运动目标检测方法概述

武警工程大学信息工程系 赵亚欣 赵怀勋

运动目标检测方法概述

武警工程大学信息工程系 赵亚欣 赵怀勋

引言

运动目标检测是指从视频监控场景或图像序列中将运动人体目标提取出来，是智能视频监控的基础。良好的目标提取效果有利于后续特征提取和行为分类，对整个行为识别的准确性有较大影响。

根据检测目标的原理，将常用的目标检测方法分为三类：帧间差分法、光流法和背景减除法。

（1）帧间差分检测法

帧间差分法又称时间差分法，其将视频图像序列中的连续两帧或多帧像素点值作差分，获取监控场景中运动目标的轮廓，实现对目标的检测。两帧差分法的原理如图1所示。

图1　帧间差分法原理图

图2 帧间差分法示例

图2对两帧差分提取运动目标效果进行了展示，可以看出，在相邻的两帧中人体有所重叠，因此仅检测出在监控场景中有变化的边缘部分。帧差法的主要优点是原理简单，计算复杂度低，实时性强；对运动目标检测的灵敏度高；对缓慢的光照变化适应性强。帧间差分法主要存在以下不足：一是当目标运动速度较慢时，提取的前景内部会产生空洞；二是检测出的目标轮廓与实际目标稍有偏差，存在伪目标点。此外，帧差法仅适用于摄像机固定的情况，若背景改变则差分后会影响运动目标的检测效果。对此，鲁梅等[1]提出了加权累积差分法，通过赋予不同的帧间差分图不同的权值，再将差分图像加权累积从而检测运动人体目标，较好的改善了帧差法提取运动目标出现的空洞现象。

（2）光流法

光流是指由物体运动引起的其表面像素点产生的瞬时速度场，光流法即通过计算每一帧图像中对应像素点的变化表征运动目标[2]。

若图像的灰度值随x,y,t缓慢变化，则可将式（1）右边泰勒级数展开，并忽略高阶无穷小项，可得光流基本方程[20]：

根据平滑性假设[3]，加入平滑项α可建立光流模型：

光流法检测运动目标的原理是：当监控场景中无运动物体时，光流矢量在监控范围内连续变化，而当监控场景内有运动目标时，光流场会发生改变，且运动目标光流有显著变化，通过检测显著变化的光流矢量可实现运动目标的检测。

实际情况下，光流约束方程的灰度守恒假设未必能够满足，导致光流场与运动场有偏差。光流法需计算监控场景的每个像素点的变化，对硬件支撑要求较高，实时性上较难满足。

（3）背景减除法

背景减除法通过建立背景模型并将视频图像序列的每一帧与背景图像作差分来提取运动的前景目标。背景减除法原理简单，计算量小，适用于监控场景固定的场合。背景减除法的流程如图3所示。

图3　背景减除法流程图

1）图像预处理

在实际视频监控应用中，视频监控存在噪声影响，通常需事先进行降噪处理。常用消除噪声的方法有加权平均算法、中值滤波以及高斯低通滤波。

2）背景建模

背景模型是提取运动目标效果好坏的关键。现实情况下，监控场景虽然固定，但非绝对不变，光照的变化、天气的干扰（雨雪）、监控场景背景中非检测目标的变化（如摇晃的树叶、粼粼的水波）都对检测效果造成诸多干扰。因此，如何建立一个动态更新的背景，以适应各种因素的干扰，是背景减除法检测运动目标的重点。

3）目标检测

通过输入视频图像序列与动态更新的背景模型差分，并与设定的阈值对比提取运动目标。其公式可表示为：

其中，fk(x,y)为视频序列中第k帧中坐标为(x,y)的像素点的像素值，bk(x,y)为与第k帧对应的背景模型的像素值，T为前景阈值。

4）后续处理

因摄像机本身、现实环境等的影响，提取出的运动目标难免有多出或缺失的部分。形态学处理运算开销小，实用性强，可对检测目标进行完善。常用的方法有膨胀、腐蚀[4]，定义式为：

式中，g(i,j)为输出图像。通过先腐蚀再膨胀可滤除检测图像中存在的部分噪声，优化目标检测的效果。

[1]鲁梅,卢忱,范九伦.一种有效的基于时空信息的视频运动对象分割算法[J].计算机应用研究,2013,30(1):303-306,320.

[2]刘建,李峰,周书人等.一种基于PSO的改进光流算法[J].计算技术与自动化,2014, 33(4):68-73.

[3]王庆帅.智能监控系统中人体行为识别技术研究与实现[D].西安:西安电子科技大学,2010.

[4]贾永红.数字图像处理（第二版）[M].武汉:武汉大学出版社,2010:171-173.

赵亚欣（1992—），男，江苏东台人，硕士研究生在读，研究方向：人体行为识别。