视频监控运动目标检测算法研究

魏 爽,高华玲（三亚学院,海南三亚， 572000）



视频监控运动目标检测算法研究

魏 爽,高华玲
（三亚学院,海南三亚， 572000）

摘要：视频的运动目标跟踪有很多干扰因素，如目标改变、复杂场景、目标变形等。为了解决这些问题，通过对几个常用的运动目标检测方法进行比较分析，提出了一个通过帧间差分和背景消除进行运动目标检测和识别的算法。通过进行模拟实验，结果显示了该算法具有较高的效率。

关键词：监控；智能；运动检测；目标跟踪

本文受到三亚市院地科技合作项目《智能视频监控技术的研究与应用》的资助（2013YD43）三亚市科技工业信息化局

0　引言

与静态的图像相比，动态图像包含了更多的信息。通过对动态图像进行处理，可以获取其中包含的信息。运动目标检测的目的就是从图像中获取需要的信息。考虑到获取图像时周围环境的复杂性，运动目标检测的质量受以下几个因素的影响：适应周围的光照变化的能力，在各种气象条件下保持良好结果的能力，避免检测时场景波动、抖动的能力，准确识别大范围不规则运动以及适应运动目标数量改变的能力等。

首先介绍帧间差分和背景消除的原理，然后对双邻帧差法和三帧差法进行介绍，最后提出一个改进的背景消除算法并通过实验进行研究。

1　帧间差分

帧间差分是检测视频图像序列中两个相邻的帧的变化最高效的方法。假设视频在时间t时刻的一个帧表示为f(x,y,t)，下一个时刻t+1的帧为f(x,y,t+1)。帧间差分得到的二值图为：

公式中，Th为决策的阈值。当帧间差分的值大于Th时，就认为该点为属于前景图，否则就属于背景图上的点。

双邻帧差就是通过下面的公式（2）计算得到Dk(x,y):

公式中的fk(x,y)，fk-i(x,y)分别代表相邻的两个帧，Dk(x,y)则是这两个帧的差分图。邻帧差分就是在设置i=1时，其值为：

T为进行二值化处理的阈值。工具公式（3）将Dk(x,y)进行二值化处理后得到Rk(x,y)。根据得到的Rk(x,y)值的连通性，如果相邻区域的值比阈值大，即R为1，那么就认为这块区域是获取最小邻接矩形的依据。

三帧差法是在双邻帧差基础上进行改进得到的。先在视频中获取连续的三个帧图像，通过三帧差可以获取运动对象的轮廓。然后可以通过此方法可以消除目标运动对背景产生的影响，进而可以获取更精确的运动对象轮廓。具体的计算如公式（4）和（5）所示：

这里fk(x,y)是第k个帧，T1和T2都是阈值，bk-1,k和bk,k+1是相邻帧差的二值化结果。通过对bk-1,k和bk,k+1进行逻辑操作，如公式（6），可以得到差分图。

2　背景消除

运动目标检测中，经常用到背景消除方法，它通过计算当前图像和背景图像的差值可以探测到运动目标所在的区域，基本步骤为：（1）计算当前帧图像和背景图像差值的绝对值灰度图；（2）设置阈值Th，获取二值图，从而在图像中获取移动对象所在的区域；（3）通过对差分图进行数字图像处理，分析连通区，如果该连通区的值比给定的阈值大，那么它就是运动对象。

3　基于改进背景消除方法的运动目标检测

背景消除的一个关键是获取相对理想的背景。为此，需要考虑对各种外界因素(如光线)的变化引起的对背景的改变，这就要更新背景。为了达到一定的检测精度，考虑到背景消除和帧间差分法的优缺点，将这两个方法结合起来，这样在进行目标识别时可以发挥各自的优点，进而改进运动目标识别的效果。

本文在背景消除和帧间差分法的基础上，提出背景建立的方法。该方法在多个帧的基础上减去背景，然后取平均值。首先，计算出连续几个帧的平均灰度值，然后通过计算连续几个图像的统计平均值来获取背景图像。这样，目标的信息越来越多，静态背景也得到了确定。最后，动态检测图像包含了目标的轮廓以及更多的目标信息，这样就达到了从图像中分离运动目标的目的。具体步骤如下：

（一）从视频流中获取图像，每五帧确定一个图像，对图像进行滤波去除随机噪声。这样就消除了噪声干扰，降低了复杂度。将得到的图像依次标记为f0，f1，…，ft。

（二）对获取的图像，每两个帧计算帧间差分，然后计算差分图的平均值，将计算结果作为当前帧的背景，记为fb(x,y)。

（三）如果帧间差分图的某一点的灰度值大于或等于预先设置的阈值，就选择图像在这一点的平均灰度值作为背景而不是当前图像的灰度值，否则选择上一帧的值

（四）从视频图像序列中提取出背景图像Bk(x,y)，该图像只包含了静态的背景图像。将当前帧fk(x,y)和fb(x,y)分别跟Bk(x,y)进行差分，得到FD(x,y)和FG(x,y):

（五）通过对FD(x,y)和FG(x,y)计算交集，获取运动目标区域图像。然后运用数字图像处理的方法对该区域进行处理，去处掉背景噪声。该方法得到的背景的变化和真实的视频中的背景变化基本一致，这样减少了运动目标与背景的融合度。

由于视频是由变化的图片组成的，需要用IIR滤波器对背景进行更新。将当前帧图像用F(x,y)表示，背景用B(x,y)表示，那么用IIR滤波器更新背景的方法用公式表示如下：

在计算背景的开始阶段，先选择一个初始的背景，然后用下面的公式（10）更新背景：

这里，Bk(i)表示当前的背景图像，Bk+1(i)表示更新后的值。Ck(i)是当前帧的值，β1和β2都是更新系数。Mk(i)值为0或者1，表示如下：

由于背景中存在噪声，如果|Ck(i)-Bk(i)|

将背景模型和前面的运动目标检测结果结合起来，将作为背景的点所在位置的更新率设置大一些α1=0.1,将运动目标所在位置更新率设置小一些α2=0.01.改进之后，运动目标对背景的影响大大减小，同时还可以及时响应背景的改变。

4　实验结果和分析

实验采用固定摄像头来实时捕获视频，这样就可以通过用背景消除法来实现运动目标识别。实验结果如图1至图3所示。

图1至图3展示了算法的实现过程，最终通过背景消除达到了目标识别的效果。从实验记过可以看出，简单的背景消除只能得到运动目标的轮廓，不能有效地获取对象区域的细节。通过此方法建立的静态区域背景模型和真实的背景相似度更高。但是在运动区域，两者之间还是有比较大的差别。由于结果受运动区域变化影响，这种方法只适用于运动目标较少，且背景图像保持时间较长的情况。因为长时间视屏有很多图像序列要计算，背景更新应该慢一些，这样才能保证最小序列均值的预估偏差保持在较低。

图1　背景图片

图2　当前帧与背景的差分

图3　运动目标识别

5　小结

本文描述了视频监控中运动目标检测的基本原理和运动检测方法做了简单介绍。在背景消除的基础上，提出了改进的背景消除算法进行运动目标检测，并对背景模型的建立和更新做了详细描述。最后，通过实验对几种方法进行了分析和对比。

参考文献

[1]李睿,刘昌旭,年福忠.基于自适应背景的多特征融合目标跟踪[J].计算机应用.2013(03).

[2]张祥合.复杂场景中目标识别与分类的仿生原理和方法[D].吉林大学,2012.

[3]樊晓亮,杨晋吉.基于帧间差分的背景提取与更新算法[J].计算机工程.2011(22).

[4]武怀金,王武江.基于帧间差分方法的运动目标检测[J].黑龙江科技信息.2012(10).

[5]李秋林,何家峰.基于三帧差法和交叉熵阈值法的车辆检测[J].计算机工程.2011(04).

[6]张丹丹,娄焕.帧间差分法中阈值的选择[J].科技信息.2013(34).

[7]陈延涛.一种改进的混合高斯模型运动目标检测方法[J].四川大学学报(自然科学版). 2009(05)

[8]Markus Svensén, Christopher M. Bishop. Robust Bayesian mixture modelling[J]. Neurocomputing. 2004.

Research on Moving Object Detection of Video Surveillance

Wei Shuang,Gao Hualing
（Sanya, Hainan Sanya University,572000）

Abstract：Moving object detection of surveillance video can be interfered with by many factors,such as target changing,complex scenes,target deformation.Several common methods for moving object detecting are researched,and an improved algorithm for moving object detecting based on frame-difference and background subtraction is presented to solve this problem.A simulation experiment is carried out and the result shows the high performance of the algorithm.

Keywords：Surveillance;Intelligence;Motion Detection;Object Tracking