基于光流法的运动图像目标检测

吴飞燕

【摘 要】运动目标检测一直是研究的热点和难点之一。由于运动目标的检测容易受到背景、光线变化、目标与其他物体间相互遮挡等因素的影响，如何更好地实现运动目标检测是本文研究的重点。本文运用光流法探究运动图像的目标检测，以光流矢量场作为基础，通过光流模型、背景模型和基于墒等研究途径，在一幅图像上分离出目标和背景，检测出运动目标并作出它运动轨迹。

【关键词】运动目标;光流法;熵;数字图像处理

中图分类号： TP391.41文献标识码： A文章编号： 2095-2457（2019）21-0045-002

DOI：10.19694/j.cnki.issn2095-2457.2019.21.020

Moving Image Target Detection Based on Optical Flow Method

WU Fei-yan

（College of Big Data and Software Engineering， Wuzhou University， Wuzhou Guangxi 543300， China）

【Abstract】Moving target detection has always been one of the hot and difficult points in research. Because the detection of moving objects is easily affected by background， light change， mutual occlusion between objects and other factors， how to better achieve the detection of moving objects is the focus of this paper. In this paper， the optical flow method is used to explore the object detection of moving image. Based on the optical flow vector field， the object and background are separated from an image through optical flow model， background model and moisture-based research approaches， and the moving object is detected and its trajectory is made.

【Key words】Moving target; Optical flow method; Entropy; Digital image processing

0 引言

运动图像在生活中随处可见，如何快速、准确地检测出我们想要观察的运动目标，这是当今学者们重点研究和讨论的问题之一。目前，根据基本原理的不同，常见的运动目标检测算法可以分为帧差法、背景差分法和光流法三种[1]。本文基于光流法对运动目标检测方法进行探究。

1 动态背景中运动目标的检测

光流是一种图像运动的表达方式，光流计算最初是在1981年由美国学者Horn和Sehunck提出的，他们根据图像灰度守恒原理推导出基本光流约束方程[2]。它是一个图像序列中的图像亮度模式的表观运动。如果一个物体正在发生运动，那么从图像上来说，与其对应的那个物体的亮度模式也一定在发生着变化。光流法检测的基本理念就是利用目标随着时间变化的光流特性。从视觉变化上来说，运动在我们的眼睛里只不过是一种简单几何变化，直观表现就是图像像素在发生变化。

熵的概念来源于热力学。在热力学中熵的定义是系统可能状态数的对数值，称为热熵。信源通过信息熵来统计统计自己的特性，它其实就是代表着信源平均不确定度的一个物理量。从统计学的角度出发就是在描述着一个信源。我们可以通过熵来找到对应的阈值S，用来区分目标和背景。这样一来，目标和背景的信息量就可以轻易地达到最大值了。

这里我们一般使用Kalman滤波法来进行背景图像的更新，应对外部环境的变化，从而阻止外界因素影响运动检测。

背景图像的更新公式为：

I为当前帧图像，B是背景图像，a2要十分小，才可以从背景序列图像中分割出运动目标，这里我们a1=0.1，a2=0.01。

为了进行运动目标的检测，我们首先需要确定找到一个阈值S，使二值化后的图像更加接近运动目标。一般而言，确定一个合适的阈值很难，因此我们可以通过概率分布来表示信息，目标和背景的灰度分布可以利用信息嫡来表示。

2 数字图像处理技术的应用

2.1 图像的灰度变化

在图片进行成像的过程中，有许多外界因素会使图像的灰度级产生失真，例如光照的强弱变化感光部件的灵敏度，电子元器件特性的不稳定等。灰度级校正时，我们通过图像采集系统对图像像素进行逐点修正。

设原始图像为f（x，y），实际获得的含噪声的图像为g（x，y）。

其中e（x，y）是具有降质性质的函数。对于系统降质函数e（x，y），可以简用一幅灰度级全部为常数C的图像来标定。

进而我们可以得到实际图像g（x，y）经过校正所恢复的原始图像f（x，y）。即：

2.2 图像的平滑

选一个含有奇数点的滑动窗口W，将这个窗口在图像上进行扫描，将它的像素点按灰度级进行排列取中间的灰度值（Med）来替代改点的灰度值。即

2.3 图像的锐化

所以梯度值与其相邻的像素之间的灰度差分一定是成比例的，所以轮廓处有较大的梯度值。通过梯度进行图像锐化的方法如下。

對于输出图像g（i，j）的各点等于该处的梯度。

对梯度值超过某阈值T的像素选用梯度值，而小于阈值时保持原图像的像素值。

对梯度值超过阈值T的像素采用固定灰度LG替代，而小于阈值时保持原图像的像素值。

将梯度值超过阈值T的像素采用梯度值，而小于阈值时选用固定灰度LB。

将梯度值超过阈值T的像素采用固定的灰度级LG表示，而小于阈值时选用固定灰度LB表示。

2.4 提取目标的轮廓

轮廓提取的原理：假设在原始图像里有一点，它的颜色是黑色，并且在它身边有8个黑色的邻点时，将该点删除。最终结果如图4所示。

3 总结

光流法是运动目标检测的方法之一，光流法可以获取运动目标的运动信息，支持摄像机在运动时进行目标检测。但是该算法在没有特殊加速硬件支持的条件下，计算耗时，复杂度高，抗噪性较差。所以，光流法进行运动目标检测有其优点也有缺点，有适用性也有局限性。如何根据实际情况应用好该方法进行运动目标需要持续深入探究。

【参考文献】

[1]刘洋.运动目标检测技术研究综述[J].科技经济导刊，2019，27（17）：183.

[2]周曼，刘志勇，应正波，等.基于光流法的深度学习在工业运动检测的应用[J].自动化与仪表，2019，34（07）：92-95.