基于計算機視覺運動目標檢測綜述

王文智，張儒良，黃成泉，王 林

(貴州民族大學理學院，貴州貴陽 550025)

基于計算機視覺運動目標檢測綜述

王文智，張儒良，黃成泉，王 林

(貴州民族大學理學院，貴州貴陽 550025)

為了使人們對運動目標檢測的方法更加了解，列舉了對視頻圖像序列中運動目標進行檢測的大量文獻。首先敘述了運動目標檢測的常用算法:幀間差法、背景減除法;然后，分析過去在運動目標檢測中遇到的一些問題;最后，歸類描述解決各個問題的關鍵方法。

運動目標檢測;視頻圖像序列;幀間差法;背景減除法

引言

近年來，運動目標檢測已經成為諸多學者在計算機視覺領域的熱門研究課題。運動目標檢測是目標提取、分類、跟蹤、識別等的基礎。

目前，經常用于運動目標檢測的方法有:幀間差法、背景減除法。幀間差法是用視頻圖像中相鄰幾幀圖像進行相減;背景減除法是通過建立背景圖像后，再用背景圖像與當前幀圖像進行對應相減來獲得運動目標。但是在現實的生活中所建立的背景圖像往往不能時適地代表真實的背景，如文獻［1，2］所提出的問題:背景中的物體發生運動;由于光線的變化產生背景的變化;同一背景區域中有不連續的或周期性的變化;目標在運動過程中停止;物體從背景中由靜止開始運動，引起背景變化等等。所以，很多學者就根據實際生活中存在的這些問題進行了一些算法的應用與改進。

1 運動目標檢測的常用方法

運動目標檢測是在計算機上對視頻圖像序列進行的目標區域檢測，目前運動目標檢測的方法通常為:幀間差法、背景減除法。

1．1 幀間差法

傳統的幀間差法是用相鄰兩幀或相鄰三幀連續圖像對應相減來獲得運動目標。這個方法簡單，且算計量小。因此，在過去的幾年里，有很多對運動目標進行檢測的文獻都使用了幀間差法，但是，由于傳統幀間差法對運動較慢的運動目標檢測時容易在目標內產生空洞現象，而且在場景的光照等實然發生變化時用幀間差來檢測會檢測出虛假的目標。所以近年來的一些學者就對傳統的幀間差法進行改進后再用來進行目標檢測。

1．1．1 針對“空洞”等現象

傳統的幀間差法在運動目標檢測中所檢測出的目標內“空洞”和邊緣丟失的現象，使得檢測不到完整的運動目標，因此，有學者對傳統幀間差法檢測運動目標時出現的“空洞”和邊緣丟失的現象進行了算法的改進。如文獻［3］中提出基于能量差比較的幀間差法。首先，利用視頻圖像序列中相鄰幀圖像進行幀差提取運動區域，同時還對運動區域構造兩個對稱方向的探測矩陣。然后，在運動區域內對應的原圖像上搜索運動目標的邊緣，并用運動區域與這兩個對稱的探測器矩陣卷積得到能量差函數。最后，通過能量差函數和運動目標邊緣的關系，提取出完整的目標，減少了檢測的“空洞”現象。文獻［4］中提出了一種新的運動目標檢測算法，該算法對圖像序列進行了預處理，并通過傳統的幀間差法進行運算，還引入對幀間差所獲得的區域進行邊緣分析，最后用數學形態學分割處理與邊緣檢測結果進行邏輯“或”運算，從而得到運動目標。

1．1．2 針對“受到噪聲和亮度突變的影響、出現虛假目標”等現象

針對目前我們所用的拍攝視頻工具對噪聲、光照亮度突變的情況，應用幀間差法很難提取出完整的運動目標這一難題。有許多學者對幀間差法也進行了研究和算法改進，如文獻［5］中提出了一種基于三幀差分和邊緣信息的運動目標檢測方法。該方法用相鄰三幀圖像進行邊緣提取，獲得三幀相鄰圖像的邊緣圖像，然后再利用這三幀邊緣圖像進行三幀差分運算，并用取閾值法進行目標分割來得到目標的提取。文獻［6］中提出了一種幀間差分的自適應運動目標檢測算法。算法利用直方圖統計各像素點處最大概率灰度的方法提取出視頻圖像中相鄰幀圖像的背景區域圖像，再利用相鄰幀間差法得到運動區域圖像與背景區域圖像進行比較得到運動目標區域。文獻［7］中針對視頻圖像提出了一種幀間差法和邊緣信息檢測法相結合的視頻圖像目標提取算法。首先對當前圖像幀的前后一幀的圖像進行差分得到運動區域;其次用Kir-sch邊緣檢測對當前幀進行邊緣提取得到邊緣圖像;再次，結合兩步檢測的結果得到更為精準的運動對象邊緣;最后，通過邊緣擬合使斷裂的邊緣的連接，通過掩模圖像進行區域填充得到運動目標。文獻［8］中提出一種改進的三幀差分運動目標檢測算法。首先提取相鄰三幀圖像，對前兩幀進行濾波和邊緣提取，將這兩幀所提取的邊緣信息進行異或運算;然后對后兩幀圖像進行差分二值化，并通過形態學膨脹處理，得到粗略運動目標;最后用此粗略運動目標與第一步獲得的邊緣進行與運算即可得到較為完整的運動目標。

幀間差法的編程實現很簡單而且運算速度也很快，對一些須光線的緩慢變化的背景影響不大，而且在對一些光照突變等的現象，目前文獻進行改進檢測有難度［5-8］，所以幀間差及它的改進方法能能夠有效地檢測出運動目標，但是此算法和它的很多改進算法對運動速度很快的目標進行檢測時還是出內部空洞的現象。所以對運動目標檢測所用的幀間差法仍然需要以后的學者進行改進和創新。

1．2 背景減除法

背景減除法是運動目標檢測常用算法之一，它是將建立好的背景幀圖像與輸入的當前幀圖像進行對應相減，用背景幀圖像與當前幀圖像的差分圖像的絕對值來表示，對有變化的區域則認為是運動目標。當然大部分背景減除法只針對固定攝像機所獲取的視頻進行運動目標檢測，而且在背景建模時也有多種方法:如均值法、單高斯法、混合高斯法等進行建立背景。

1．2．1 均值法提取背景的運動目標檢測

均值法是指將拍攝所獲得的視頻圖像序列的一部分用于訓練背景，其思想是用作訓練背景的圖像進行對應相加再求平均值，即用平均值圖像作背景圖像來檢測運動目標。如文獻［9］中先用一段時間內的圖像數據，進行對應像素點位置的像素值求平均或者中值濾波后，獲得的圖像各點像素值為背景圖像值，這種方法能解決由于攝像機抖動產生影響和場景光照突變所引起的瞬時噪聲。但是，這種方法只適用于一般場景。均值法要求在訓練背景圖像過程中，需要一定的內存容量來存儲視頻圖像序列，并且在訓練中對包含有運動目標的場景所獲得的背景圖像效果不是很好，所以均值法建模背景時，用于訓練的視頻圖像序列最好是沒有大的運動目標的視頻圖像。為了解決上述均值法獲得的背景不理想的問題，文獻［10］中在圖像背景建模時，考慮均值法受到車流量等的影響，所建模出來的背景圖像有殘影。所以，為了去除背景圖像中殘影的部分，提出了一種基于均值法的差分求值的方法，基本的思路是選取視頻圖像序列的前n幀圖像，利用均值法獲得一個初始背景圖像，此背景模型為含有殘影的背景圖像。再通過對前n幀圖像與背景初型求方差，得到一個方差圖像。這個方差圖像也就是初始背景圖像中的殘影部分。最后，通過初始背景圖像與殘影的差值，最終得到了不含有殘影的背景圖像。這個方法有力地克服均值法建立背景時所產生的殘影，為后續的運動目標檢測提供了方便。

1．2．2 單高斯法提取背景的運動目標檢測

由于在1．2．1節中所建立的背景圖像是通過求均值的方法來得到的背景圖像，在視頻圖像序列幀數很大時，再利用均值法來建模背景，則計算量等就非常復雜，因此一些學者根據實際的生活中一點像素的變化情況服從一個正態分布，也即高斯分布。如文獻［11］中對傳統的單高斯分布的背景更新算法上進行改進，建模背景圖像，而且這改進后的單高斯背景更新算法能夠較好地適應室內場景光線的變化，在背景更新的環節上，對認為是背景的像素點進行了更新，對認為是前景的像素點則不參與背景模型的更新，所以，對目標的運動狀態發生改變時，即由靜止變為運動或由運動變為靜止時，算法對相應像素點都采用的更新背，最后通過背景圖像與當前圖像對應相減就可以得到運動目標。而文獻［12］中是針對傳統單高斯背景模型不能適應背景實時的變化，所產生對運動目標檢測不完整的問題，提出了一種改進的單高斯背景模型運動目標檢測算法，而這個方法是取視頻圖像序列前n幀圖像的均值作為初始背景圖像，根據單高斯背景模型更新方法來用當前幀圖像和背景幀圖像進行檢測，對認為是背景的點進行背景模型更新，利用一個累積窗口對更新后的背景圖像中不屬于背景點的像素點進修正，將最后得到的背景圖像作為用來檢測用的背景圖像，再通過背景減除法獲得運動目標。

1．2．3 混合高斯法提取背景的運動目標檢測

在運動目標檢測的的整個過程中，由于視頻圖像序列中圖像的某一像素點處的像素值會隨著光線的強度等一些自然界因素而改變，往往不是只服從一個正態分布，面是呈現出多個正態分布的形式，也就是單一的一個高斯分布函數是無法對時常改變的像素進行描述。而多高斯恰好能克服這種變化，所以就有文獻［13］中所述的Stauffer等人提出應用混合高斯分布函數來描述背景圖像的變化。針對傳統高斯分布訓練背景時速度較慢等問題，提出了一種基于新的背景模型更新模式的目標檢測方法，首先，對二維彩色序列圖像建立混合高斯分布，在背景更新方法上對于不同的階段使用不同的更新參數，然后由背景減除法得到運動目標圖像。文獻［14］中提出自適應的運動目標檢測方法。它是在同一像素點被同一灰度車輛等船體覆蓋幾率小的假設上構建初始背景圖像，并且給每個像素點在線選取高斯分布的個數。而且在判斷是否為背景點時還根據像素點與其鄰域像素間存在關系，進行在線更新學習率。最后才利用背景減除法來檢測出運動目標。文獻［15］中是在彩色顏色空間進行背景建模，并且是用改進更新方法后的混合高斯模型進行背景建模，先將顏色空間從RGB轉換到Ycbcr，再采用自適應選擇策略來確定混合高斯模型的高斯成分個數;最后，將高斯分布按照權值的比重進行排序，選取前幾個最能代表背景的高斯分布作為背景圖像。

1．2．4 背景減除法在運動目標像素與背景像素相似時的應用

目前背景減除法在運動目標檢測上使用得非常多，并且都能檢測出目標，但是在一些運動目標與背景圖像相似時，則無論是幀間差法還是背景減除法都無法克服目標空洞或斷裂等現象，因此針對這一問題，許多學者也做了一些研究，如文獻［16］中采用了像素分類與混合高斯背景模型相結合來對運動目標進行檢測。首先利用混合高斯模型對背景圖像進行建模，克服了場景變化等因素帶來的影響;其次，通過背景圖像與當前幀圖像作差分獲得差分圖像，并對差分圖像的像素進行分類，利用分類后的像素進行雙閾值化分割，得到完整的目標。文獻［17］中在混合高斯模型下采用自適應的運動目標檢測算法。先根據各像素點的像素值的的情況，自適應地選擇高斯分布的個數對背景圖像模擬，再對差分圖像進行閾值處理，在閾值選取時提出了的自動調整閾值的方法，對差分圖像的像素進行分類閾值化分割，這樣就能得到了完整的運動目標。

2 混合法

運動目標檢測常用的方法是幀間差法和背景減除法。幀間差法是通過時間序列視頻圖像相鄰兩幀或相鄰三幀對應點進行相減，獲得的差分圖像再利用閾值來分割出運動目標區域，此方法計算量小、快速，而且對緩慢變化的場景運動目標的檢測影響很小，甚至沒有影響。但是通常情況在運動目標緩慢運動下容易在目標內部產生空洞現象，難以得到完整的運動目標，最終使運動目標信息不齊全。背景減除法一般是用事先建模好的背景圖像與當前圖像進行比較，通過消除背景來獲得運動目標，這種方法難點在于背景建模與背景更新環節上，所以背景減除法思想簡單。若能很好地提取時適背景幀，則對場景的變化的適應能力增強，對運動目標的提取會更加準確。但是對背景建模與背景更新環節的編程實現仍有一定的難度。

針對背景減除法和幀間差法對運動目標檢測存在的不足，混合法進行了結合與創新:如利用幀間灰度值信息的鄰域相關系數計算方法，解決了背景的更新與誤判的問題，通過幀間差和背景減除的各信息分析運動目標的區域，解決緩慢運動目標的空洞等問題，如文獻［18］中利用幀間差法將相鄰兩幀的圖像進行差分，現通過灰度拉伸來更新背景圖像，最后用鄰域的均值和方差相關系數進行目標檢測。文獻［19］中針對傳統混合高斯分布中建立背景圖像時由于更新速度比較慢所產生的鬼影現象，進行改進混合高斯背景的更新策略，又以幀間差法得到出現空洞現象的目標區域和背景減除法獲得的目標區域相結合，在背景突變下也能進行有效地檢測出運動目標。文獻［20］中對背景重建速度和目標檢測精度，提出采用基于統計模型對像素區域分級重建背景的方法，并對幀間差法得到目標的可能區域，在該區域進行像素級背景重建，然后用背景差分精確提取目標區域。既克服了單純幀差分對于目標運動速度的限制，又縮小了背景差分的區域，使運動目標檢測的時間復雜度迅速降低。文獻［21］中針對建模背景時光照突變敏感等問題，提出了背景差分法與三幀間差法相結合的運動目標檢測算法:先是用當前幀與混合高斯分布建立的背景圖像進行差分，快速檢測出運動變化區域;然后，利用前一幀圖像與當前幀圖像進行比較判斷場景是否發生光照突變，場景中若未發生光照突變，則采用混合高斯模型背景差分法提取運動目標，若發生光照突變，則采用三幀間差法與背景減除法相結合共同提取運動目標。文獻［22］中用分塊幀差法和背景減除法相融合的運動目標檢測方法，同時也利用分塊的方法建立初始背景圖像，將視頻序列圖像劃分為幾個小分塊，利用幀間差方法對圖像的各塊進行閾值分割得到粗略的運動目標，然后采用各塊背景減除法對運動區域進行檢測。并結合幀間差法得到的粗略運動目標最終提取準確的目標區域。文獻［23］中在為每個像素構建自適應混合高斯分布，并通過幀間差法把各幀圖像中的背景區域和運動區域分開，在背景區域中的像素點以特定較大的更新率更新背景圖像，在運動區域則也用一個較小的更新率來對背景適當更新。文獻［24］中運用改進的時間平均算法初始化背景，在有目標情況下也能構建出可靠的背景，再用背景圖像與當前圖像通過背景減除法得到目標運動區域，且利用像素的連通區域除噪聲;最后經過三幀間差法的檢測結果與背景減除法獲得的結果進行“與”運算，得到精確的運動目標。文獻［25］中用相鄰幀圖像的幀間差法獲得相鄰幀間差分圖像，然后對差分圖像進行濾波獲得運動目標區域，再通過構建的背景圖像與當前圖像進行背景減除法，之后再利用OSTU閾值分割技術獲取運動目標區域，通過背景減除法和幀間差法的融合檢測出真實的運動目標。文獻［26］中對幀間差法增加了中值濾波和梯度比較，結合相鄰幀間差法和混合高斯背景圖像的結果，把當前圖像分為4個區域，對每個區域內的混合高斯分布參數采用不同的更新策略，減少了運動目標對背景模型的干擾，根據區域的劃分情況和相鄰幀差間法的結果確定最終的運動區域。

3 結論

本文首先敘述運動目標檢測的常用算法:幀間差法和背景減除法，再通過分析傳統的幀間差法和背景減除法的不足，并針對傳統幀間差法的檢測運動目標時出現的“空洞”現象和在場景突變時檢測的不準確性，進行歸類敘述各算法的改進文獻。對于背景減除法的文獻敘述時，從均值法、單高斯法、混合高斯法逐一根據不同場景、不同光照等的變化進行歸類敘述，最后通過幀間差法與背景減除法相融合，有針對性地對光照突變、背景中靜止物體突然運動、運動的物體突然靜止、目標物的像素與背景像素相似等情況的文獻進行了敘述。通過對上述的文獻的閱讀，使我們更多地了解了運動目標的檢測算法，并且在進行這方面的實驗時，大多數是應用幀間差法與背景減除法相融合來進行檢測，而且我們也發現這兩種方法的融合可以彌補各自方法的不足。但是在一些比較復雜的場景中還是不能很好地檢測出準確的目標區域，所以運動目標檢測的方法仍然需要改進與創新。

［1］張森悅，李一波．復雜條件下的運動目標檢測方法研究綜述［J］．沈陽航空工業學院學報，2008(03): 59-63．

［2］張宏琳．智能視頻監控中運動目標檢測研究綜述［J］．科技信息，2014(06):227．

［3］董俊寧，楊詞慧．空間約束混合高斯運動目標檢測［J］．中國圖象圖形學報，2016(05):588-594．

［4］嚴金果，徐蔚鴻．基于新的幀間差分運動目標檢測算法［J］．計算機工程與設計，2013(12):4331-4335．

［5］呂云波，張志龍，李吉成，等．一種基于視覺注意模型的可移動目標檢測方法［J］．紅外，2016(03):25-31．

［6］薛麗霞，羅艷麗，王佐成．基于幀間差分的自適應運動目標檢測方法［J］．計算機應用研究，2011(04): 1551-1552+1559．

［7］楊蕊，張涇周，李榮，等．基于幀差法與邊緣信息的紅外目標檢測算法研究［J］．科學技術與工程，2012 (26):6648-6651．

［8］劉紅，周曉美，張震．一種改進的三幀差分運動目標檢測［J］．安徽大學學報(自然科學版)，2014(06): 55-59．

［9］黃磊，于曼曼．基于背景差分的運動目標檢測研究［J］．軟件導刊，2009(06):187-188．

［10］韓超，鄧甲昊，鄒金慧，等．基于差分均值背景提取和矩陣分區目標檢測算法的研究［J］．北京理工大學學報，2012(12):1247-1251+1257．

［11］王慎波，張為．基于塊模型的混合高斯模型運動目標檢測方法［J］．信息技術，2016(06):151-156+160．

［12］陳銀，任侃，顧國華，等．基于改進的單高斯背景模型運動目標檢測算法［J］．中國激光，2014(11): 245-253．

［13］郭俊，王平．基于改進的混合高斯模型的運動目標檢測［J］．微型機與應用，2016(10):30-32+49．

［14］黃鑫娟，周潔敏，劉伯揚．自適應混合高斯背景模型的運動目標檢測方法［J］．計算機應用，2010(01): 71-74．

［15］黃玉，殷萇茗，周書仁．基于YCbCr的自適應混合高斯模型背景建模［J］．計算機工程與科學，2015(01): 152-156．

［16］高凱亮，覃團發，陳躍波，等．一種混合高斯背景模型下的像素分類運動目標檢測方法［J］．南京大學學報(自然科學版)，2011(02):195-200．

［17］程全，馬軍勇．基于改進高斯混合模型的運動目標檢測方法［J］．計算機科學，2014(07):318-321．

［18］張金敏，王斌．光照快速變化條件下的運動目標檢測［J］．光電工程，2016(02):14-21．

［19］游佩佩，何建農．基于雙向分析的KGMM運動目標檢測算法［J］．福州大學學報(自然科學版)，2016 (01):40-44．

［20］屠禮芬，仲思東，彭祺．基于混合差分法的運動目標檢測［J］．科學技術與工程，2012(02):325-329．

［21］盧章平，孔德飛，李小蕾，等．背景差分與三幀差分結合的運動目標檢測算法［J］．計算機測量與控制，2013(12):3315-3318．

［22］高美鳳，劉娣．分塊幀差和背景差相融合的運動目標檢測［J］．計算機應用研究，2013(01):299-302．

［23］王小峰，王吉華，王遠鵬，等．混合高斯模型和差分法相融合的運動目標檢測［J］．小型微型計算機系統，2013(03):685-688．

［24］邱聯奎，劉啟亮，雷文龍．基于背景減除與三幀差分相融合的運動檢測［J］．合肥工業大學學報(自然科學版)，2014(05):572-577．

［25］屈晶晶，辛云宏．連續幀間差分與背景差分相融合的運動目標檢測方法［J］．光子學報，2014(07): 219-226．

［26］於正強，潘赟，宦若虹．一種結合幀差法和混合高斯的運動檢測算法［J］．計算機應用與軟件，2015(04): 129-132+270．

［責任編輯:周冬梅］

Review of moving object detection based on computer vision

WANG Wen-zhi，ZHANG Ru-liang，HUANG Cheng-quan，WANG Lin

(College of Science，Guizhou Minzu University，Guiyang，Guizhou，550025)

To providea better understanding of object detection method，a great number of documents on the method of moving target detection in video image sequence are listed in this paper．It starts with a description of the common algorithm for moving object detection:framedifference method and background subtraction．Then the problems existing in the past moving object targets detection are analyzed．Finally，the important methods for corresponding problems are discussed．

Moving target detection;Video sequences;Frame difference method;Background subtraction

TP391．41

A

1674-7798(2016)09-0018-05

10.13391/j.cnki.issn.1674-7798.2016.09.004

2016-07-14

貴州省科學技術基金項目(黔科合J字［2014］2095號);貴州省科學技術基金項目(黔科合LH字［2014］7390號)。

王文智(1990-)，男，貴州惠水人，貴州民族大學理學院2014級在讀碩士，研究方向:模式識別與圖像處理。