基于背景差分算法的運動目標檢測

1、<p>　　基于背景差分算法的運動目標檢測</p><p>　　[摘 要]運動目標的檢測是數(shù)字圖像處理和模式識別領(lǐng)域研究的主要內(nèi)容之一，也是計算機視覺研究的一個重要領(lǐng)域。本文對基于背景差分算法的視頻目標檢測算法進行了研究，并對其進行了詳細的討論和分析。利用混合高斯背景模型來提取背景和更新背景。實驗結(jié)果表明，采用該算法對運動目標進行檢測具有良好的準確性和穩(wěn)定性。 </p><p>

2、　　[關(guān)鍵詞]背景差分算法 行人檢測 運動目標檢測 OpenCV </p><p>　　中圖分類號：G391.41 文獻標識碼：A 文章編號：1009-914X（2016）05-0126-01 </p><p><b>　　0引言 </b></p><p>　　運動目標檢測是計算機視覺研究領(lǐng)域中的基礎(chǔ)和熱點，其目的是在連續(xù)的圖像序列中，將被檢測

3、的運動目標的特征從視頻圖像中分離出來。運動目標的檢測速率直接影響著整個系統(tǒng)的運算速率，因此，運動目標檢測方法的選取至關(guān)重要。本文采用背景差分算法，利用混合高斯模型來提取背景，對運動目標進行了檢測。實驗結(jié)果表明，采用此方法對運動目標檢測具有較好的準確性和穩(wěn)定性。 </p><p><b>　　1運動目標檢測 </b></p><p><b>　　1.1幀間差分

4、法 </b></p><p>　　幀間差分法是指在視頻圖像序列中對相鄰的兩幀或多幀的差值進行計算，獲得運動目標形狀的過程。在背景固定的情況下，若相鄰兩幀圖像的差值Dk（x，y）小于某個設(shè)定的閾值T，則認為視頻圖像中沒有出現(xiàn)運動目標；反之，當視頻圖像中出現(xiàn)運動目標時，運動目標帶來的灰度變化必然導(dǎo)致兩幀圖像之間的灰度差距增大，使得差值大于設(shè)定的閾值。這種檢測方法可以很好地適用于存在多個運動目標的情況。其流

5、程如圖1所示。 </p><p>　　設(shè)相鄰的兩幀的圖像分別為fk（x，y）和fk-1（x，y），兩幀圖像之差的結(jié)果為Dk（x，y），可用公式（1）表示： </p><p>　　Dk（x，y）=|fk（x，y）-fk-1（x，y）...................................（1） </p><p>　　設(shè)閾值為T，提取到的運動目標的區(qū)域為R

6、k（x，y），若公式一得出來的Dk（x，y）大于T，那么Rk（x，y）的值置為1，否則，置為0。 </p><p><b>　　1.2背景差分法 </b></p><p>　　背景差分法的實質(zhì)是通過一定的背景建模的方法得到背景模型fbk（x，y），將視頻序列中的每一幀圖像fk（x，y）與背景模型fbk（x，y）做差分運算，得到不同時刻的幀差圖像Dk（x，y），然后進行

7、二值化處理得到Rk（x，y），當差分圖像中的像素差小于某個設(shè)定的閾值T時，則認為該點是背景像素，否則為運動目標像素。 </p><p>　　背景差分法是靜態(tài)背景運動目標檢測中最經(jīng)典的檢測方法，檢測運動目標速度較快，算法并不十分復(fù)雜，適合于實時處理。背景差分算法的流程如圖2。 </p><p>　　設(shè)當前幀圖像為fk（x，y），背景模型為fbk（x，y），背景幀與當前幀的差為Dk（x，y），

8、閾值為T，前景圖像用“1”表示，背景圖像用“0”表示，則可用數(shù)學(xué)公式（2）表示： </p><p>　　Dk（x，y）=|fk（x，y）-fkb（x，y）| ..............................（2） </p><p>　　根據(jù)上述公式，可求得得來Dk（x，y）的值。若Dk（x，y）大于T，那么Rk（x，y）的值置為1，否則，置為0。 </p><

9、;p>　　本文對上述兩種常見的運動目標檢測方法的優(yōu)缺點進行分析比較，選用背景差分法作為檢測運動目標的方法。 </p><p><b>　　2.運動目標分割 </b></p><p><b>　　2.1 背景建模 </b></p><p>　　本文采用混合高斯背景模型法進行背景建模及背景更新。混合高斯背景模型是基于像素

10、樣本統(tǒng)計信息的背景表示方法，利用像素在較長時間內(nèi)大量樣本值的概率密度等統(tǒng)計信息表示背景，然后使用統(tǒng)計差分進行像素判斷。其基本思想是用K個高斯模型來表示圖像中各個像素點所呈現(xiàn)的顏色。每一個模型都由背景像素和運動目標像素組成。 </p><p><b>　　2.2 背景更新 </b></p><p>　　由于外界環(huán)境、場景變換等各種因素的影響，要使背景模型在一段時間內(nèi)能夠

11、適應(yīng)環(huán)境的變化，就必須對初始模型不斷地進行更新。背景更新的實質(zhì)就是用當前幀匹配的模型去修正過去幀建立的模型。 </p><p>　　2.3 目標檢測分割 </p><p>　　獲得了背景圖像后，使用背景減除法進行運動目標的檢測。設(shè)閾值為T，當前幀圖像為fk（x，y），背景模型為fbk（x，y），二值化結(jié)果R（x，y）可由fk（x，y）和fbk（x，y）表示出來。當其兩者之差大于閾值T時，R

12、（x，y）的值置為1，反之，則置為0。 </p><p>　　本文中提取視頻的第一幀圖像作為背景圖像，之后再根據(jù)每一幀圖像的變化更新背景，完成新的背景建模。 </p><p><b>　　3.實驗結(jié)果 </b></p><p>　　本文實驗視頻序列為固定攝像頭下，一段行人行走的視頻。首先讀取視頻圖像并對其進行預(yù)處理，采用混合高斯建模分離背景，再

13、進行形態(tài)學(xué)處理，提取輪廓，得到運動目標區(qū)域，用白色矩形框?qū)⑦\動目標標記出來。程序的流程圖如圖3所示，截取視頻序列的第20幀圖4為例，檢測結(jié)果如下圖5。 </p><p><b>　　4.結(jié)束語 </b></p><p>　　本文通過背景差分法來對視頻目標進行檢測，采用混合高斯模型來獲取視頻背景，提取出完整的運動目標。本文在視頻序列目標的檢測方面做了一系列的工作，但都是

14、在固定攝像頭的情況下進行檢測的，距離一個完善的智能視頻監(jiān)控系統(tǒng)還存在很大的差距。今后將進一步對算法進行深入研究和完善，以求達到更好的效果。 </p><p><b>　　參考文獻： </b></p><p>　　[1] 司明飛.視頻監(jiān)控中的運動目標檢測算法研究[D].湖南大學(xué)，2014. </p><p>　　[2] 高哲.運動目標檢測與跟蹤算

15、法研究[D].沈陽工業(yè)大學(xué)，2014. </p><p>　　[3] 魏巖.基于背景更新的目標檢測與消影研究與應(yīng)用[D].安徽大學(xué)，2013. </p><p>　　[4] 彭艷芳.視頻運動目標檢測與跟蹤算法研究[D].武漢理工大學(xué)，2010. </p><p>　　[5] 秦小文.基于視頻序列的運動目標檢測與跟蹤算法研究[D].中北大學(xué)，2012. </p&