仿复眼运动目标检测技术研究

邢延超　张化迪　李瑞　程雷雷

【摘 要】运动目标检测可以实时地识别、检测、提取视频图像中感兴趣目标。昆虫复眼具有对运动目标快速识别跟踪的特性。本文基于复眼类昆虫的生理特性并结合仿生学与计算机视觉相关理论，提出一种仿复眼的运动目标检测技术，实现对运动目标的快速、准确检测。

【关键词】复眼；运动目标；快速检测；相似度

运动目标检测是计算机视觉的重要内容，是把感兴趣的运动目标从图像序列中将变化区域从背景图像中提取出来的一种方法[1]。运动目标检测是视频分析中的基本操作，目标检测的准确性和速度尤为重要。复眼类昆虫拥有较少神经元组成的视觉系统，能出色实现对感兴趣对象的快速发现与捕捉。本文基于昆虫复眼生理特性，提出一种仿复眼原理运动目标检测算法，实现对运动目标的快速检测。

1 昆虫的复眼

复眼昆虫既是视觉信息的采集系统，又是视觉信息的预处理系统[2]。复眼由许多六角形的小眼组合而成，每个小眼都是一个感光组织，并和其后面的圆锥形的晶体构成一个集光器，在这些集光器后面连接着视觉神经。

复眼所看到的影像是由每一个小眼所提供的影像组合而成，小眼内的光接收器感应到刺激产生反应的时间间隔到非常短。人眼对忽然出现的目标反应时间约为0.05秒，而蜜蜂的反应时间仅需0.01秒[3]。这主要是由于昆虫大脑可根据变化的小眼数目精确判断出物体的细微移动，包括移动距离、速度等。复眼越多，判断越快越精准。

2 传统的运动目标检测算法

运动目标检测分为动态环境下和静态环境两种，本文主要介绍前者。静态环境运动目标检测将视频序列中的图像分割成前景和背景，不变的区域是背景，变化的区域是前景[4]。主要有以下三种方法。

2.1 光流法

该算法赋予每个像素点一个速度矢量，形成一个图像的运动场，并根据各个像素点的速度矢量的特征，对图像进行动态分析[5]。没有运动时光流矢量变化连续；反之，目标速度矢量与背景速度矢量有异，可检测运动目标。光流法主要问题是大多数算法实时性差。优点是同时携带运动信息和景物三维结构信息，无需场景信息即可检测出运动目标[6]。

2.2 帧间差分法

場景中目标运动时，帧间会出现明显的区别，利用两帧亮度差的绝对值来确定运动目标[7]。该算法相对简单，实现容易，对光线等场景变化不太敏感。但它只能获取到边缘部分，而不是完整的目标；此外，若时间间隔选取不当，可能无法实现目标检测。

2.3 背景差分法

计算图像序列当前帧和背景参考模型的差来检测运动目标，关键在于获取背景。该方法检测比较准确，速度较快，易于实现[8]。实际上很难直接得到静止状态背景，背景图像的动态变化需要通过视频序列的帧间信息来估计和恢复背景，也就是背景重建，所以更新背景要有一定的选择性。

3 仿复眼的运动目标检测技术

本文设计了一种基于昆虫复眼原理的运动目标快速检测方法。算法核心是：将视频中图像按正六边形进行剖分，对相邻帧、相邻区域进行相似度检测，算法流程图如图1所示。

在剖分正六边形时，应注意正六边形的大小的选取要合适。由于昆虫种类和其生活习惯的差异，在视网膜上形成的图像有的会有重叠有的没有重叠[11]。在进行剖分正六边形时，可先剖分成无重叠的。当正六边形的边长除以某个大于1的整数时，剖分出来的正六边形便是有重叠的。这样，便将复眼成像中正六边形的状态都涵盖在内，如图2所示。

随后，将剖分出来的六边形进行相似度的计算。假设整个视频中一共有从1到N共N帧图像，则可将相似度的计算分成以下三个步骤进行：

（1）设当前帧为第N帧，对期中每个正六边形，取前N-1帧中的第i帧的相同位置的正六边形，并确定周围的六个正六边形，分别定义方向为1到7，如图2所示。计算两帧间正六边形间的相似度，判断是否有变化发生；如果有，则计算它与相邻六边形的模式相似度。

（2）第i帧中每个六边形得到与第N帧中的最小距离（除了中心六边形），类似于“一步移动”。在第i帧中找到具有明显关系的那一帧。对每个方向的“移动”设定阈值。这个方向应该是理想的而且相似性必须低于阈值。找到每个方向的结果，找到之中距离最小的，即为最相似的。

（3）将第N帧与前N-1帧比较，可以得到不同方向上的移动结果。首先，计算具有大相似度的六边形的数量；然后，具有最大数字作为主导方向。统计最相似帧：取每帧的最小距离和方向；得到相似六边形的数量，以确定主方向。可采用不同方向上聚类的办法，将几个方向合并成一个方向，并形成连通域。

至此，具有类似运动模式的临近六边形形成连通域，可由此检测运动目标，检测结果如图3。视频中有运动时，六边形中心红色标记，且红色标记会随目标的移动而移动。由此可检测出运动目标的移动，完成仿复眼运动目标的检测。

4 总结

虽然仿复眼目标检测技术在很多方面还不够完善，无法与昆虫的复眼反应速度、检测能力相比，但是它应用前景广阔，该技术对硬件设备要求较低，并且能快速反应，快速检测。

【参考文献】

[1]邢强，戴振东，王浩.仿复眼视觉系统的研究进展[硕士学位论文].南京：南京航空航天大学机电学院，2013.

[2]郭海峰，张亮，粟毅.视频图像序列中的运动目标实时检测[J].科技信息（学术研究）.2008（01）.

[3]胡以静，李政访，胡跃明.基于光流的运动分析理论及应用[J].计算机测量与控制，2007（02）.

[4]刘光宇，刘国栋.基于混合高斯模型的运动目标检测方法[J].计算机工程与应用.2009（24）.

[5]李超，熊璋，赫阳，等.基于帧间差的区域光流分析及其应用[J].计算机工程与应用.2005（31）.endprint