復雜背景下的運動目標檢測算法

閆占芳 黃楠

摘 要：運動目標檢測技術作為智能視頻監控的基礎，其目的在于獲得完整的運動目標。本文對常見的運動目標檢測算法進行了分析，綜合幀間差分法和背景減除法設計出一種適用于復雜背景的運動目標檢測算法，最后通過實驗驗證了該算法的有效性。

關鍵詞：智能視頻監控；運動目標檢測；幀間差分法；背景減除法；

文章編號：1674-3520（2015）-06-00-01

一、引言

智能視頻監控系統在安全生產、人員監控方面發揮著日益重要的作用，以提取運動前景目標為目的的運動目標檢測技術，是智能視頻監控系統的重要研究內容之一，是運動目標跟蹤、分類和識別等后續處理的前提，也是尚未根本解決的難點問題。本文對常見的運動目標檢測算法進行分析研究，綜合其優點設計一種適用于復雜背景的運動目標檢測算法。

二、運動目標檢測算法

運動目標檢測通過去除背景成分，以便從視頻圖像中獲取準確的運動目標，在此過程中要去除噪聲（背景噪聲和前景噪聲）的影響，目前光流法、幀間差分法以及背景差分法成為主流的運動目標檢測算法。

（一）光流法。光流法[1]通過光流場和運動場來描述。利用光流法進行運動目標檢測主要是根據光流場的變化情況，通過光流矢量的變化來判斷是否有運動目標。光流法計算流程如圖1所示。

圖1 光流法流程圖

由上圖可以看出，光流法計算流程為：首先，選取視頻圖像的相鄰兩幀，對其進行運動估計；然后，根據運動估計的結果進行場景分割，對分割后的結果進行濾波處理，并去除較小的區域；最后，比較當前區域與原區域是否有區別，若有區別則存在運動目標，并保存當前的區域；否則無運動物體。

（二）幀間差分法。幀間差分法[2]通過比較相鄰兩幀或多幀之間的差異來進行運動目標檢測。其流程圖如圖2所示。

圖2 幀間差分法流程圖

幀間差分法算法簡單，對光線以及背景擾動不敏感，由于幀間差分法中用來做差的兩幀間時間間隔小，因此在背景發生變化時不會對結果造成太大影響；另外幀間差分法最大的特點在于運算速度快，適用于實時性要求高的環境。但該算法對噪聲敏感，容易將背景像素作為運動目標檢測出來，導致檢測區域相較于運動區域要大，故得到的檢測結果并不十分準確。為提高檢測性能，在運動目標檢測時一般采用多幀差法或其它改進算法。幀差法運算速度快，但是準確性差，一般在對準確度要求低的場景中應用較多。

（三）背景減除法。背景減除法[3][4]是通過去除圖像中的背景來提取運動目標。該方法需要假設背景在某段時間內保持不變，以保證目標檢測的準確性。背景減除法算法流程如圖3所示。

圖3 背景減除法流程圖

三、改進目標檢測算法及其結果

復雜環境下容易存在光線突變、突發運動等問題，上述算法不能滿足其要求。本文綜合上述幾種算法提出了基于幀間差分法和背景減除法的改進算法。該算法首先利用幀差法檢測視頻圖像中是否存在運動目標，并計算運動目標的面積，若面積大于設定閾值則認為有運動目標存在，對背景模型進行更新，同時提取運動目標；否則，用當前幀圖像對背景模型初始化，同時對背景進行更新。利用幀差法和背景減除法相結合的算法可消除動態背景，從而只保留運動目標。

四、結論

對常見的運動目標檢測算法進行了分析，并提出一種適用于復雜背景的改進算法，該算法綜合了幀間差分法與背景差分法。通過多個場景下的試驗結果，證明了該算法在運動目標檢測方面的優勢。

參考文獻：

[1]Neri A.， Colonnese S.， Russo G et al. Automatic moving object and background separation[J]. Signal Processing， 1998， 66（2）： 219-232.

[2]Haritaoglu Ismail， Harwood David， Davis Larry S. W4： Real-time surveillance of people and their activities [J]. IEEE Transactions on Pattern Analysis and Machine Intelligence， 2000， 22（8）： 809-830.

[3]袁國武. 智能視頻監控中的運動目標檢測和跟蹤算法研究[D]. 云南：云南大學， 2012.

[4]龍章勇. 淺析軌道交通智能視頻監控的關鍵技術[J]. 硅谷， 2011（6）： 10-29.

作者簡介：1、閆占芳（1987），女，助理工程師。E-mail：yanzf@cnpe.cc。2、黃楠（1987），女，助理工程師。E-mail：huangnan@cnpe.cc