一種改進的Surendra運動目標檢測算法

哈爾濱工程大學信息與通信工程學院 楊良潔

一種改進的Surendra運動目標檢測算法

哈爾濱工程大學信息與通信工程學院 楊良潔

在運動目標檢測方面，Surendra算法具有運算速度快、目標提取準確的特點，但是由于該算法采用的是將首幀圖像作為背景的方式，容易造成“拖影”現象，十分影響檢測效果。本文提出一種以Surendra算法為基礎，融合了三幀差分思想的運動目標檢測算法，并利用Surendra算法對背景進行實時更新；同時加入了Canny邊緣檢測，以增強檢測目標的完整性。結果表明，本文提出的算法可以有效去除“拖影”現象且檢測效果良好。

運動目標檢測；Surendra算法；“拖影”現象；三幀差分；Canny邊緣檢測

0 引言

目前比較常用的運動目標檢測算法有背景減除法[1]、幀間差分法[2]和光流法[3]。該類算法的關鍵問題是建立背景模型以及合理的更新機制。其中，Surendra算法具有運算速度快，目標提取準確率高等優點，但是該算法具有在第一幀圖像包含運動目標的情況下易出現“拖影”的缺點。因此，本文中提出一種改進的Surendra算法，通過融合三幀差分思想，并通過Surendra算法對背景進行實時更新；同時加入Canny邊緣檢測[4]。

1 融合三幀差分思想的改進Surendra算法

Surendra背景更新算法缺陷是當第1幀圖像含有運動目標時，當前幀圖像與背景圖像相對比，可能產生目標留下的影子，形成“拖影”現象[5]。為了解決這個問題，采用融合三幀差分法的思路，下面通過實驗驗證改進算法對于“拖影”現象的去除效果。

圖1 融合三幀差分的改進算法仿真圖

如圖1所示，圖像選自視頻序列“行人”的第71幀，視頻序列由于首幀圖像中存在運動目標使得產生的“拖影”許久無法消除，而改進算法利用三幀差分的思想，消除了第一幀位置處留下的影子，達到了較好的檢測效果。但是該改進算法也產生了一個問題，有時檢測到的目標并不完整，例如圖1(b)中，檢測到的目標缺失就比較大。

2 改進的Surendra目標檢測算法

本文提出了一種結合Canny邊緣檢測的Surendra幀間差分目標檢測算法，步驟如下：

(1)首先將第1幀圖像I0初始化為背景B0；

(2)使用Surendra背景更新得到當前幀圖像與背景的差分圖像；

(3)利用三幀差分的思想，將當前幀的差分圖像dj，與前一幀的差分圖像dj—1做“與”運算；

(4)當前幀做Canny邊緣檢測，(3)的結果做膨脹運算，這兩者做一般意義上的“與”運算，再與(3)的結果做“或”運算；

(5)為了達到更好的檢測效果，需要對最終的結果二值圖像做一系列的形態學后處理，例如輪廓填充和中值濾波，加入輪廓填充的目的是使得得到的前景目標的像素點更加完整，加入中值濾波的目的是去掉圖像中的噪聲點；

(6)繼續步驟(2)，直到圖像處理完畢。

圖2 改進Surendra目標檢測算法仿真圖

如圖2所示的效果圖選自“行人”序列的第71幀，(a)組是原視頻幀的截圖，(b)組是Surendra原始算法的效果圖，(c)組是融合三幀差分思想的改進Surendra算法的效果圖，(d)組是結合Canny邊緣檢測的Surendra幀間差分目標檢測算法的效果圖。不難看出，(c)組的改進算法僅僅去除了“拖影”現象，但是檢測到的目標并不完整，(d)組的改進算法不僅去除了原始算法產生的“拖影”現象，而且檢測效果要優于(c)組的改進算法，達到了良好的檢測效果。表1是各個算法的平均幀率數據分析，從該表中也可以看出，改進算法盡管在平均幀率上要低于原始Surendra算法，但仍然達到了實時性的要求。

表1 不同視頻序列各算法平均幀率數據對比

3 結論

本文首先針對原始Surendra算法產生“拖影”現象的不足，首先通過融合三幀差分思想來消除產生的“拖影”，然后針對在檢測效果上的不足，提出一種結合Canny邊緣檢測算子的Surendra幀間差分算法。仿真結果表明，該改進算法可以消除原Surendra算法所產生的“拖影”現象，達到良好的檢測效果，并且可以做到實時性的檢測。

[1]Barnich O,Van Droogenbroeck M．ViBe：A universal background subtraction algorithm for video sequences[J]．IEEE Transactions on Image Processing,2011,20(6)：1709-1724．

[2]Lipton AJ,Fujiyoshi H,Patil RS． Moving target classification and tracking from real-time video[C]．Proc． of Fourth IEEE Workshop on Applications of Computer Vision． Princeton,New Jersey．1998：8-14．

[3]Barron JL,Fleet DJ,Beauchemin SS．Performance of optical flow techniques[J]．International Journal of Computer Vision．1994,12(1)：43-77．

[4]趙建．基于三幀差法的運動目標檢測方法研究[D]．西安電子科技大學,2013：1-12．

[5]嚴紅亮,王福龍,劉志煌．結合三幀差分的ViBe運動檢測算法[J]．計算機系統應用,2014,23(11)：105-110．

楊良潔（1992—），安徽安慶人，碩士研究生，現就讀于哈爾濱工程大學。