一种改进的Surendra运动目标检测算法

哈尔滨工程大学信息与通信工程学院 杨良洁

一种改进的Surendra运动目标检测算法

哈尔滨工程大学信息与通信工程学院 杨良洁

在运动目标检测方面，Surendra算法具有运算速度快、目标提取准确的特点，但是由于该算法采用的是将首帧图像作为背景的方式，容易造成“拖影”现象，十分影响检测效果。本文提出一种以Surendra算法为基础，融合了三帧差分思想的运动目标检测算法，并利用Surendra算法对背景进行实时更新；同时加入了Canny边缘检测，以增强检测目标的完整性。结果表明，本文提出的算法可以有效去除“拖影”现象且检测效果良好。

运动目标检测；Surendra算法；“拖影”现象；三帧差分；Canny边缘检测

0 引言

目前比较常用的运动目标检测算法有背景减除法[1]、帧间差分法[2]和光流法[3]。该类算法的关键问题是建立背景模型以及合理的更新机制。其中，Surendra算法具有运算速度快，目标提取准确率高等优点，但是该算法具有在第一帧图像包含运动目标的情况下易出现“拖影”的缺点。因此，本文中提出一种改进的Surendra算法，通过融合三帧差分思想，并通过Surendra算法对背景进行实时更新；同时加入Canny边缘检测[4]。

1 融合三帧差分思想的改进Surendra算法

Surendra背景更新算法缺陷是当第1帧图像含有运动目标时，当前帧图像与背景图像相对比，可能产生目标留下的影子，形成“拖影”现象[5]。为了解决这个问题，采用融合三帧差分法的思路，下面通过实验验证改进算法对于“拖影”现象的去除效果。

图1 融合三帧差分的改进算法仿真图

如图1所示，图像选自视频序列“行人”的第71帧，视频序列由于首帧图像中存在运动目标使得产生的“拖影”许久无法消除，而改进算法利用三帧差分的思想，消除了第一帧位置处留下的影子，达到了较好的检测效果。但是该改进算法也产生了一个问题，有时检测到的目标并不完整，例如图1(b)中，检测到的目标缺失就比较大。

2 改进的Surendra目标检测算法

本文提出了一种结合Canny边缘检测的Surendra帧间差分目标检测算法，步骤如下：

(1)首先将第1帧图像I0初始化为背景B0；

(2)使用Surendra背景更新得到当前帧图像与背景的差分图像；

(3)利用三帧差分的思想，将当前帧的差分图像dj，与前一帧的差分图像dj—1做“与”运算；

(4)当前帧做Canny边缘检测，(3)的结果做膨胀运算，这两者做一般意义上的“与”运算，再与(3)的结果做“或”运算；

(5)为了达到更好的检测效果，需要对最终的结果二值图像做一系列的形态学后处理，例如轮廓填充和中值滤波，加入轮廓填充的目的是使得得到的前景目标的像素点更加完整，加入中值滤波的目的是去掉图像中的噪声点；

(6)继续步骤(2)，直到图像处理完毕。

图2 改进Surendra目标检测算法仿真图

如图2所示的效果图选自“行人”序列的第71帧，(a)组是原视频帧的截图，(b)组是Surendra原始算法的效果图，(c)组是融合三帧差分思想的改进Surendra算法的效果图，(d)组是结合Canny边缘检测的Surendra帧间差分目标检测算法的效果图。不难看出，(c)组的改进算法仅仅去除了“拖影”现象，但是检测到的目标并不完整，(d)组的改进算法不仅去除了原始算法产生的“拖影”现象，而且检测效果要优于(c)组的改进算法，达到了良好的检测效果。表1是各个算法的平均帧率数据分析，从该表中也可以看出，改进算法尽管在平均帧率上要低于原始Surendra算法，但仍然达到了实时性的要求。

表1 不同视频序列各算法平均帧率数据对比

3 结论

本文首先针对原始Surendra算法产生“拖影”现象的不足，首先通过融合三帧差分思想来消除产生的“拖影”，然后针对在检测效果上的不足，提出一种结合Canny边缘检测算子的Surendra帧间差分算法。仿真结果表明，该改进算法可以消除原Surendra算法所产生的“拖影”现象，达到良好的检测效果，并且可以做到实时性的检测。

[1]Barnich O,Van Droogenbroeck M．ViBe：A universal background subtraction algorithm for video sequences[J]．IEEE Transactions on Image Processing,2011,20(6)：1709-1724．

[2]Lipton AJ,Fujiyoshi H,Patil RS． Moving target classification and tracking from real-time video[C]．Proc． of Fourth IEEE Workshop on Applications of Computer Vision． Princeton,New Jersey．1998：8-14．

[3]Barron JL,Fleet DJ,Beauchemin SS．Performance of optical flow techniques[J]．International Journal of Computer Vision．1994,12(1)：43-77．

[4]赵建．基于三帧差法的运动目标检测方法研究[D]．西安电子科技大学,2013：1-12．

[5]严红亮,王福龙,刘志煌．结合三帧差分的ViBe运动检测算法[J]．计算机系统应用,2014,23(11)：105-110．

杨良洁（1992—），安徽安庆人，硕士研究生，现就读于哈尔滨工程大学。