基 于 改 进 帧 差 法 的 视 觉 监 控 实 验 系 统

陆子幸， 宋 健， 王 凯， 解福祥

(1.山东科技大学 机械电子工程学院，山东 青岛 266590；2.潍坊学院 机电与车辆工程学院，山东 潍坊 261061)

0 引 言

随着科学技术的不断发展，安防监控系统也在不断地进步和更新。在实现安防监控的过程中，视频图像的处理和传输，以及对移动目标的检测是比较关键的技术，尤其是移动目标的检测[1-3]。

对于移动目标的检测，Wren等提出使用单一的高斯模型对背景像素值建模[4-6]，视觉系统还实现对目标的追踪和定位。国内有人提出把帧间差分法与背景差分法结合的检测算法，还有人提出用多帧检测的方法结合背景减法的检测算法[7-11]。

本文设计的安防监控系统是以ARM9为硬件平台，应用Linux操作系统，把通过UVC摄像头采集到的视频图像序列用改进的帧差法进行目标检测。以此解决由于前景像素值和背景像素值相近而造成误检和漏检的问题，并且该算法还能满足对快速移动目标的检测。此外，系统采用WiFi技术实现图像的无线传输，达到远程监控的目的。

1 系统的整体设计方案

图1 安防监控系统整体方案示意图

2 系统软硬件设计

本安防监控系统是应用jz2440开发板，开发板的处理器是Samsung公司研发的S3C2440，它是一款基于ARM920t内核和0.18μmCMOS工艺的16/32位RISC微处理器。开发板的外围设备：128 MB的SDRAM、2 MB的NOR FLASH、256 MB的NAND FLASH；还有外部扩展模块：音频输入输出接口，网卡，触摸屏，LCD接口，SD卡，电源， USB摄像头等模块。开发板外接UVC摄像头、WiFi无线网卡以及报警器，其硬件连接如图2所示。

2.1 USB摄像头电路图设计

该系统用的是一般的UVC摄像头，使用图3 USB接口电路图标准的USB接口就可以满足要求。USB接口的电路设计图如图3所示。

图2 系统硬件框图

图3 USB接口电路图

2.2 图像的采集

该系统摄像头采集图像是通过V4L2接口编程取最终输入的图像信息，它是内核提供给应用程序访问视频驱动程序的统一接口。在Linux操作系统中，连接上摄像头后会生成设备文件/dev/video0。V4L2视频图像采集框架的流程如图4所示。

图4 V4L2视频图像采集流程图

3 移动目标检测

3.1 经典的三帧差分法

移动目标的检测算法一般是针对某些特定的背景，而不是一种算法适用于所有的场合，现有的检测移动目标的方法有帧间差分法、背景差分法、光流法。帧间差分法是通过比较相邻两帧图像的灰度像素值的差是否大于某一阈值来检测出运动物体。它的算法简单，易于实现，且受光线变化的影响较小，缺点是容易出现误检和漏检。背景差分法是利用当前帧与背景图像的像素差值来提取运动目标的数据。它的缺点是容易受到噪声以及多变的外界因素的干扰。光流法是把每个像素点初始化成一个矢量运动场，且根据每个像素点的速度矢量进行动态分析。它的缺点是计算量大，也容易受到噪声的干扰[12-15]。

后来在帧间差分的基础上又提出了经典的三帧差法，它的基本算法是提取图像序列中的连续3帧图像，然后进行两两差分，接着进行二值化，达到去噪的目的。最后再做两个二值图像的与运算，从而能够检测出中间帧的运动对象。整个的算法过程：

(1) 第1和第2帧的差分二值化

(1)

(2) 第2和第3帧的差分二值化。

其次，照片成为超文本之后，一张完整的照片能充当节点，成为一张超照片，是正在发展的对话的一个不明确的、形象化的、未解说的、诱人的数据段，只要读者愿意，他可以被引至其他照片、其他媒介、其他观念。[1]69当它们接入网络环境里，摄影被讨论和被重估：

(2)

(3) 然后对前两次的差分取与运算，得到含有运动对象和两差分其余重叠部分的图像，即

Mk(x,y)=Dk(x,y)∩Dk+1(x,y)=

(3)

3.2 改进的帧差分法

经典的3帧差法虽在一定程度上解决了空洞问题，但在复杂的背景下还是不能检测出完整的目标，尤其是对于背景像素值与前景像素值相近的背景下，很容易出现漏检和误检的问题。本系统采用motion软件进行目标检测，它是一个免费开源的动态图像检测算法库，对目标检测应用的是原始的帧间差分法。

由于帧差法受噪声影响很大，在复杂的背景下容易出现错误的检测和针对由于背景像素值与前景像素值相近和移动目标的速度较快而造成的误检和漏检的问题，本文对motion软件上的算法进行改进，然后应用到监控系统的识别上。改进 后的算法是通过3帧图像进行多次差分，再与边缘检测的Robert方法相结合，该方法的算法流程图如图5所示。

改进算法后的步骤为：

步骤1提取3帧视频序列，并对图像进行去躁和中值滤波处理，还有灰度化和精度的转换等预处理。分别用fk-1(x,y)，fk(x,y)，fk+1(x,y)表示第k-1帧，第k帧，第k+1帧图像的像素灰度值。

步骤2将经过预处理的第k帧与第k-1帧，第k+1帧与第k帧，第k-1帧与第k+1帧，分别进行差分运算，得到图像d1，d2，d3，公式如下:

图5 改进帧差法的原理流程图

d1=|fk(x,y)-fk-1(x,y)|

(4)

d2=|fk+1(x,y)-fk(x,y)|

(5)

d3=|fk+1(x,y)-fk-1(x,y)|

(6)

步骤3对得到的3幅差分图像d1、d2、d3分别进行二值化处理。其中，阈值T1、T2、T3通过使用自动获取阙值法中的迭代法进行确定，通过二值化处理得到的图像就可以看到检测出来的效果，判断公式如下：

(7)

(8)

(9)

步骤5对第k帧使用Robert算子提取边缘s，再与区域D进行与运算，得到M=s∩D。然后再对M进行形态学处理，减去一些由于误检造成的多余的小目标，得到比较完整、准确的运动目标的轮廓。

步骤6把第1帧与第3帧的差分二值化图像做形态学预处理得到n，目的是使得到的图像比较平滑无毛刺，同时也移除目标物体以外的小对象。再把处理后的图像与步骤5中的M做或运算得到较为完整的目标物体的形状S=M∪n。

步骤7将步骤6得到的结果进行形态学处理，主要是针对空洞的补偿，做开运算或者闭运算，膨胀或腐蚀处理，消除毛刺和对图像略微加粗或者略微收缩的运算，最终获得比较完美的目标的整体形状。

4 实验结果与分析

4.1 阈值对检测结果影响的分析

虽然目前对于阈值的选取一般采用自动获取的方法，本文也选取了迭代的方法，但是阈值在目标检测中起着决定性的作用，往往会影响到最后的检测效果。下面针对阈值在检测过程中的影响进行分析，实验选择10组阈值数据进行比较，通过图像的比较得到阈值对检测结果的影响如图6所示。

图6 特征阈值对检测结果影响的对比图

从图6可以明显看出,阈值对检测目标的完整度和精确度有着很大的影响。随着阈值的不断增长,完整度不断提高，而精确度却不断降低，两者相互制约。从图上可以看出,阈值约为0.02时，完整度和精确度能达到一个最佳的检测结果，从图像的检测结果分析也得到此结论。本文采用的迭代法得到的阈值是0.021 3，基本符合最佳阈值点0.02。

4.2 改进帧差法的实验结果与分析

实验通过连接不同分辨率的摄像头来测试本监控系统处理图像的速度，分别采用640×480，320×240的摄像头进行比较，结果如表1所示。

由表1可见,改进的帧差法与经典的3帧差法速度上几乎是相差无几，又由于原始的帧差法是采用2帧图像进行差分，所以说它的处理速度要比后两者的速度快1倍。从表中也可以看出,分辩率对处理速度的影响也是1倍的关系，分辨率越大,处理速度越慢;相反,则处理速度越快。

实验为了更好地说明本文中改进的算法能够解决由于背景像素值与前景像素值相近和移动目标的速度较快而造成的误检和漏检的问题。通过Matlab进行仿真，把原始的帧差法和经典的3帧差法与本文改进的算法做对比。下面选用视频中目标移动速度较快的3帧图像，分别是第82帧，83帧，84帧。用上面的3种算法分别对图像进行识别检测，结果如图7所示。

(b) 第83帧

(c) 第84帧

(d) 原始帧差法

(e) 经典3帧差法

(f) 改进的帧差法

根据实验结果可以看出，前两种方法易受到背景和前景像素值相近的影响，很难把前景和背景分开，容易产生误检，又由于移动目标速度太快造成检测时出现“空洞”的现象。使用本文改进的帧差法可以很好地处理像素值相近的问题，完全没有出现误检的情况，并且移动目标的速度是比较快的，也没有出现漏检。应用公式计算出3种算法对运动目标的检出率和误检率进行比较，如表2所示。

表2 3种算法检测结果的比较 %

通过表2可以很明显看出,原始帧差法和经典三帧差法误检率很高，根本无法准确地识别出运动物体，而改进的帧差法在误检和漏检上达到了较好的检测效果，能够检测出快速移动目标的全部，不存在漏检和误检的问题。结合图6和表2说明,在背景像素值与前景像素值相近的环境下，本文改进的算法能够满足对快速移动物体的检测。

5 结 语

本文在嵌入式的平台下，完成了对安防监控系统的设计。为了解决前景像素值和背景像素值相似而出现误检和漏检的问题，提出了一种新的对移动目标进行识别和检测的算法，并且该算法可以识别快速移动的目标，由于与当前帧的前后2帧的二值化图像进行了或运算使得误检率降低，又结合边缘检测的方法，可以获得完整地移动目标的轮廓。改进的帧差法在安防监控系统中的应用使得在快速移动目标像素值和背景像素值相近的时候，基本可以检测出全部的目标，还不会出现漏检的问题。