基于幀間差分的運動目標(biāo)檢測方法研究

回鵬程 劉天賜 李橋 童子龍

摘要：近年來，視頻監(jiān)控技術(shù)在公安工作中起到愈發(fā)重要的作用。然而，由于監(jiān)控系統(tǒng)功能有限、用法單一、高度依賴監(jiān)控人員的人工值守和技術(shù)人員對目標(biāo)的檢驗提取。因此，實現(xiàn)對視頻圖像中運動目標(biāo)的智能識別和智能提取顯得十分重要。本文采用了幀間差分方法，利用MATLAB等軟件，驗證其對運動目標(biāo)檢測的實際效果，總結(jié)研究的內(nèi)容、步驟與方法。實驗結(jié)果表明，該方法能夠為公安實踐工作提供有力的技術(shù)支撐。

關(guān)鍵詞：視頻監(jiān)控圖像;運動目標(biāo)檢測;幀間差分法;MATLAB

一、引言

在實際應(yīng)用中，傳統(tǒng)視頻監(jiān)控模式的弊端也在逐漸顯露出來，如視頻監(jiān)控系統(tǒng)功能有限、用法單一、高度依賴監(jiān)控人員的人工值守和技術(shù)人員對目標(biāo)的檢驗提取。而由于監(jiān)控人員需要長時間高度緊張地注視計算機屏幕以及對海量監(jiān)控視頻的關(guān)聯(lián)分析，難免會出現(xiàn)眼部疲勞及注意力分散的狀況，從而使得漏報、錯報異常事件時有發(fā)生。因此在這種現(xiàn)狀和未來需求下，對監(jiān)控視頻中的運動目標(biāo)檢測與提取方法的研究就顯得尤為重要。利用運動目標(biāo)檢測技術(shù)，可以使無人值守實時監(jiān)控成為現(xiàn)實，將監(jiān)控人員從重復(fù)勞動中解放出來，并能減少漏報、錯報等失誤的發(fā)生;還可以從海量視頻信息中以智能分析的方式捕獲犯罪嫌疑人的行蹤軌跡，大大提高視頻偵查辦案的效率。

二、視頻圖像目標(biāo)檢測方法

1.背景差分法

作為目前最常見的目標(biāo)檢測方法，背景差分法的原理也十分簡明易懂。背景差分法的基本思路是將有目標(biāo)的當(dāng)前圖像和無目標(biāo)的背景圖像做差分，以獲取圖像的變化區(qū)域，即運動目標(biāo)所在區(qū)域。此方法操作運算量小，但其適用性有限，在背景靜止的場景中表現(xiàn)穩(wěn)定，而不能穩(wěn)定適用于無關(guān)事件干擾、噪聲等動態(tài)背景中，魯棒性較低。

2.光流法

光流法是早期的目標(biāo)檢測中使用較多的方法，有比較長的研究歷史。該方法的優(yōu)點是，在監(jiān)控設(shè)備運動時仍可實現(xiàn)有效地檢測運動目標(biāo)的期望。然而，光流法的運算較為復(fù)雜，計算量大，對硬件設(shè)施的要求也很高，目前在實際應(yīng)用難以真正做到實時快速反應(yīng)與廣泛普遍應(yīng)用。

3.幀間差分法

幀間差分法是對視頻中圖像序列相鄰或相近的兩幀或多幀之間做差分運算來檢測出運動目標(biāo)的方法。相對于背景差分法，這一方法能更快速地從背景圖像中分割出運動部分，受光影變化、環(huán)境噪聲等因素的影響更小，因此比背景差分法更適用于動態(tài)場景。但該方法獲得的檢測結(jié)果一般不是完整的目標(biāo)區(qū)域。

三、基于幀間差分的運動目標(biāo)檢測方法

1.幀間差分法

幀間差分法也稱為時間差分法或序列差分法。該方法實現(xiàn)簡單，算法復(fù)雜度較低，實時性高，是目前最為常用的靜態(tài)背景下的運動目標(biāo)檢測及分割方法之一。幀間差分法的具體步驟描述如下：

將第n幀圖像和第n-k幀圖像之間進(jìn)行差分：

取適當(dāng)閾值T，在差分后獲得的圖像上做二值化處理：

式中，表示的是第n幀圖像像素點（x，y）所對應(yīng)的像素值，k?（1，2，3…） 是預(yù)先設(shè)定好的幀間間隔;表示的是第n幀和第n-k幀圖像之間各像素點對應(yīng)像素值的差值;表示的是經(jīng)二值化處理后的圖像。當(dāng)視頻圖像中目標(biāo)的運動緩慢時，可以設(shè)置k值較大的間隔;當(dāng)視頻圖像中的目標(biāo)運動較快時，可以設(shè)置k值較小的間隔。從嚴(yán)格意義上講，當(dāng)k設(shè)為1時稱為相鄰幀間差分。

2.幀間差分相乘法

傳統(tǒng)的幀間差分法中，由于某些像素點的灰度值變化不甚明顯，而出現(xiàn)無法檢測出完整目標(biāo)或者檢測出較多偽目標(biāo)點、產(chǎn)生空洞、抗噪性差等存在一定的局限性。而幀間差分相乘法則能極大的濾除噪聲點，準(zhǔn)確地分割出運動目標(biāo)輪廓，可以很好的解決上述問題。基于此基礎(chǔ)提出連續(xù)四幀間隔差分相乘法，是針對運動目標(biāo)過快或過慢導(dǎo)致的空洞以及不連續(xù)性而做出的改進(jìn)。算法流程如圖1所示。

（1）獲取連續(xù)四幀分別計算相間隔兩幀之間的差值，即

（2）對所得到兩個粗略的差值運動區(qū)域進(jìn)行與運算（差值矩陣中的每一個像素點對應(yīng)相與）

（3）通過與設(shè)定閾值來區(qū)分比較前景點與背景點

式中，TH為閾值，決定檢測的效果與靈敏度，閾值門限以3δ準(zhǔn)則為標(biāo)準(zhǔn)選定，在差分結(jié)果圖像中，將背景部分的均值表示為μ、方差表示為δ;判別標(biāo)準(zhǔn)為：大于閾值的認(rèn)為是前景，否則認(rèn)為是背景。

四、實驗結(jié)果及分析

實驗是針對靜態(tài)背景下拍攝的包含待檢運動目標(biāo)的視頻素材進(jìn)行的，分別在靜態(tài)背景下錄制了室內(nèi)環(huán)境、室外環(huán)境及人物運動方向不同的3個視頻素材，并將這3個視頻素材利用MATLAB軟件進(jìn)行相應(yīng)處理。通過MATLAB軟件對視頻進(jìn)行處理后，發(fā)生變化區(qū)域顯示為白色，背景區(qū)域顯示為黑色，當(dāng)某區(qū)域的白色像素數(shù)達(dá)到一定比率，即超過閾值，則被識別為運動區(qū)域。

在實驗中，本文方法對干擾較為敏感，例如在對視頻處理中，程序有時將人物在車輛表面反光誤認(rèn)成了運動目標(biāo)。該問題可以通過手動選擇合適的閾值加以解決，背景噪聲較大時如樹葉、光影干擾，閾值應(yīng)選擇較大，背景噪聲較小時，可減小閾值以獲得運動目標(biāo)的更多特征，但是閾值的調(diào)整仍需進(jìn)一步智能化發(fā)展。

五、結(jié)束語

本文為基于幀間差分的運動目標(biāo)檢測方法研究。運動目標(biāo)檢測技術(shù)是智能監(jiān)控領(lǐng)域的一項基礎(chǔ)技術(shù)，利用幀間差分法實現(xiàn)運動目標(biāo)的檢測，提高了智能監(jiān)控的準(zhǔn)確穩(wěn)定，大大減少了視頻偵查人員的工作量。本文選擇運行系統(tǒng)主要是MATLAB、Adobe Photoshop CS4 、Window7，使用MATLAB軟件識別并拆分視頻幀，選擇合適間隔的相近幀進(jìn)行差分，通過比較像素點數(shù)值與閾值大小，確定前景與背景，進(jìn)而自動識別出運動目標(biāo)區(qū)域。實驗結(jié)論顯示，本文算法對視頻目標(biāo)檢測的準(zhǔn)確度較高，此外本文算法對每一幀的識別速率也可以實現(xiàn)公安視頻偵查工作中的實時性要求。但由于有物體表面反光、陰影影響，本文提出的方法仍有誤檢的概率，需要繼續(xù)研究改進(jìn)。

參考文獻(xiàn)

1.屈晶晶，辛云宏.連續(xù)幀間差分與背景差分相融合的運動目標(biāo)檢測方法[J].光子學(xué)報，2014，43（07）.

2.靳海偉，彭力，盧曉龍.基于幀間差分和粗糙熵的運動目標(biāo)檢測算法[J].江南大學(xué)學(xué)報（自然科學(xué)版），2015，14（1）.

3.馮堯文.基于幀間差分的運動目標(biāo)穩(wěn)健檢測方法[D].哈爾濱：哈爾濱工業(yè)大學(xué)，2011.

基金項目：中國刑事警察學(xué)院大學(xué)生創(chuàng)新訓(xùn)練項目（X202010175063）