行为识别中的人体运动目标检测方法

曾品善

摘 要 运动目标检测处于人体行为识别过程的最底层，但目标检测的结果直接影响到后续目标跟踪的效果，同时也是高级处理阶段如特征提取、人体行为识别等的基础。本文介绍了常用的三种运动目标检测方法，并分别对其优缺点进行了分析。

关键词 目标检测 帧差法 背景消减法

中图分类号：TP391.4 文献标识码：A

人体运动目标检测是基于视频的人体行为识别过程的重要阶段，它为目标跟踪和人体行为识别等后续工作提供基础支撑。目标检测又称目标提取，是将人体目标从视频图像中提取出来。其原理是根据运动目标的几何特性和统计特性，提取出视频图像中变化的像素点区域，从而达到人体运动目标和背景图像相分割的目的。常用的目标检测方法主要有帧差法、背景消减法和光流法。

（1）帧差法是对连续两帧视频序列图像作差分运算，设置合适的阀值对差分图像执行阈值化操作，分离出前景像素区域和背景像素区域，从而判断目标所在的区域。帧差法流程图如图1所示。

帧差法简单易实现，计算量较小，对光照强弱程度不敏感，而且具有稳定性，能够很好的适应环境变化，如出现多个运动目标或背景的快速变化情况。

但该算法也存在不足之处。首先，阈值的选择限制了它的使用，阈值过大容易漏掉图像中有用的信息，阈值过小则不能抑制噪声。其次，对于灰度均匀度较大的目标区域，采用帧差法将会使这部分产生出“空洞”，无法满足检测目标的完整性，其结果将会直接影响目标跟踪的效果。另外，真正稳定的场景是不存在的，抖动亦会影响算法实际效果。尽管帧差法无法提取出完整的目标区域，但由于其简单易行、计算量小等优点，该快速检测算法得到了广泛应用。

（2）背景消减法又称背景差分法，是常用的运动目标分割方法，该算法假定可以获得理想的背景图像，首先为序列图像建模，然后将当前帧图像与背景模型进行差分运算，获取运动目标。在背景稳定的情况下，若差值很小，则认为场景内没有运动目标；若背景图像中某一区域发生明显变化，则意味着场景内有运动目标，于是标记图像中的变化区域，进而提取目标区域。背景差分法流程图如图2所示。

该方法的优点是可以较容易的得到目标描述，并且无论目标处于静止还是运动，都可以很好的进行识别和跟踪。不过该方法的缺点是计算量比较大，每次背景更新都需要大量的计算，还需要建立相对合适的模型才能完成有效识别与跟踪，在背景变化比较频繁或者做大幅度运动时也不适用，比较适合在环境变化不是很大的情况下使用。典型算法有单高斯背景算法和混合高斯背景算法。

（3）光流法通过计算图像的光流场，结合目标运动随时间变化的光流场特征进行目标检测。光流场是指图像灰度模式运动的速度场，它是物体三维速度矢量在二维平面上的投影。光流法的基本思想是根据序列图像中灰度值随时间的变化来计算速度场，然后利用约束条件，推测出目标运动参数。

光流法的优点是：①不需要场景的先验信息；②能很好地处理摄像机移动等背景运动情况，不影响检测目标；③可获取目标速度等运动信息。这种方法的缺点是：①采用迭代运算，计算量大，很难满足实时性要求；②易受噪声、光照变化影响，产生错误检测结果。

参考文献

[1] 赵怀勋，姜莹礁.基于颜色和方向梯度特征融合的粒子滤波跟踪算法[J].计算机应用与软件，2014，31（6）：260-263.

[2] 姜莹礁，赵怀勋，等.基于聚类RBF神经网络的人体行为识别[J].计算机应用与软件，2013，30（2）：47-50.