运动目标检测研究方法述论
- 格式：pdf
- 大小：1.89 MB
- 文档页数：3
2017
年第8
期
信息通信 2017
(总第 176
期） INFORMATION & COMMUNICATIONS (Sum. No 176)
运动目标检测研究方法述论
霍天枢，潘鸣宇
(吉林广播电视大学，吉林长春130022)
摘要:运动目标检测是视频处理系统的基本环节，它是运动目标跟踪、特征提取等复杂的处理的前提。当前，运动目标检
测技术在视频监控、工业监测、质量控制、智能交通系统等众多领域广泛应用。文章介绍了背景减除、帧差法与光流法的
原理特征，并对比分析指出了这三种方法的优势和局限性，对进一步提高运动目标的准确检测具有意义。
关键词:运动目标检测；光流法；背景差分法;帧差法
中图分类号:TP
391.41 文献标识码:A
文章编号：1673-1131(2017)08-0104-03
〇引言
近年来,运动目标检测技术快速发展，是诸多学者在计
算机视觉范畴的热点研究课题,运动目标有效检测对于目标
根据和运动分析非常重要，其主要目的是通过序列图像将运
动物体从复杂的背景图像中分割出来，进而得到目标的位
置、大小、旋转角度及运动轨迹等信息。运动区域的有效分
割为后续目标根据提供可参考的区域。要在各种复杂场景
(如关照变化、突变、噪声干扰、阴影）中寻找一种通用的运
动目标检测方法存在一定执行难度，众多研究学者提出了自
己的检测算法，致力于构建一种实时准确的检测方式，对相
关研究做出相应贡献。运动检测算法多数利用连续图像的
时间、空间信息对检测目标区域进行提取的方法来实现，本
文就目前比较常见的方法，即背景减除法(Background
Sub
traction
)、 侦差法 （Frame
Difference
) 与光流 (Optical
Flow
)
进行分析。
1背景减除法
1.1算法原理
背景减除法将建立好的背景帧图像与输入的当前帧图像
逐像素点差分，用背景帧图像与当前帧图像的差分图像的绝
对值来表示，对有变化的区域则认为是运动目标。背景减除
法流程图如图1所示。
图1背景减除法流程图
预先通过多帧累积取平均的方法建立背景模型B
k如式所
不。
心(1)
式中:Bi
(i
-1,2,_",N
)为初始化累积的图像帻，N
为初始化
累积帧数。构建均值模型后，将每一帧图像与当前背景模型
逐像素点差分检测运动区域，并根据场景的变化动态地对模
型参数进行更新。设b
(x
,y
,k
)为背景帧图像在点(x
,y
)处的像素
值，背景差分二值图像表示为：
S2(x,y,z) =
其中检测阈值与帧间差分过程的阈值取值保持一致。
1.2背景减除法评析[\,\f(x,y,k)-b{x,y,k^>T
[〇, |/(x
, y,k)-b(x,y,k^T背景减除法的背景建模时有多种方式:如均值法、单高斯
法、混合高斯法等进行建立背景,近期研究学者对自适应模型
表现出浓厚兴趣，此类模型能够相对可靠地处理对噪声、阴影、
光照变化等干扰产生的影响。如文献[1]中对传统的单高斯分
布的背景更新算法上进行改进，建模背景图像,而且这改进后
的单高斯背景更新算法能够较好地适应室内场景光线的变化,
在背景更新的环节上，有效地区分背景像素点和前景像素点。
文献[2]提出了混合高斯背景模型参数估计和优化，使模型更
具有稳定性，但建模的过程中导致参数更新难以适应场景的
变化。文献[3]中所述一种多帧背景差与双门限结合的运动目
标检测方法，通过改进Surendra
背景模型得到清晰的背景图
像，利用灰度差分图像确定的两个门限值，该方法有较好的抗
干扰能力，能够准确地分割出前景目标。文献[4]基于亮度扩
展为颜色信息创建基线标准，利用随机投影矩阵来降低数据
的维数，同时保留大部分的信息，多个数据集表明此形式的背
景减法的准确性优于传统的背景减法的方法。文献[5]采用变
分贝叶斯算法和背景减法相融合的方法，利用变分期望最大
化算法优化分配参数，实验表明该方法在阴影干扰，光照变化
和场景抖动下，有较强鲁棒性。
2帧差法
2.1算法原理
帧差法通过对连续两帧图像做差分来检测运动目标，它
将图像序列中连续帧中所有对应位置的像素值进行相减，得
到帧间差分图像。帧差法的一般实现流程如图2所示。
图2帧差法的一般实现流程如图所示
对当前关键帧/(x
,y
,k
)与前一关键顿/(X
,y
，k
-t
)进行差分处
理，并根据检测阈值T
对差分图像进行前景与背景的分离，当
检测目标表面对光线不敏感，具有较大面积的灰度均匀的区
域时，在运动实体内部会出现“空洞”现象。采用相同间隔(b
2)
的3帧间差分法，将相邻两关键帧分别进行差分及二值处理，
从重合的部分提取前景。设/(k
)(k
=l
，2,…)为视频图像序列，
104信息通信霍天枢等:运动目标检测研究方法述论
/(k
±nt
)(n
=0,1，2,…)表示算法处理过程中的关键巾贞,间隔顿取
样能够更好地提取出目标的完整轮廓，同时减少算法运算量。
/ (x
,y
,k
)表示第k
帧图像在点(x
，y
)处的像素值,选取相邻三个
关键倾/ (x
，y
,k
-t
)，f
(x
,y
,k
),f
(x
,t
,k
+t
)，以前两帧为例其差分二值
图像表示为：
DM，y,k) =^\f(x,y,k)-f(x,y,k-t)\ > T
〇» |/(*. y, *) ~ /(•*, y,k-t)\
同理得到D
2(x
，y
，k
+t
),最终提取的前景目标表示为:
1 0,其他(4)
2.2帧差法评析
帧差法计算简单，易于实现,描述运动目标的时间变化信
息，但由于算法本身的缺点，帧间目标运动过慢时，会将产生
失效，在运动物体内部产生空洞，根据帧差法的存在的问题,
研究学者们提出了一些新的观点和方法。文献[6]中提出一种
新的运动目标检测算法，对图像序列进行预处理，并通过传统
的帧间差法进行运算，引入对帧间差所获得的区域进行边缘
分析，最后用数学形态学分割处理与边缘检测结果进行逻辑
“或”运算，从而得到运动目标。文献[7]中提出一种改进的三
帧差分运动目标检测算法。通过提取相邻三帧图像，对前两
帻进行滤波和边缘提取，将这两帧所提取的边缘信息进行异
或运算;然后对后两帧图像进行差分二值化，与形态学算法融
合，获取检测目标目标;最后将检测目标目标与第一步获得的
边缘进行与运算从而获得准确的运动目标区域。P
. Ramya
[8]等
人通过改变帧差法的相关系数，基于块的运动估算进一步对
像素级别进行细化。
3光流法
3.1算法原理
光流法是用于估计运动场的一个较常用的方法，其基本
原理是利用速度矢量来表征图像的各个像素点，使目标运动
在三维空间和二维图像中相对应，然后根据各像素点的速度
矢量特征，通过运动场实现图像动态分析。光流场算法以心
理学实验为基础，Horn
和Schunck
在1981年将二维度场与灰
度联系，引入光流约束方程的算法，对后来光流算法发展有指
导性作用[9]。
假设图像上一个像素点(x
,y
)，在时刻的亮度为E
(x
+Ax
，y
+
Ay
,t
+At
)，分别用u
(x
,y
)和v
(x
,y
)表示像素点(x
，y
)光流在其水平
方向和垂直方向上的移动分量u
=dx
/dt
和v
=dy
/dt
,在一定时
间间隔At
后像素点(x
，y
)对应点亮度可表示为E
(x
+Ax
,y
+Ay
,t
+
At
),当At
趋近于时，则认为像素点(x
,y
)对应点亮度不变，则有:
E(x,y,t) = E(x + Ax,y + Ay,t + At) (5)
当该点的亮度存在变化时，移动后像素点(x
,y
)的亮度由
Taylor
公式展开，可得：
f
(
jc +
Arj 十 十
A/) = 十
Ax 十 十+
A/ 十
f
忽略其二阶无穷小，由于At
趋近于0时，有:
BE dEdx dEdy 〇17
• — —^― \ £ gw
d/
dx dt dx dt(6
)
(7)
上式为基本光流约束方程，式中wKu
，v
)。像素点灰度沿
x
,y
,t
方向的梯度可分别用忌=f
，尽=f
, £,=f
进行表示，贝!J
上式为:ExU
+EyV
+E
^O
。
3.2光流法评析
光流法包含了物体的运动信息，能够检测出独立运动的
目标，其核心是通过对运动物体的速度信息求解，利用其光流
场的分布完成对目标进行检测，尤为适合背景动态变化的场
景。通常光流计算方法可分为梯度、匹配、能量和相位4种。
其中梯度法利用图像灰度的时间空间偏导计算光流，具体方
法有2种:局部平滑法(LK
)和全局平滑法(HS
),文献[10]将其
用于微表情和宏观表情的检测，但是LK
存在有光流稀疏，对
区域边缘的运动估计不准的缺陷，基于全局平滑法可以保持
运动连贯性，在低噪声下跟踪目标有较强鲁棒性。文献[11]提
出了一种新型、高效的视频序列中运动目标区域检测方法，采
用归一化自适应光学流检测不同对象的运动目标。_钧华[12]
等人对彩色金字塔Lucas
光流算法进一步改进,在背景剧烈旋
转运动下获得准确率较高的图像光流场，基于光流场估计背
景运动透视模型参数，与图像预处理和形态学相融合，实验证
明该算法能够有效地改善光流计算效果，降低误差值，在旋转
运动背景中准确地检测出运动目标。
目前，众多学者对运动目标检测应用的方法大多是以其
中的一种或者两种方法为基础的，为了综合展示每种方法的
特点，图3对这三种方法的各种性能做了比较。
检测方法目标信息背设复杂度准确度
背景减除法运动静态较高较低
帧差法运动静态、动态低较低
光流法运动、结构静态、动态高较高
图3三种运动目标检测方法比较
背景差法原理易于实现，需要选定相应阈值，常针对固定
摄像机所获取的视频进行运动目标检测，尤其适合背景相对
稳定的场合，其准确度和灵敏度较高，但存在一些缺陷如：对
由于光线、天气以及其他动态场景引起的变化过于敏感;背景
差分法的阈值选择比较复杂,过大或过小均会造成失误。
帧差法计算适用于动态实时环境下的检测，该算法运算
快易实现，但同时存在一定缺陷，在对帧间目标的重叠部分进
行检测时，容易在运动物体内部产生空洞现象,当运动物体突
然停止时，此检测算法将会失效。常常在检测出目标比实际
稍大，但的确是一种快速判别目标进场的优秀方法。
光流法在背景动态变化的情况下，具有较强的自适应性，
同时对多目标的运动分析结果令人满意，对于遮挡，摄像机运
动等问题有很好的适应性。但是因为光流法需要遍历所有图
像的全部像素点，大多数光流计算法复杂性高,常常需要特殊
的硬件设施。此算法对多光源、噪声等特别敏感，易产生错误
结果。
5结语
本文总结了运动目标检测的三种基本算法。三种算法各
有优缺点，在实际的应用系统设计中，应根据具体情况，选
取适当的特征以及相应的运动目标检测算法。在运动目
标检测技术的实际应用中，研究人员可以在上述方法的基
础上，根据环境的不同，对算法进行改进，同时近期出现的
新方式也给目标检测算法带来了更多的可能性和有待改
进的空间。
105
