是智能視頻監控的基礎，更是目標定位、識別和跟蹤的前提。光流法、幀間差分法、背景差分法是運動目標檢測的基本方法。背景差分法基本原理是利用當前圖像和背景圖像的差分通過閾值分割來提取運動目標，原理簡單，易于實現，可以較好地提取出運動目標的信息，但是該方法對于環境背景的要求較高，對背景的變化非常敏感。光流法檢測準確率高，對靜態和動態背景都具有較好的適應性，但計算復雜，實時性差，抗噪聲效果差，對硬件要求高，不能滿足實際應用的需求[2]。幀間差分法對進行差分運算，實時性較強，對視頻中光線敏感性不敏感，是運動目標檢測常用的方法之一。幀間差分法用相鄰差分法檢測目標，能較好地適應環境變化較大的目標檢測，但對于變化不明顯的像素點難以進行有效檢測，兩幀目標重疊部分不易檢測、出現虛假目標等問題[3]。邊緣是圖像分割的重要依據，也是紋理分析和圖像識別的重要基礎。圖像的邊緣不易受噪聲和亮度的影響，將邊緣檢測和三幀幀差法相結合檢測運動目標能提高算法的準確性和可靠性。首先將連續三幀進行邊緣檢測，然后將相鄰相近做幀差，或者兩幅差分圖像，最后將將兩幅差分圖像做或運算，即得到運動目標區域。

1 邊緣檢測

1.1 邊緣算子

邊緣是圖像的最基本特征，指圖像周圍像素灰度有階躍變化或屋頂狀變化的像素集合，是圖像分割的重要依據。Sobel算子方法簡單，處理速度快，并且所取得的邊緣光滑、連續，對噪聲具有平滑作用，也是邊緣檢測常用的方法之一。Sobel算子是基于一階微分的邊緣檢測算法，它是以像素為中心的鄰域內做灰度的加權運算，根據該點是否處于極值狀態來檢測邊緣。其基本原理是，設f（x，y）為像素點的灰度值：

Sobel算子是邊緣提取中最常用的算子之一，它結合了高斯平滑和微分，其邊緣提取的結果對噪聲有一定的魯棒性。傳統的sobel邊緣檢測只能檢測水平和垂直這兩個方向的的邊緣，檢測效果不是很好，使用8個方向的模板進行邊緣檢測，能更好的檢測紋理復雜的邊緣。

1.2 閾值選取

通過閾值將圖像二值化可將圖像的前景和背景分割，提取出來運動目標，而閾值選擇是否恰當決定了能不能正確地提取出來運動目標。假如選擇太大或者太小，都有可能出現將前景運動目標判為背景或背景判為前景運動目標。采用固定值是閾值選取的簡單方法，這樣更易處理，但是若光線或者場景發生變化，致使檢測效果差。最大類間方差法是一種自適應閾值確定方法，它將最佳門限將圖像的直方圖分成目標和背景兩部分，使兩部分的類間方差為最大 。這種方法計算簡單，而且適應性強，在一定條件下受圖像對比度與亮度變化的影響較小。

2 幀間差分法

幀間差分法是是運動目標檢測的經典算法，視頻序列是由按時間分割成的多幀圖像組成，相鄰的兩幅圖像背景基本不會發生變化，而運動的物體由于發生了距離的變化，導致了幀間相同位置上像素發生了改變。幀間差分法就是根據像素的時間差分通過二值化來檢測運動目標。當目標運動速度較慢時，目標出現的區域有可能變化不大，形成類似于隨機噪聲的孤立點，為了避免目標的丟失，通常采用三幀幀差法。

三幀差分法是將中間幀分別與前后兩幀做差分運算，將差分運算的結果進行“與”操作，就可將運動目標的輪廓提取出來。三幀差法法能準確快速地檢出出運動目標，實時性強。在某一視頻序列中，設連續三幀為ft-1、ft、ft+1，將中間幀分別與前后兩幀做差分得到Dn-1、Dn，最后將差分結果做“與”操作得到最后結果gk，如公式1。

3 測試結果與分析

為了驗證算法的可靠性，連續幾周對輸電線路進行實時監控。如圖1所示，當有吊車在輸電線路下作業時，該算法能自動檢測出正在作業的吊車。如圖2所示，算法自動檢測出正在作業的挖掘機。

4 結束語

運動目標檢測一直是視頻分析的難點和重點。文章將邊緣檢測和幀間差分法相結合實時對運動目標檢測，算法簡單，計算速度快，準確性高。

參考文獻

[1]侯宏錄，李寧鳥，劉迪迪，等.智能視頻監控中的運動目標檢測研究[J].計算機科學技術與發展，2012，22（2）.

[2]丁磊，宮寧生.基于改進的三幀差分法運動目標檢測[J].電視技術，2013（1）.

[3]Valera M and Velastin S A. Intelligent Distributed Surveillance Systems： A Review [J].IEE Proceedings Vision， Image and Signal Processing，2005，152（2）：192-204.