运动序列目标检测算法研究及DSP实现
李文艳，王月琴，张笑微
（西南科技大学信息工程学院四川绵阳621010）
摘要：由于实际场景的多样性，目前常用的运动目标检测算法都还存在一定程度的缺陷，因此本文提出了一种将帧差法和背景减法相结合的方法，实现快速精确地检测和提取运动目标。实验结果表明，本方法是比较实用的，能较好满足实时视频监控系统的要求。最后将程序移植到基于DSP的平台上，进行相应的优化后基本满足了实时性的要求。
关键词：目标检测；帧差法；背景减法
中图分类号：TP751.1 文献标识码：A
Algorism Research of Moving Object Detection and DSP Implementation
LI Wen-yan，WANG Yue-qin，ZHANG Xiao-wei
(Southwest University of Science and Technology Mianyang Sichuan China 621010) Abstract: Because of the environment’s variety, the methods that have been used for moving object detection need to be improved. An algorithm based on two consecutive frames subtraction and background subtraction is presented and it can detect and extract object quickly and accurately. The results show that the proposed method is a practical one. It can meet the need of the real time video surveillance and monitoring system. The coding is transplanted in DSP, and the project is executed successfully on CCS simulator.
Keywords: Object detection; Frames subtraction; Background subtraction
引言
运动目标的检测在智能监控等领域中得到了广泛的应用。运动目标的检测就是从视频流中去除静止背景提取出运动的目标，运动目标的有效分割对跟踪等后期处理非常关键。
本文提出了将帧间差分和背景减法相结合的方法。首先选取一帧作为背景帧, 建立各像素点的高斯模型。再运用帧间差分法对相邻两帧图像进行差分处理, 区分出背景点和变化的区域。然后将变化区域与背景帧的对应区域进行模型拟合区分出显露区和运动物体。
1 运动目标检测算法总体流程
采用帧间差分与背景减法相结合的算法进行运动目标检测，包括运动目标的检测和将检测到的运动目标从背景中分割出来两部分，其系统框架流程图如图1所示。
图1 运动目标检测流程图
这种设计充分利用了被检测区域部分时间静止的特点，具有智能检测的功能，它只在检
测到“报警”时才存储视频内容到存储设备，能大大节约存储设备的容量。
2 视频序列运动目标的检测
2.1 背景模型的建立
现有的一些背景模型获取方法大都在场景中没有运动目标的情况下进行，但在实际应用
中有时无法满足这种要求。本文提出一种基于统计的背景模型提取方法，即假设在背景模型
提取阶段，运动目标可以在监视区域中运动，但不会长时间地停留在某一位置上。
比较相邻两帧图像可以发现背景像素点在一定的时间里差别不大，随时间变化缓慢，而
前景目标的变化区域像素点变化很大。自然界中的许多场景如水面的波纹、摇摆的树枝、飘
扬的旗帜等都呈现出多模态特性。因此对选取的背景帧的每一个像素点利用高斯模型建模。
在背景图像的估计算法中，在一段较长时间段内计算视频序列图像每一像素的平均亮度
0µ及像素亮度的方差20σ，组成了具有高斯分布的图像0B 作为初始的背景估计图像：
2
000[,]B µσ= （1） 其中00
1(,)(,)T i t x y f x y T µ==∑，220001(,)[(,)(,)]T i i x y f x y x y T σµ==−∑
图2（b ）为用高斯模型建立的背景图像。
（a ）原始背景模型 （b ）高斯背景模型
图2 背景模型的建立 背景模型的建立是通过不断学习新帧而得到的，兼顾了过去的背景信息，所以该方法对
实际图像中的偶然变化有一定的抑制作用。
2.2 运动目标的提取
首先利用帧差法确定相邻两帧间发生变化的区域，将视频序列中连续的两帧图像的灰度
进行差分处理，设(,)k f x y 和1(,)k f x y +是视频序列中连续两帧图像，检测规则如下：
111(,)(,)
|(,)(,)|(,)(,)k k k k T B x y f x y f x y f x y T M x y f x y +++<=⎧−⎨≥=⎩则则 （2）
T 表示灰度阈值，前后两帧图像的差值小于这个阈值的区域被认为是背景区域B(x,y)，
差值大于此阈值的区域被认为是运动变化的区域M(x,y)。
通过帧间差分法检测出了相邻两帧间发生变化了的区域，包括运动物体在前一帧所覆盖
的区域即显露区和运动物体在当前帧中所覆盖的区域即运动物体本身。然后利用背景减法去
除显露区，即可得到运动物体在当前帧中所覆盖的区域即运动物体本身。方法是将分割出的
运动变化区域M(x,y)中的像素点与各自的高斯模型拟合。检测规则如下：
12i 0(,)(,)|(,)B (,)1i i i i f x y B x y w x y w f x y σ⎧−>⋅+=⎨⎩如果|其他
（3） 其中，1w ，2w 为常数。实验中取1w =2，2w =0.02。
图3分别为检测到的单个和多个运动目标的图像。
