基于幀差法的運動車輛檢測算法研究

沈陽理工大學 周 越 李 碩

針對車輛的運動目標檢測，幀差法可以迅速、精準地把監控視頻中的運動車輛檢測出來，也就是把運動目標從序列圖像中提取出來。

在發展社會經濟的大背景下，我們的城市越來越城市化，但是隨之而來的問題也越來越多，比如生活的秩序很混亂，這時實時的人數統計就可以發揮它的作用了。如：優化調度電梯可以采用統計電梯的人數來完成，這樣電梯的利用率就會顯著提升，用戶就不會花大量的時間去等待。甚至，我們還可以去統計交叉路口處的人流量、車流量，這樣的話，就可以妥善安排好執勤人員的工作時間和工作量。

所以基于機器視覺的公路流量檢測技術的研究，主要就是為了將終端的智能化給提高上去（曹富奎，白天，許曉瓏.基于公路監控視頻的車輛檢測和分類），在系統的終端實現運動目標檢測和目標跟蹤及在此基礎上的人物動作行為分析等功能。其主要優勢體現在以下兩個個方面：減少人力、提高計數的準確性、提高可靠性。就目前而言，可應用于高速入口及出口監控攝像頭的智能化實現，在視頻監控實現監控流量功能以及在市內高峰期時間段的車輛流量統計，從而分擔監控中心的人工監控工作負擔，提高網絡監控系統的工作效率。

1 運動車輛檢測算法

偵差法：由于在視頻的不同時間點內，所獲取的幀圖像不同。彼此相連接的幾幀進行差分處理，根據同一位置的像素點作差從而得到差分絕對值，當這個絕對值超過特定閾值時就可以知道目標的運動形態，從而實現對運動目標的檢測（劉羅仁.基于機器視覺的前方車輛檢測和車距測量算法研究）。即如果同一位置做差后，亮度變化太大。就說明是運動的目標物體造成的。因為相鄰的兩幀做差，背景模型不斷更新所以該效果圖具有實時性。首先，將連續的兩幀由公式(1)進行相減操作，得到差分圖像后，我們可以自行設置一個閾值T，然后對差分圖像進行二值化處理，此時用到公式(2)，再對二值圖像進行連通性分析即可判別運動目標。兩幀差分法的流程圖如圖2所示。

如果設定閾值為T，

式中：

Dn(x, y)——差分圖像；

fn(x, y)——第n幀圖像；

fn-1(x, y)——第n-1幀圖像；

T——差分圖像二值化閾值。

式中：

Dn(x, y)——差分圖像；

傳統媒體仍處于“兩強兩弱”的生存狀態，“兩強”即強勁的內容創作力，強大的社會資源整合能力；“兩弱”即技術研發能力孱弱，無法滿足互聯網高速發展、快速升級的技術要求，另一弱點則是創新機制弱化，組織架構和運行機制難以適應當下形勢。建設縣級融媒體中心是對習近平重要講話精神的貫徹落實，這一舉措將加強基層傳播手段和話語方式的創新。“郡縣治，天下安”，縣級融媒體中心的建設如能取得良好成效，將改善中國基層輿論場的情緒生態。由此，建設縣級融媒體的必要性不言而喻。

Rn`(x, y)——二值化圖像；

T——差分圖像二值化閾值。

雖然兩幀差法有實現簡單和運算速度快的優點。但是在光線不斷變化的環境下，效果不好容易有重影（郭若彤，羅茜，黃凌霄，徐維昌.汽車檢測技術的算法系統研究與實現）。有些時候如果運動目標的速度很快，在提取的目標內容易出現大量的白色塊影響目標提取的準確性。如果引入三幀差分算法，可以彌補一些相鄰兩幀差分算法的缺陷。它的原理就是第一步找到操作對象，也就是在視頻里相連續的三幀，然后把相鄰連續的兩幀依次進行像素值做差操作得到兩個前景圖像，這時操作對象變為兩組前景圖像，最終我們可以得到最后一步的前景圖像然后開始進行形態學操作。 三幀差分法的流程圖如圖3所示。

圖1 車輛檢測的流程

圖2 兩幀差分法示意圖

圖3 三幀差分法示意圖

圖4 原始圖像

圖5 幀差法圖像

fn+1、fn和fn-1分別為相減得到的第n+1幀、第n幀和第n-1幀的圖像，fn+1(x，y)、fn(x，y) 和fn-1(x，y)分別為三幀圖像灰度值，Dn+1和Dn是按照式(1)分別得到的差分圖像，接著對Dn+1和Dn按照式(3)進行與操作，得到圖像Dn'，最后再開始閾值處理、連通性分析操作，最終提取出運動目標。

式中：

Dn'(x, y)——最終差分圖像；

fn+1(x, y)——第n幀圖像；

fn(x, y)——第n幀圖像；

fn-1(x, y)——第n-1幀圖像。

2 算法仿真結果

將連續的兩幀圖像進行差分法后，絕大多數的無關物體都由于閾值的設置最終被過濾，留下了需要檢測的運動目標。結果圖如圖4和5所示。

結論：實驗表明：該種算法的優點：原理簡單，計算量小，值得推廣應用于高速入口及出口監控攝像頭的智能化實現，在視頻監控實現監控流量功能以及在市內高峰期時間段的車輛流量統計，從而分擔監控中心的人工監控工作負擔，提高網絡監控系統的工作效率。