基于三帧差分和滑动平均背景的运动目标检测

周　晓，方玖琳，郑定超

（浙江工业大学　信息工程学院，杭州　310023）

基于三帧差分和滑动平均背景的运动目标检测

周晓，方玖琳，郑定超

（浙江工业大学信息工程学院，杭州310023）

针对传统三帧差分法在前景提取中容易出现“空洞”现象，对传统三帧差分法作改进，采用逻辑“或”代替原来的逻辑“与”，但同时产生了运动目标被拉长，轮廓模糊等问题；为了有效解决该问题，将滑动平均法和改进的三帧差分相结合，然而滑动平均法初始阶段更新背景较慢，因此二者有效结合的关键是对滑动平均法作改进，提出一种自适应更新滑动平均系数加速背景更新的方法；最后将改进三帧差分提取的前景和改进滑动平均法提取的前景进行逻辑“与”运算得到综合前景图像；实验结果表明该算法在完整性，准确性以及实时性方面能满足实际要求。

三帧差分改进；改进滑动平均背景；自适应更新滑动系数；运动检测

0　引言

运动目标检测是从视频系列图像中将运动区域进行提取的过程。运动区域的有效分割对于目标识别，跟踪和行为理解等后期处理工作异常关键，因为后期的处理过程仅仅考虑图像中对应于运动区域的像素。

目前检测运动目标的主要方法有帧差法，背景减除法和光流法［1］。帧差法是运动目标检测最为简单快速的方法，常用的帧差法就是相邻帧间作差，二值化处理来获取运动区域。帧差法最大的缺点是容易产生“空洞”和“双影”现象［2］，因此还需结合其它算法进行相关改进。背景减除法通过构造实时背景来进行前景提取，将当前帧图像和背景图像进行差分并二值化处理来提取前景。背景减除法的关键点就是背景图像的构造，而背景图像容易受到外界环境的影响，对光照和场景变化非常敏感，因此背景准确的自适应更新是背景减除法的关键。光流法是通过研究相邻帧之间像素的瞬时运动速度来确定运动目标，因此在摄像机处于运动的情况下也能工作，但是光流法计算复杂，对硬件的性能要求较高，除非有特定的硬件支撑，否则很难实现实时检测，因此在实际的项目中应用较少。本文提出一种基于三帧差分法和滑动平均背景相结合的运动目标检测算法，该算法能解决以上帧差法和背景减除法产生的缺点问题。

1　三帧差分改进

1.1改进三帧差分原理图

主要步骤如下：

1）采集连续三帧相邻图像Ik-2、Ik-1和当前帧Ik，灰度化处理，并做高斯去噪。

2）Ik-1与Ik-2以及Ik与Ik-1分别做帧差绝对值运算，得到差绝对值图D1（x，y）和D2（x，y），其中

3）对D1（x，y）、D2（x，y）分别进行二值化处理，其表达式为

图1　改进三帧差分原理图

其中：d1为差绝对值图D1（x，y）中像素点像素值，T1为设定阈值。

同理d2为差绝对值图D2（x，y）中像素点像素值，T2为设定阈值。当差绝对值图D1（x，y）、D2（x，y）像素点像素值大于等于阈值时即认为该像素点为前景像素点，反之为背景像素点

4）对二值化结果D1（x，y），D2（x，y）进行逻辑“或”运算，表达式如下：

DI（x，y）=D1（x，y）⊕D2（x，y）（5）

5）将“或”运算结果DI（x，y）进行适当数学形态学开闭处理。

基于以上原理分别用传统三帧差分和改进三帧差分对一段avi格式的交通监控视频图像进行前景提取，检测结果如图2所示，其中图2（a）是用传统三帧差分提取的前景图像，图2（b）是用改进三帧差分提取的前景图像。

图2　三帧差分检测前景

图2（a）和图2（b）可以看出，通过逻辑“或“运算来进行三帧差分的改进在一定程度上能消除传统三帧差分带来的空洞问题，却造成运动目标拉长，轮廓模糊的缺点，因此还需后续算法的相关处理。

2　与滑动平均背景相结合

滑动平均背景（滑动平均法）是运动目标检测的常用算法。该算法通过构建背景模型来获取前景图像，因此能减少前景当中的“空洞”问题，并且运动目标不会被拉长，轮廓较清晰，但是对光照较为敏感。所以，本文充分考虑改进的三帧差分以及滑动平均法的优缺点，通过相结合的方式来实现优缺点互补。

滑动平均背景需要解决的问题是背景图像的构造，如何构造出高效实用的背景模型来获取背景图像是背景减除法的研究重点。背景建模时，需要考虑外界光照强度变化以及背景的及时更新［6］。它的基本思想是背景模型建立之后，将当前帧图像与背景模型相减，若相减结果的像素大于某一阈值，则判定当前图像中的这些位置像素区域为运动区域，反之为背景区域。

其中：Xk（x，y）为当前帧图像，Bk（x，y）为背景图像，Dk（x，y）为差分图像，T为阈值，Rk（x，y）为前景图像。255代表前景区域，0代表背景区域。由公式（6）、（7）可以看出建立一个合适的背景模型对于前景检测非常重要［7］。滑动平均法原理流程图如图3所示。

图3　滑动平均法原理流程图

2.1滑动平均背景建模

滑动平均背景建模利用以下规则对每个像素进行更新：

acc（x，y）=（1-α）acc（x，y）+α·image（x，y）（8）其中：acc（x，y）是背景帧，image（x，y）为当前图像，α为调节更新率（即累计器以多快的速率忘掉前面的帧）。

滑动平均法主要步骤如下：

1）读取当前一帧，帧数i（初始化i=0）加上1，由RGB颜色空间转换成灰度图。对应关系如下［8］：

GRAY=0.299R+0.587G+0.114B（9）

其中：GRAY为灰度图像，RGB为红绿蓝颜色空间。

2）判断当前帧是不是第一帧，即i=1是否成立？如果是第1帧就将当前帧acc（x，y）作为背景帧，并建立空帧image（x，y）=0作为后续当前帧，DB（x，y）=0作为前景图像帧。如果不是第一帧，就将当前帧image（x，y）和之前背景帧acc（x，y）进行相减得到前景图像。如下式所示：

DB（x，y）=image（x，y）-acc（x，y）（10）

3）二值化前景图像：

其中：d3为差绝对值图DB（x，y）中像素点像素值，T3为设定阈值。当像素点像素值大于等于阈值时即认为该像素点为前景像素点，反之为背景像素点。

4）将二值化结果D3（x，y）进行相应形态学滤波，去掉噪音。

5）更新背景：

acc（x，y）=acc（x，y）+α·［image（x，y）-acc（x，y）］并返回步骤1）。

滑动平均法能很好的克服“空洞”问题，且运动目标不会被拉长，轮廓清晰，通过它和改进的三帧差分法进行逻辑“与”运算一方面可以有效克服改进三帧差分所带来的运动目标拉长，轮廓不清晰的缺点，另外一方面可以利用改进三帧差分对光线突变不敏感来弥补滑动平均法对光线敏感的问题。然而滑动平均法刚开始需要一定时间才能使背景趋于稳定，开始时间段相邻背景之间的像素和变化较大，因此初始阶段滑动平均法得到的前景中很多的噪音，这时就需要对滑动平均法进行改进，否则二者结合进行逻辑“与”的初始阶段则是没有意义的，不能消除前面三帧差分所带来的运动目标拉长，轮廓模糊的问题。

2.2滑动平均法改进

滑动平均法的改进是本文在两种算法结合之后研究的重点问题。因此如何使滑动平均法在初始阶段就能拥有一个较好的前景图像是二者进行逻辑“与”结合的关键。传统的滑动平均法从开始运行到构造的背景稳定下来往往需要超过10秒钟左右的时间，显然时间过慢，不符合实时要求。

针对以上问题本文创新性的提出一种通过前后帧构造的背景像素和作差和设定阈值TH进行比较来调节滑动平均系数的方法。该方法通过灵活改变滑动平均系数来进行背景更新。

2.2.1自适应更新滑动平均系数

T=sum（acc（x，y）new）-sum（acc（x，y）old）（12）

式（12）中：acc（x，y）new为新构造的背景，sum（acc（x，y）new）为该背景所有像素值之和，acc（x，y）old为前一背景帧，sum（acc（x，y）old）为其所有像素值之和。

T为两个背景帧像素和之差。

1）当差值T＞阈值TH ，此时增大滑动平均系数α。

2）当差值T≤阈值TH，此时减小滑动平均系数α。

其中阈值TH在实验中根据以下规则进行设定。

TH=（T1+T2+T3…+Tn）/2（13）

式（13）中，T1到Tn分别表示第1到第n个背景差值。在不更改滑动平均系数α的情况下，T1的值显然较大，Tn的值较小。T2T3…Tn-1的值基本处在T1和Tn之间浮动。n的取值直到背景基本稳定，背景差值基本不变终止。

2.2.2改进滑动平均法流程

改进的滑动平均法流程图如图4所示。

该算法在原始滑动平均法的基础上作改进，将背景差值T和设定阈值TH作比较，在初始阶段必然存在T≥TH的情况，从而要增大滑动平均系数α，加速背景更新，使得背景快速达到稳定状态，当背景接近稳定的时候，背景差值落在T＜TH范围以内，此时要减小滑动平均系数α，以免背景出现大幅度变化而影响到前景检测。α根据实验结果确定，在T≤TH时取0.003，在T＞TH时取0.01。

基于以上原理使用传统滑动平均法和改进的滑动平均法分别对视频图像进行前景提取，如图5所示，其中图5（a）是传统滑动平均法提取的前景，图5（b）是改进的滑动平均法提取的前景。通过实验结果可以看出改进的滑动平均法克服了传统滑动平均法在背景构造方面耗时较多的缺点，能够自适应快速更新背景，避免在初始阶段前景中出现大量噪音。

图4　改进滑动平均法流程图

图5　滑动平均法取前景

最后将改进三帧差分得到的前景图像DI（x，y）和改进滑动平均法得到的前景图像DB（x，y）进行逻辑“与”运算得到综合前景图像D（x，y）。算法总流程图如图6所示。

图6　算法总流程图

3　实验结果与分析

为了验证本文算法的有效性，实验选取了一段交通监控avi格式视频进行测试。实验平台硬件为普通PC机（Pentium 1.87 GHz CPU，内存2 G），软件为VC++6.0、OpenCV机器视觉开源库。

本文分别使用改进三帧差分法，改进滑动平均法以及本文提出二者结合的方法进行实验，检测结果效果图如图7所示。

检测结果图7中第一列为原始图像，第二列为使用改进的三帧差分检测的结果，第三列为使用改进的滑动平均法检测的结果，第四列为二者结合的方法检测的结果。图中第一排为视频帧第220帧的效果图，第二排为第225帧的效果图，第三排为第230帧的效果图，第4排为第235帧的效果图。

图7　检测结果效果图

从实验结果可以看出，改进的三帧差分虽然在“空洞”问题上面有所提高，但是将运动目标拉长了从而得到的前景图像比原图像要大，并且目标轮廓不是很明显。改进的滑动平均法虽然相对于改进之前加速了背景更新速度，前景中的噪音减少许多，但是开始之初还是存在少许噪音，如图7第三列前两幅图像所示，滑动平均法另外一个不足之处是对光照比较敏感，基于以上情况本文将两种方法结合起来，得到的前景图像如图7第四列所示，该方法可以避免光照的影响得到前景图像中几乎没有噪音，同时可以克服图像被拉长，轮廓不清晰及“空洞”问题。

4　结论

本文在传统三帧差分和滑动平均法的基础上作改进提出了一种基于三帧差分与滑动平均背景相结合的运动目标检测算法，该算法能够适应复杂的环境背景，允许在有运动目标的情况下进行背景建模，同时能克服光照对滑动平均法的影响，以及滑动平均法在初始阶段背景建模所需时间过长的不足，同时又能消除改进三帧差分所带来的运动目标拉长，轮廓不明显以及“空洞”问题，抗干扰性强，可以获得关于运动目标更为完整精确的区域。

［1］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，2015，32（1）：129-132.

［2］丁磊，宫宁生.基于改进的三帧差分法运动目标检测［J］.电视技术，2013，37（1）：151-153.

［3］吕国亮，赵曙光，赵俊.基于三帧差分和连通性检验的图像运动目标检测新方法［J］.液晶与显示，2007，2 （1）：87-92.

［4］徐卫星，王兰英，李秀娟.一种基于 Open-CV 实现的三帧差分运动目标检测算法研究 ［J］.计算机与数字工程，2011，11（1）：141-144.

［5］魏武，龚树锋，龚树超.一种改进的基于视频的车辆检测与识别方法［J］.计算机测量与控制，2010 （1）：20-22

［6］莫林，廖鹏，刘勋.一种基于背景减除与三帧差分的运动目标检测算法［J］.微计算机信息，2009，25 （4）：274-276.

［7］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，2013，21（12）：3315-3318

［8］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，2014，37（5）：572577.

Motion Object Detection Based on Three Frame Differencing and Sliding Average Background Method

Zhou Xiao，Fang Jiulin，Zheng Dingchao
（College of Information Engineering，Zhejiang University of Technology，Hangzhou310023，China）

In view of the traditional three frame difference method in the foreground extraction is easy to appear"hollow"phenomenon，make improvement on the traditional three frame difference method，use the logical"or"instead of the original logic"and"，but at the same time produce a moving target is elongated and contour blurring problem.In order to effectively solve the problem，combined the sliding average background method with improved three frame difference，however in the initial phase the sliding average background to update the background is slow，therefore the key of effective combination of the two method is to improve the sliding average method，puts forward an adaptive update moving average coefficient of acceleration background updating method.Finally improved three frame difference extracted foreground and the foreground of improved sliding average method to logic"and"to get comprehensive foreground image.Experimental results show that the algorithm can quickly and completely and accurately detect moving targets and meet the needs of real-time detection.

three frame difference improvement；sliding average background improvement；adaptive updating sliding coefficient；motion detection

1671-4598（2016）05-0032-03

10.16526/j.cnki.11-4762/tp.2016.05.010

TP311

A

2015-10-29；

2015-12-04。

周晓（1971-），男，浙江永康人，副教授，博士，主要从事嵌入式应用方向的研究。