基于计算机视觉运动目标检测综述

王文智，张儒良，黄成泉，王 林

(贵州民族大学理学院，贵州贵阳 550025)

基于计算机视觉运动目标检测综述

王文智，张儒良，黄成泉，王 林

(贵州民族大学理学院，贵州贵阳 550025)

为了使人们对运动目标检测的方法更加了解，列举了对视频图像序列中运动目标进行检测的大量文献。首先叙述了运动目标检测的常用算法:帧间差法、背景减除法;然后，分析过去在运动目标检测中遇到的一些问题;最后，归类描述解决各个问题的关键方法。

运动目标检测;视频图像序列;帧间差法;背景减除法

引言

近年来，运动目标检测已经成为诸多学者在计算机视觉领域的热门研究课题。运动目标检测是目标提取、分类、跟踪、识别等的基础。

目前，经常用于运动目标检测的方法有:帧间差法、背景减除法。帧间差法是用视频图像中相邻几帧图像进行相减;背景减除法是通过建立背景图像后，再用背景图像与当前帧图像进行对应相减来获得运动目标。但是在现实的生活中所建立的背景图像往往不能时适地代表真实的背景，如文献［1，2］所提出的问题:背景中的物体发生运动;由于光线的变化产生背景的变化;同一背景区域中有不连续的或周期性的变化;目标在运动过程中停止;物体从背景中由静止开始运动，引起背景变化等等。所以，很多学者就根据实际生活中存在的这些问题进行了一些算法的应用与改进。

1 运动目标检测的常用方法

运动目标检测是在计算机上对视频图像序列进行的目标区域检测，目前运动目标检测的方法通常为:帧间差法、背景减除法。

1．1 帧间差法

传统的帧间差法是用相邻两帧或相邻三帧连续图像对应相减来获得运动目标。这个方法简单，且算计量小。因此，在过去的几年里，有很多对运动目标进行检测的文献都使用了帧间差法，但是，由于传统帧间差法对运动较慢的运动目标检测时容易在目标内产生空洞现象，而且在场景的光照等实然发生变化时用帧间差来检测会检测出虚假的目标。所以近年来的一些学者就对传统的帧间差法进行改进后再用来进行目标检测。

1．1．1 针对“空洞”等现象

传统的帧间差法在运动目标检测中所检测出的目标内“空洞”和边缘丢失的现象，使得检测不到完整的运动目标，因此，有学者对传统帧间差法检测运动目标时出现的“空洞”和边缘丢失的现象进行了算法的改进。如文献［3］中提出基于能量差比较的帧间差法。首先，利用视频图像序列中相邻帧图像进行帧差提取运动区域，同时还对运动区域构造两个对称方向的探测矩阵。然后，在运动区域内对应的原图像上搜索运动目标的边缘，并用运动区域与这两个对称的探测器矩阵卷积得到能量差函数。最后，通过能量差函数和运动目标边缘的关系，提取出完整的目标，减少了检测的“空洞”现象。文献［4］中提出了一种新的运动目标检测算法，该算法对图像序列进行了预处理，并通过传统的帧间差法进行运算，还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。

1．1．2 针对“受到噪声和亮度突变的影响、出现虚假目标”等现象

针对目前我们所用的拍摄视频工具对噪声、光照亮度突变的情况，应用帧间差法很难提取出完整的运动目标这一难题。有许多学者对帧间差法也进行了研究和算法改进，如文献［5］中提出了一种基于三帧差分和边缘信息的运动目标检测方法。该方法用相邻三帧图像进行边缘提取，获得三帧相邻图像的边缘图像，然后再利用这三帧边缘图像进行三帧差分运算，并用取阈值法进行目标分割来得到目标的提取。文献［6］中提出了一种帧间差分的自适应运动目标检测算法。算法利用直方图统计各像素点处最大概率灰度的方法提取出视频图像中相邻帧图像的背景区域图像，再利用相邻帧间差法得到运动区域图像与背景区域图像进行比较得到运动目标区域。文献［7］中针对视频图像提出了一种帧间差法和边缘信息检测法相结合的视频图像目标提取算法。首先对当前图像帧的前后一帧的图像进行差分得到运动区域;其次用Kir-sch边缘检测对当前帧进行边缘提取得到边缘图像;再次，结合两步检测的结果得到更为精准的运动对象边缘;最后，通过边缘拟合使断裂的边缘的连接，通过掩模图像进行区域填充得到运动目标。文献［8］中提出一种改进的三帧差分运动目标检测算法。首先提取相邻三帧图像，对前两帧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，并通过形态学膨胀处理，得到粗略运动目标;最后用此粗略运动目标与第一步获得的边缘进行与运算即可得到较为完整的运动目标。

帧间差法的编程实现很简单而且运算速度也很快，对一些须光线的缓慢变化的背景影响不大，而且在对一些光照突变等的现象，目前文献进行改进检测有难度［5-8］，所以帧间差及它的改进方法能能够有效地检测出运动目标，但是此算法和它的很多改进算法对运动速度很快的目标进行检测时还是出内部空洞的现象。所以对运动目标检测所用的帧间差法仍然需要以后的学者进行改进和创新。

1．2 背景减除法

背景减除法是运动目标检测常用算法之一，它是将建立好的背景帧图像与输入的当前帧图像进行对应相减，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。当然大部分背景减除法只针对固定摄像机所获取的视频进行运动目标检测，而且在背景建模时也有多种方法:如均值法、单高斯法、混合高斯法等进行建立背景。

1．2．1 均值法提取背景的运动目标检测

均值法是指将拍摄所获得的视频图像序列的一部分用于训练背景，其思想是用作训练背景的图像进行对应相加再求平均值，即用平均值图像作背景图像来检测运动目标。如文献［9］中先用一段时间内的图像数据，进行对应像素点位置的像素值求平均或者中值滤波后，获得的图像各点像素值为背景图像值，这种方法能解决由于摄像机抖动产生影响和场景光照突变所引起的瞬时噪声。但是，这种方法只适用于一般场景。均值法要求在训练背景图像过程中，需要一定的内存容量来存储视频图像序列，并且在训练中对包含有运动目标的场景所获得的背景图像效果不是很好，所以均值法建模背景时，用于训练的视频图像序列最好是没有大的运动目标的视频图像。为了解决上述均值法获得的背景不理想的问题，文献［10］中在图像背景建模时，考虑均值法受到车流量等的影响，所建模出来的背景图像有残影。所以，为了去除背景图像中残影的部分，提出了一种基于均值法的差分求值的方法，基本的思路是选取视频图像序列的前n帧图像，利用均值法获得一个初始背景图像，此背景模型为含有残影的背景图像。再通过对前n帧图像与背景初型求方差，得到一个方差图像。这个方差图像也就是初始背景图像中的残影部分。最后，通过初始背景图像与残影的差值，最终得到了不含有残影的背景图像。这个方法有力地克服均值法建立背景时所产生的残影，为后续的运动目标检测提供了方便。

1．2．2 单高斯法提取背景的运动目标检测

由于在1．2．1节中所建立的背景图像是通过求均值的方法来得到的背景图像，在视频图像序列帧数很大时，再利用均值法来建模背景，则计算量等就非常复杂，因此一些学者根据实际的生活中一点像素的变化情况服从一个正态分布，也即高斯分布。如文献［11］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，对认为是背景的像素点进行了更新，对认为是前景的像素点则不参与背景模型的更新，所以，对目标的运动状态发生改变时，即由静止变为运动或由运动变为静止时，算法对相应像素点都采用的更新背，最后通过背景图像与当前图像对应相减就可以得到运动目标。而文献［12］中是针对传统单高斯背景模型不能适应背景实时的变化，所产生对运动目标检测不完整的问题，提出了一种改进的单高斯背景模型运动目标检测算法，而这个方法是取视频图像序列前n帧图像的均值作为初始背景图像，根据单高斯背景模型更新方法来用当前帧图像和背景帧图像进行检测，对认为是背景的点进行背景模型更新，利用一个累积窗口对更新后的背景图像中不属于背景点的像素点进修正，将最后得到的背景图像作为用来检测用的背景图像，再通过背景减除法获得运动目标。

1．2．3 混合高斯法提取背景的运动目标检测

在运动目标检测的的整个过程中，由于视频图像序列中图像的某一像素点处的像素值会随着光线的强度等一些自然界因素而改变，往往不是只服从一个正态分布，面是呈现出多个正态分布的形式，也就是单一的一个高斯分布函数是无法对时常改变的像素进行描述。而多高斯恰好能克服这种变化，所以就有文献［13］中所述的Stauffer等人提出应用混合高斯分布函数来描述背景图像的变化。针对传统高斯分布训练背景时速度较慢等问题，提出了一种基于新的背景模型更新模式的目标检测方法，首先，对二维彩色序列图像建立混合高斯分布，在背景更新方法上对于不同的阶段使用不同的更新参数，然后由背景减除法得到运动目标图像。文献［14］中提出自适应的运动目标检测方法。它是在同一像素点被同一灰度车辆等船体覆盖几率小的假设上构建初始背景图像，并且给每个像素点在线选取高斯分布的个数。而且在判断是否为背景点时还根据像素点与其邻域像素间存在关系，进行在线更新学习率。最后才利用背景减除法来检测出运动目标。文献［15］中是在彩色颜色空间进行背景建模，并且是用改进更新方法后的混合高斯模型进行背景建模，先将颜色空间从RGB转换到Ycbcr，再采用自适应选择策略来确定混合高斯模型的高斯成分个数;最后，将高斯分布按照权值的比重进行排序，选取前几个最能代表背景的高斯分布作为背景图像。

1．2．4 背景减除法在运动目标像素与背景像素相似时的应用

目前背景减除法在运动目标检测上使用得非常多，并且都能检测出目标，但是在一些运动目标与背景图像相似时，则无论是帧间差法还是背景减除法都无法克服目标空洞或断裂等现象，因此针对这一问题，许多学者也做了一些研究，如文献［16］中采用了像素分类与混合高斯背景模型相结合来对运动目标进行检测。首先利用混合高斯模型对背景图像进行建模，克服了场景变化等因素带来的影响;其次，通过背景图像与当前帧图像作差分获得差分图像，并对差分图像的像素进行分类，利用分类后的像素进行双阈值化分割，得到完整的目标。文献［17］中在混合高斯模型下采用自适应的运动目标检测算法。先根据各像素点的像素值的的情况，自适应地选择高斯分布的个数对背景图像模拟，再对差分图像进行阈值处理，在阈值选取时提出了的自动调整阈值的方法，对差分图像的像素进行分类阈值化分割，这样就能得到了完整的运动目标。

2 混合法

运动目标检测常用的方法是帧间差法和背景减除法。帧间差法是通过时间序列视频图像相邻两帧或相邻三帧对应点进行相减，获得的差分图像再利用阈值来分割出运动目标区域，此方法计算量小、快速，而且对缓慢变化的场景运动目标的检测影响很小，甚至没有影响。但是通常情况在运动目标缓慢运动下容易在目标内部产生空洞现象，难以得到完整的运动目标，最终使运动目标信息不齐全。背景减除法一般是用事先建模好的背景图像与当前图像进行比较，通过消除背景来获得运动目标，这种方法难点在于背景建模与背景更新环节上，所以背景减除法思想简单。若能很好地提取时适背景帧，则对场景的变化的适应能力增强，对运动目标的提取会更加准确。但是对背景建模与背景更新环节的编程实现仍有一定的难度。

针对背景减除法和帧间差法对运动目标检测存在的不足，混合法进行了结合与创新:如利用帧间灰度值信息的邻域相关系数计算方法，解决了背景的更新与误判的问题，通过帧间差和背景减除的各信息分析运动目标的区域，解决缓慢运动目标的空洞等问题，如文献［18］中利用帧间差法将相邻两帧的图像进行差分，现通过灰度拉伸来更新背景图像，最后用邻域的均值和方差相关系数进行目标检测。文献［19］中针对传统混合高斯分布中建立背景图像时由于更新速度比较慢所产生的鬼影现象，进行改进混合高斯背景的更新策略，又以帧间差法得到出现空洞现象的目标区域和背景减除法获得的目标区域相结合，在背景突变下也能进行有效地检测出运动目标。文献［20］中对背景重建速度和目标检测精度，提出采用基于统计模型对像素区域分级重建背景的方法，并对帧间差法得到目标的可能区域，在该区域进行像素级背景重建，然后用背景差分精确提取目标区域。既克服了单纯帧差分对于目标运动速度的限制，又缩小了背景差分的区域，使运动目标检测的时间复杂度迅速降低。文献［21］中针对建模背景时光照突变敏感等问题，提出了背景差分法与三帧间差法相结合的运动目标检测算法:先是用当前帧与混合高斯分布建立的背景图像进行差分，快速检测出运动变化区域;然后，利用前一帧图像与当前帧图像进行比较判断场景是否发生光照突变，场景中若未发生光照突变，则采用混合高斯模型背景差分法提取运动目标，若发生光照突变，则采用三帧间差法与背景减除法相结合共同提取运动目标。文献［22］中用分块帧差法和背景减除法相融合的运动目标检测方法，同时也利用分块的方法建立初始背景图像，将视频序列图像划分为几个小分块，利用帧间差方法对图像的各块进行阈值分割得到粗略的运动目标，然后采用各块背景减除法对运动区域进行检测。并结合帧间差法得到的粗略运动目标最终提取准确的目标区域。文献［23］中在为每个像素构建自适应混合高斯分布，并通过帧间差法把各帧图像中的背景区域和运动区域分开，在背景区域中的像素点以特定较大的更新率更新背景图像，在运动区域则也用一个较小的更新率来对背景适当更新。文献［24］中运用改进的时间平均算法初始化背景，在有目标情况下也能构建出可靠的背景，再用背景图像与当前图像通过背景减除法得到目标运动区域，且利用像素的连通区域除噪声;最后经过三帧间差法的检测结果与背景减除法获得的结果进行“与”运算，得到精确的运动目标。文献［25］中用相邻帧图像的帧间差法获得相邻帧间差分图像，然后对差分图像进行滤波获得运动目标区域，再通过构建的背景图像与当前图像进行背景减除法，之后再利用OSTU阈值分割技术获取运动目标区域，通过背景减除法和帧间差法的融合检测出真实的运动目标。文献［26］中对帧间差法增加了中值滤波和梯度比较，结合相邻帧间差法和混合高斯背景图像的结果，把当前图像分为4个区域，对每个区域内的混合高斯分布参数采用不同的更新策略，减少了运动目标对背景模型的干扰，根据区域的划分情况和相邻帧差间法的结果确定最终的运动区域。

3 结论

本文首先叙述运动目标检测的常用算法:帧间差法和背景减除法，再通过分析传统的帧间差法和背景减除法的不足，并针对传统帧间差法的检测运动目标时出现的“空洞”现象和在场景突变时检测的不准确性，进行归类叙述各算法的改进文献。对于背景减除法的文献叙述时，从均值法、单高斯法、混合高斯法逐一根据不同场景、不同光照等的变化进行归类叙述，最后通过帧间差法与背景减除法相融合，有针对性地对光照突变、背景中静止物体突然运动、运动的物体突然静止、目标物的像素与背景像素相似等情况的文献进行了叙述。通过对上述的文献的阅读，使我们更多地了解了运动目标的检测算法，并且在进行这方面的实验时，大多数是应用帧间差法与背景减除法相融合来进行检测，而且我们也发现这两种方法的融合可以弥补各自方法的不足。但是在一些比较复杂的场景中还是不能很好地检测出准确的目标区域，所以运动目标检测的方法仍然需要改进与创新。

［1］张森悦，李一波．复杂条件下的运动目标检测方法研究综述［J］．沈阳航空工业学院学报，2008(03): 59-63．

［2］张宏琳．智能视频监控中运动目标检测研究综述［J］．科技信息，2014(06):227．

［3］董俊宁，杨词慧．空间约束混合高斯运动目标检测［J］．中国图象图形学报，2016(05):588-594．

［4］严金果，徐蔚鸿．基于新的帧间差分运动目标检测算法［J］．计算机工程与设计，2013(12):4331-4335．

［5］吕云波，张志龙，李吉成，等．一种基于视觉注意模型的可移动目标检测方法［J］．红外，2016(03):25-31．

［6］薛丽霞，罗艳丽，王佐成．基于帧间差分的自适应运动目标检测方法［J］．计算机应用研究，2011(04): 1551-1552+1559．

［7］杨蕊，张泾周，李荣，等．基于帧差法与边缘信息的红外目标检测算法研究［J］．科学技术与工程，2012 (26):6648-6651．

［8］刘红，周晓美，张震．一种改进的三帧差分运动目标检测［J］．安徽大学学报(自然科学版)，2014(06): 55-59．

［9］黄磊，于曼曼．基于背景差分的运动目标检测研究［J］．软件导刊，2009(06):187-188．

［10］韩超，邓甲昊，邹金慧，等．基于差分均值背景提取和矩阵分区目标检测算法的研究［J］．北京理工大学学报，2012(12):1247-1251+1257．

［11］王慎波，张为．基于块模型的混合高斯模型运动目标检测方法［J］．信息技术，2016(06):151-156+160．

［12］陈银，任侃，顾国华，等．基于改进的单高斯背景模型运动目标检测算法［J］．中国激光，2014(11): 245-253．

［13］郭俊，王平．基于改进的混合高斯模型的运动目标检测［J］．微型机与应用，2016(10):30-32+49．

［14］黄鑫娟，周洁敏，刘伯扬．自适应混合高斯背景模型的运动目标检测方法［J］．计算机应用，2010(01): 71-74．

［15］黄玉，殷苌茗，周书仁．基于YCbCr的自适应混合高斯模型背景建模［J］．计算机工程与科学，2015(01): 152-156．

［16］高凯亮，覃团发，陈跃波，等．一种混合高斯背景模型下的像素分类运动目标检测方法［J］．南京大学学报(自然科学版)，2011(02):195-200．

［17］程全，马军勇．基于改进高斯混合模型的运动目标检测方法［J］．计算机科学，2014(07):318-321．

［18］张金敏，王斌．光照快速变化条件下的运动目标检测［J］．光电工程，2016(02):14-21．

［19］游佩佩，何建农．基于双向分析的KGMM运动目标检测算法［J］．福州大学学报(自然科学版)，2016 (01):40-44．

［20］屠礼芬，仲思东，彭祺．基于混合差分法的运动目标检测［J］．科学技术与工程，2012(02):325-329．

［21］卢章平，孔德飞，李小蕾，等．背景差分与三帧差分结合的运动目标检测算法［J］．计算机测量与控制，2013(12):3315-3318．

［22］高美凤，刘娣．分块帧差和背景差相融合的运动目标检测［J］．计算机应用研究，2013(01):299-302．

［23］王小峰，王吉华，王远鹏，等．混合高斯模型和差分法相融合的运动目标检测［J］．小型微型计算机系统，2013(03):685-688．

［24］邱联奎，刘启亮，雷文龙．基于背景减除与三帧差分相融合的运动检测［J］．合肥工业大学学报(自然科学版)，2014(05):572-577．

［25］屈晶晶，辛云宏．连续帧间差分与背景差分相融合的运动目标检测方法［J］．光子学报，2014(07): 219-226．

［26］於正强，潘赟，宦若虹．一种结合帧差法和混合高斯的运动检测算法［J］．计算机应用与软件，2015(04): 129-132+270．

［责任编辑:周冬梅］

Review of moving object detection based on computer vision

WANG Wen-zhi，ZHANG Ru-liang，HUANG Cheng-quan，WANG Lin

(College of Science，Guizhou Minzu University，Guiyang，Guizhou，550025)

To providea better understanding of object detection method，a great number of documents on the method of moving target detection in video image sequence are listed in this paper．It starts with a description of the common algorithm for moving object detection:framedifference method and background subtraction．Then the problems existing in the past moving object targets detection are analyzed．Finally，the important methods for corresponding problems are discussed．

Moving target detection;Video sequences;Frame difference method;Background subtraction

TP391．41

A

1674-7798(2016)09-0018-05

10.13391/j.cnki.issn.1674-7798.2016.09.004

2016-07-14

贵州省科学技术基金项目(黔科合J字［2014］2095号);贵州省科学技术基金项目(黔科合LH字［2014］7390号)。

王文智(1990-)，男，贵州惠水人，贵州民族大学理学院2014级在读硕士，研究方向:模式识别与图像处理。