基于改進三幀差分法對監(jiān)控視頻中行人目標檢測

莫丹雷 楊瑞兆 吳偉 甘永進 龍妹

摘? 要：行人是交通系統中的主要參與者，所以監(jiān)控視頻中的行人目標檢測對智能交通系統的研究和應用有著重要的意義。由于場景的動態(tài)變化使得行人目標的檢測變得相當困難，有效檢測出監(jiān)控視頻中行人目標是解決這個問題的關鍵。本文對比幀差法、光流法、背景相減法、三幀差法等幾種常用檢測算法的效果，最終采用三幀差法結合形態(tài)學技術對監(jiān)控視頻中行人目標檢測，能較好地填充行人目標的部分“空洞”。實驗結果表明：改進的算法能較清晰，較完整地檢測出視頻中行人目標，檢測效果良好。

關鍵詞：監(jiān)控視頻? 行人目標檢測? 三幀差法? 形態(tài)學技術

中圖分類號：TP391.1 ? ? ? ? ?文獻標識碼：A? ? ? ? ? ? ? ? ? ?文章編號：1674-098X（2021）02（c）-0138-05

Pedestrian Target Detection in Surveillance Video Based on Improved Three-frame Difference Method

MO Danlei? YANG Ruizhao*? WU Wei? GAN Yongjin? ?LONG Mei

（School of Physics and Telecommunication Engineering， Yullin Normol University， Yulin， Guangxi Zhuang Autonomous Region， 573000 China）

Abstract： Pedestrians are the main participants in the transportation system， so the detection of pedestrian targets in surveillance video is of great significance to the research and application of intelligent transportation systems. This article compares the effects of several common detection algorithms such as frame difference method， optical flow method， background subtraction method， and three frame difference method. Finally， the three-frame difference method combined with morphological technology is used to detect the pedestrian target in the surveillance video， which can better fill in the part of the pedestrian target hole. The experimental results show that the improved algorithm can detect pedestrians in surveillance video clearly and completely， and the detection effect is good.

Key Words： Surveillance video; Pedestrian target detection; Three frame difference method; Morphological technique

1? 引言

行人目標檢測就是檢測圖像或者視頻序列中是否包含行人目標，并根據檢測出的行人得出其大小和位置信息，是目前計算機視覺領域的研究熱點之一[1]。常用的目標檢測方法主要有兩幀差法、背景差分法、光流法、Vibe算法和三幀差分法等[2]。兩幀差法是最為常用的運動目標檢測和分割方法之一，其基本原理就是在視頻序列相鄰兩幀采用基于像素的時間差分通過二值化來提取圖像中的運動目標，其具有較好的實時性、算法簡單、計算量小等特點。但存在著對環(huán)境噪聲較為敏感，對閾值的選擇要求高，對比較大的、顏色相似的運動目標容易在目標內部產生空洞，無法完整地提取運動目標[3]。背景差分法是一種有效的運動目標檢測算法，但是背景差分法必須要有背景圖像，并且背景圖像必須隨著光照或外部環(huán)境的變化而實時更新，因此背景差分法的關鍵是背景建模及其更新，盡管目前已有多背景建模方法，但是在檢測目標需要更長的時間，因此實時性降低了。光流法主要是通過計算光流場，根據圖像序列的時空梯度估算運動場，通過分析運動場的變化對運動目標和場景進行檢測和分割，雖然光流法不需要預先知道場景的任何信息就能夠檢測到運動目標，但存在噪聲、多光源和遮擋等因素時，會對光流場分布的計算結果造成嚴重的影響，并且光流法計算復雜，很難實現實時處理。Vibe是一種典型的運動目標檢測算法，但是這種方法存在對鬼影消除速度緩慢以及對全局光線變化的抗干擾能力差等缺點[4-6]。三幀差分法是在兩幀差分法不能魯棒性地檢測到完整的運動目標上進行改進的，能較好、較快地檢測出圖像序列中運動目標，但是檢測出的目標仍然存在著內部“空洞”的現象，需要進一步的處理[7]。

針對以上檢測算法存在的問題，本文采用了三幀差分法結合形態(tài)學技術對監(jiān)控視頻中行人目標的檢測。該改進的算法能較好地填充行人目標的部分“空洞”，實驗結果表明：改進的算法能較清晰較完整地檢測出視頻中行人目標，檢測效果良好。

2? 傳統的三幀差分法檢測行人目標

傳統的三幀差分法是在兩幀差法基礎上改進的，在一定程度上優(yōu)化了運動物體雙邊，更適用與物體移動速度較快的情況，比如道路上車輛的智能監(jiān)控[8]。其算法如圖1所示。

首先，用Fn+1、Fn和Fn-1表示視頻序列中的第n+1幀、第n幀和第n-1幀的圖像，然后對這三幀圖像進行灰度化處理，用Fn+1（i，j）、Fn（i，j）和Fn-1（i，j）表示處理后的灰度圖，接著利用式（1）求出Fn+1與Fn的差分圖像Dn+1和Fn-1與Fn的差分圖像Dn，接著利用式（2）對所得的差分圖像Dn+1和差分圖像Dn進行與運算，得到目標前景圖像D'n，進一步地對D'n進行二值化處理，最終得到檢測的目標。

（1）

（2）

3? 改進后的三幀差分法檢測行人目標

3.1 二值化處理

在數字圖像處理中，處理灰度圖的計算量要小于處理彩色圖像，而二值圖像的計算復雜度更低于前兩種，因此，二值化處理在數字圖像較為關鍵。一幅圖像包括目標、背景及噪聲，想要直接提取出目標物體，通常采用灰度變換閾值化操作。常用的圖像閾值化有經典的OTSU、固定閾值、雙閾值等操作[9]。本文采用式（3）進行二進制固定閾值化操作。

（3）

其中，thresh是預先設定的閾值，當灰度值src（x，y）大于預設的閾值時，將灰度值設定為255，將低于thresh值設定為0，完成該閾值處理操作。

基于環(huán)境的變化，場景中光線動態(tài)變化，會對檢測造成一定的影響，而三幀差分法中，二值化處理時采用的是固定的閾值，由于同一場景下，設定不同的閾值都會對檢測結果造成影響，例如當閾值設定過小，差分圖像中的噪聲難以消除;閾值設定過大，差分圖像中目標部分信息被掩蓋。因此，固定的閾值無法適應場景中光線變化，從而給檢測結果造成一定的影響。本文在二值化處理上按照式（4）加入了判別條件，首先，假設場景中光照變化較小，式（4）中光照變化值趨向于零，接著，假設場景中光照變化較大，公式4中光照變化值增大，使得式（4）中的判別條件自適應值增大，就可以進一步的抑制了光照變化對運動目標檢測結果的影響。

（4）

其中，NA為檢測目標區(qū)域像素，λ是光照抑制系數，A是圖像幀，T是設定的閾值，是圖像中光照變化值。

3.2 形態(tài)學技術

傳統的三幀差分法中，由于相鄰兩幀的圖像有重疊部分，使得檢測到的目標存在空洞現象。經過閱讀文獻，利用式（5）形態(tài)學閉操作能較好填充目標區(qū)域的離散小空洞和分散部分，能夠排除小型黑洞，消除低于臨近點的孤立點，可以平滑物體輪廓，彌合較窄的間斷和細長的溝壑，消除小孔洞[10-11]。

（5）

從式（5）中可以看出，形態(tài)學閉操作首先是用結構元素B對A進行膨脹，接著進行腐蝕，最后達到消除目標空洞的目的。

3.3 本文算法具體方法

由以上的分析可知，本文采用改進的算法實驗步驟如下。

（1）首先，按照式（6）對視頻序列中連續(xù)的第n+1幀、第n幀和第n-1幀的圖像進行灰度化處理，得到灰度圖像Fn+1（i，j）、Fn（i，j）和Fn-1（i，j）。

（6）

其中，Gray（i，j）表示灰度圖像，R（i，j）、G（i，j）和B（i，j）為彩色圖像中的紅、綠和藍三個分量。

（2）接著，按照圖2，對步驟（1）中得到的灰度圖像Fn+1（i，j）、Fn（i，j）和Fn-1（i，j）分別做差分運算處理，得到差分圖像Dn+1和差分圖像Dn。

（3）接著對步驟（2）得到的差分圖像Dn+1和差分圖像Dn進行高斯濾波去噪處理。

（4）接著按照圖2，對去噪后的差分圖像Dn+1和差分圖像Dn進行與運算，得到目標前景圖。

（5）接著，對檢測到的目標前景圖進行判別和二值化處理，得到檢測目標。

（6）最后，對檢測到的目標進行形態(tài)學閉操作，消除目標中空洞，提取到完整的目標。

4? 實驗結果及分析

本次采用的視頻序列是自制錄制的視頻，從錄制的視頻中可以看到場景有比較復雜。本實驗檢測視頻序列中的行人目標，將傳統的三幀差分法和本文改進后的算法進行對比。實驗效果如圖3。

從實驗結果圖中，我們可以看出傳統的三幀差法檢測行人目標效果圖（m），檢測目標內部存在著“空洞”，甚至是人的上半部分和下半部分發(fā)生了分離，使得檢測結果不夠完整，圖像信息缺失。從本文改進的算法中可以看到行人目標效果圖（n），檢測行人目標是比較完整的，較好的解決了傳統三幀差分法檢測目標“空洞”的問題。因此，本文采用的三幀差法結合形態(tài)學技術的檢測算法能較清晰、較完整地檢測出監(jiān)控視頻中行人目標，檢測效果良好。

5? 結語

本文針對視頻序列中行人目標檢測方法進行研究，采用了三幀差分法結合形態(tài)學技術設計了一種對視頻序列中行人目標檢測方法。該方法能夠較好的克服了傳統三幀差分法檢測行人目標“空洞”的問題，并且能在光照變化等因素影響下準確的檢測出行人目標。通過與傳統三差分法的檢測效果進行對比可知，基于三幀差分法結合形態(tài)學閉操作技術的檢測方法的檢測效果更好，較好的適用于機器人視覺和道路上車輛的智能監(jiān)控。

參考文獻

[1] 蘇劍臣，李策，楊峰.基于邊緣幀差和高斯混合模型的行人目標檢測[J].計算機應用研究，2018，35（4）：1246-1249.

[2] 孫清濤，趙欣悅，張曉萌.基于改進三幀差法的微小目標運動軌跡檢測方法研究[J].裝備制造技術，2019（3）：135-137.

[3] 趙柏山，鄭茂凱，張帆.基于幀差與背景差分的改進目標識別算法[J].通信技術，2018，51（11）：2733-2739.

[4] 方嵐，于鳳芹.去除鬼影及陰影的視覺背景提取運動目標檢測算法[J].激光與光電子學進展，2019，56（13）：71-78.

[5] 譚玉枚.一種快速行人檢測與跟蹤方法[J].科技視界，2020（15）：34-36.

[6] 趙巍，蔣銘.復雜場景行人檢測技術研究[J].電視技術，2020，44（5）：43-45，50.

[7] Hou Jianbin， Li Baoguo. Swimming target detection and tracking technology in video image processing. 2021， 80.

[8] 傅莉，王一淼，黃全軍.基于改進三幀差分法的運動車輛目標檢測[J].科技風，2020（29）：69-70.

[9] 謝敏.基于視頻監(jiān)控的快速行人檢測算法[J].無線電工程，2020，50（10）：835-838.

[10] 韓冠南.基于機器視覺的客流量統計系統研究[D].西安：西京學院，2020.

[11] 陳媛，蔡曉燕.改進的幀間差分運動目標檢測算法研究[J].現代計算機，2019（33）：41-44.