基于有限线积分变换的序列图像运动目标检测

宋芳琴

（绍兴职业技术学院 信息工程学院，浙江 绍兴312000）

智能视频监控技术的研究是一个具有挑战性的前沿课题，涉及计算机科学、人工智能、机器视觉、图像工程、模式识别等多个学科［1］。智能视频监控技术的研究包括对动态场景中的目标定位、目标识别和目标跟踪等，并在此基础上分析和判断目标的行为，获得对图像内容的理解及对客观场景的解释，从而对行动进行指导和规划［2－3］。

运动目标检测主要是从序列图像中将变化区域从背景中分离出来。在进行运动检测时，常见的一种方法是摄像设备处于静止状态，而且镜头焦距也是固定的，此时，图像中的背景区域固定不动。这种情况下通常使用以下3种方法进行运动检测：光流法［4］、相邻帧差法［5］、背景差法［6］。

光流法可以在不需要背景区域的任何先验知识情况下，就能够实现对运动目标的检测和跟踪，并且可以应用在摄像机运动的情况。但光流法计算量太大，而且对噪声较敏感，对硬件的要求也比较高。

相邻帧差法能适应环境的动态变化，实现实时的运动动态检测，但分割出的运动目标不太完整。如果运动目标的速度过快，可能会检测2个运动目标，如果运动目标的速度很慢甚至在场景中停止，可能就检测不出运动目标。在一个场景中如果有多个运动目标，该方法会很难区分各个运动目标。

背景差法是一种最为简单和有效的方法，此方法通过当前帧减去背景参考帧，然后对所得图像选择合适的阈值二值化后，就得到完整的运动目标，这样，克服了相邻帧差法的缺点。但背景往往会发生变化，使得检测出的运动目标出现偏差。因此，如果背景图像能自适应更新，背景差法的效果会比较好。

本研究选用新近出现的多尺度几何分析方法——有限线积分变换作为研究工具，再结合背景差法对运动目标进行检测。实验结果表明，该方法能有效检测呈现出线性特征的运动目标，且对光照变化具有一定的鲁棒性。

1 有限线积分变换算法

2005年，Yang M Q等提出了有限线积分变换［7］（finite line integral transform，FLIT）。现以5×5的模板为例，对FLIT进行介绍，如图1所示。图1中，相同数字的方格属于同一条直线，方格X表示属于任何一条直线。

从图1可以看出：每条直线都通过模板中心的方格；所有的直线都只在模板中心方格处相交；除模板中心方格外，其余的每个方格只属于一条直线；关于模板中心方格对称的方格属于同一条直线。更一般的形式，设模板尺寸为p×p（p为一奇数），按上述方式定义出的直线共2（p－1）条。（当p≥7时，定义直线的方式不唯一。）设模板中心方格的坐标为（x，y），则在点（x，y）处的FLIT定义如下［7］：

图1 5×5的模板Fig．1 5×5template

式（1）中：Lk—标记为k的那些方格的集合，不同的k代表了不同斜率的直线集合，k的取值范围是1≤k≤2（p－1）；f（i，j）—（i，j）点的像素值。

对于一幅尺寸大小为m×n的图像而言，相应的FLIT计算步骤如下［7］：

1）确定模板尺寸p×p，p为一奇数。

2）对图像进行延拓操作，上、下、左、右分别加（p－1）／2行或列的零值，延拓后的图像尺寸变为m′×n′，其中m′＝m＋p－1，n′＝n＋p－1。像素值记为f′（i′，j′），其中0≤i′≤m′－1，0≤j′≤n′－1。

3）对满足

的任一像素点f′（i′，j′），记以（i′，j′）为中心，p×p的区域为D（i′，j′），将D（i′，j′）内的图像转换为零均值的图像。

4）计算（i′，j′）点，共2（p－1）个方向的FLIT。

5）对满足式（2）的所有像素点，依次重复步骤3和步骤4。

2 检测方法

对运动目标检测的研究采用“FLIT＋背景差法”，算法步骤如下：

设图像尺寸为m×n，

1）分别对背景图像和当前图像作5×5的FLIT，记作bFLIT（k，i，j）和pFLIT（k，i，j），其中0≤k≤7，0≤i≤m－1，0≤j≤n－1。

2）∀k∈ ｛0，1，2，3，4，5，6，7｝，计算背景图像FLIT和当前图像FLIT差值系数的绝对值

的均值mk和方差σk（共有8组均值和方差），相应的计算表达式为，

3）对dk，k∈ ｛0，1，2，3，4，5，6，7｝分别进行二值化，二值化的规则如下：

式（5）中：t— 常数，常取t＝1；1代表运动目标，0代表背景。

4）对代表不同方向特征的8幅二值图像进行综合，综合的原则是：突出需要的方向特征，抑制不需要的方向特征。例如，由先验知识知道，某序列图像的运动目标主要以垂直方向为主，则在综合不同方向特征的8幅二值图像时，图1模板中1～5的方向特征则需突出（特征权重大），6～8的方向特征则需抑制（特征权重小）。

5）采用数学形态学中的开操作来解决孤立噪声（光噪变化引起）的问题。开操作是先腐蚀后膨胀的过程，相关的定义如下［8］：

A用B来腐蚀、膨胀，分别记做AΘB、A⊕B

式（7）中：＾B ＝ ｛w｜w ＝－b，b∈B｝。

3 实验结果与分析

实验数据来自文献［9］，实验环境为PC＋Microsoft Visual C＋＋6．0。图2为背景图像和一帧序列图像。图3为对背景图像和检测图像分别作5×5的FLIT，并使用背景差法且二值化后的8个方向的图像。图4为综合8幅图像并进行形态学操作后的结果。图5是为显示检测结果的正确性和合理性，将图4中的检测结果映射到原检测图像上的显示。结合图4和图5可以看出，除了区域1（由光照变化引起）外，区域2、3、4、5都是期望被检测出的结果。区域2是背景图像中交谈的2个人，其相对位置发生了移动；区域3是相对于背景图像新走进的2个行人；区域4是远处一个行人走过引起图像局部的变化（局部放大图如图6所示）；区域5是一个行人走到柱子后面，露出了其脚后跟（局部放大图如图7所示）。区域1、2、3、4、5的共同点在于，它们都呈现出一定的线性特征，这正是它们能被FLIT检测到的根本原因。图8是检测出由于行人的影子使背景（如柱子表面）呈现出线性特征变化的区域。

图2 实验图像Fig．2 Experiment images

图3 不同方向上的检测结果Fig．3 Detection results of different orientations

图4 运动目标检测结果Fig．4 Detection result of moving object

图5 检测结果在检测图像上的映射Fig．5 Mapping of detection result in dection image

总的来说，在笔者所做的实验图像序列中，当前检测图像中的地板、柱子表面、墙面等与参考图像中的地板、柱子表面、墙面等相比，都存在或多或少的光照变化，而这些变化都不是实验所关心的。在绝大部分的检测结果中可以看到，上述变化对感兴趣运动目标的检测影响较小。因此，该方法对光照变化具有一定的鲁棒性。

图6 区域4的图像放大图Fig．6 Enlarged images of region 4

图7 区域5的图像放大图Fig．7 Enlarged images of region 5

图8 实验结果Fig．8 Experiment result

4 结 语

本研究以新近出现的多尺度几何分析方法FLIT为基础，结合背景差法来进行运动目标的检测。实验结果表明，该方法对具有线性特征的目标能进行有效的检测，并对光照变化具有一定的鲁棒性。同时，该方法对运动目标的检测还存在少量的漏检测或过检测的情况，因此，呈现出运动目标不完整或者是引入非感兴趣的运动目标。这些是下一步研究需要解决的问题。

［1］ 王素玉，沈兰荪．智能视觉监控技术研究进展［J］．中国图象图形学报，2007，12（9）：1505－1514．

［2］ 牛少平．计算机视频监控技术研究［D］．西安：西北工业大学，2006．

［3］ 谢少林．智能监控系统中高压缩比视频处理研究［D］．杭州：浙江大学，2006．

［4］ Smith S M，Brady J M．ASSET－2：Real－time motion segmentation and shape tracking［C］∥Fifth Internation Conference on Computer Vision．Cambridge，MA：IEEE Computer Society，1995：814－820．

［5］ Meier T，Ngan K N．Automatic segmentation of moving objects for video object plane generation［J］．IEEE Transactions on Circuits and systems for Video Technology，1998，8（5）：525－538．

［6］ Stauffer C，Grimson W E L．Adaptive background mixture models for real－time tracking［C］∥Conference on Computer Vision and Patten Recognition．Fort Collins，CO：IEEE Computer Society，1999：246－252．

［7］ Yang M Q，Peng Y H，Liu Y X．The algorithm and application of finite line integral transform［C］∥Microwave，Antenna，Propagation and EMC Technologies for Wireless Communications．Beijing：IEEE Computer Society，2005：411－414．

［8］ Gonzalez C R，Woods R E．Digital Image Processing［M］．2nd ed．Beijing：Publishing House of Electronics Industry，2005，519－527．

［9］ Online Computer Computers，Inc．History of OCLC［EB／OL］．［2013－12－17］．http：∥homepages．inf．ed．ac．uk／rbf／CAVIAR／．