視頻圖像中的運動目標檢測方式及算法分析

【 摘 要 】 作為我國計算機視覺領域中一個極為重要的組成部分，視頻圖像運動目標檢測方式與算法對運動目標的分類與跟蹤有著重要的影響，在城市管理、野外環境測控、武器目標定位等多個領域中有著廣泛地應用，其與城市治安防控和城市管理聯系密切，能夠實現對固定區域的實時監控與信息記錄。論文將著重對視頻圖像中的運動目標檢測方式進行深入分析，并探究了常用的運動目標檢測算法，為相關領域提供一個參考與借鑒。

【 關鍵詞 】 視頻圖像；運動目標；檢測方式

【 中圖分類號 】 TP317.4 【 文獻標識碼 】 A

【 Abstract 】 As one of the most important parts in the field of computer vision in China，video image moving object detection methods and algorithms have an important influence on the classification and tracking of moving objects.Is widely used in many fields of urban management， field environment control， weapon target positioning， which is closely associated with urban crime prevention and control and urban management to achieve of the fixed area real-time monitoring and information recording.This study will focus on the moving target detection method in video image analysis， and explores the moving target detection algorithm commonly used， provide a reference for related fields.

【 Keywords 】 video image； moving object； detection method； algorithm analysis

1 引言

隨著我國社會主義現代化建設的不斷發展，我國的計算機信息技術得到了前所未有的發展，這也在一定程度上促進了人工智能技術以及圖像工程等技術的革新。作為當前計算機領域中一個熱點問題，視頻圖像運動目標檢測在城市管理中的應用，對社會治安、打擊犯罪以及和諧社會的建立有著重要的意義與價值，其能夠促進人們對運動信息的有效捕捉，進而用于對實際問題的解決，對視頻圖像中的運動目標檢測方式及算法分析迫在眉睫。

2 視頻圖像運動目標檢測的意義

所謂運動目標檢測，主要是指對視頻的序列圖像進行檢測，觀察在整個場景圖像中有無運動的物體，共涉及到視頻圖像處理、人工智能以及計算機圖像分析等多個方面，是視頻監控體系的最底層，其為后期目標跟蹤、分類與行為理解等環節打下了堅實的基礎，對于視頻監控系統功能的發揮有著重要的影響。通常對于運動目標檢測包含了光流法、背景差分法等多種方式，其算法也多種多樣。本次研究對視頻圖像中的運動目標檢測方式及算法的分析有著一定的應用價值。

3 視頻圖像運動目標的檢測方式

3.1 幀間差分法

作為運動目標檢測最為常用的方法之一，幀間差分法能夠對動態變化的圖像進行有效檢測，且多于相鄰幀間或三幀之間進行，因此被稱為是幀差分法，其主要根據序列圖像相鄰幀的極強相關性原理，能夠實現對運動目標的變化檢測，在濾波的作用下，對運動目標的范圍、區域進行確定，其計算公式可采用相關描述：dk（x，y）=| fk（x，y）-fk-1 （x，y） | [1]。其中fk（x，y）以及fk-1 （x，y）表示兩幀連續的運動圖像，絕對差分圖像由dk（x，y）表示，該計算公式僅包括對像素強度的相減計算，整個計算流程相對簡單，具有一定的可行性，便于實現。該檢測方式也存在一定的缺陷，容易受噪聲干擾，當被遮擋的背景受運動影響出現時，將會使新背景作為運動物體出現誤檢現象，甚至出現鬼影，為了有效避免“鬼影”對運動目標的影響，對幀查法進行了新的改進[2]，通過對多幀圖像差分交集的求證對運動目標進行檢測，常見有對稱差分檢測，具體如圖1所示。

3.2 背景差分法

所謂背景差分法主要是指將視頻序列中所呈現出的當前幀圖像與預先存儲的背景圖像進行相減，對目標進行檢測與提取，其具體流程如圖2所示。可以將背景差分法進行如下描述：dk（x，y）=| fk（x，y）-B （x，y） | ，其中dk（x，y）作為差分圖像，背景則采用B（X，Y）來表示，當前幀圖像則為fk（x，y）。在對目標進行檢測時，先對第k幀圖像與背景圖相減，進而提取差分圖像，然后對閾值進行選擇，并使所得的差分圖像轉化成為二值差分圖像，其中像素為0的則確定為背景區域，為1的則可確定為運動目標區域。作為背景差分法極為重要的一個環節，預處理指的是對視頻圖像的簡單濾波，避免攝像機噪聲以及外界環節的瞬時噪聲等，若攝像機發生抖動，那么在對背景進行建模前，還必須所獲取的連續視頻幀進行圖像綜合處理。

4 視頻圖像運動目標的算法分析

4.1 多幀圖像平均法

所謂多幀圖像平均法主要是指在對運動目標進行檢測與分析時，將其作為噪聲源，并采用累加平均的方法對噪聲進行逐步消除，將目標運行的序列圖像作為重點分析對象，并從中得出背景圖像，可以采用以下方式進行表達：B（x，y）= fk（x，y）。采用此算法，能夠得到相應的背景圖像，且該圖像受平均幀數的影響，平均幀數越大，其消除噪聲的效果就明顯[3]。

4.2 連續幀差法

所謂連續幀差法主要是指在對視頻圖像運動目標進行提取與計算的過程中，計算出當前幀圖像與前一幀圖像的差值，并以此確定運動區域，其能夠使運動區域背景保持不變的狀態，而對于非運動區域的背景則可以采用當前幀實現動態更新，在迭代作用下，對背景進行提取。首先，原始圖像B0可以采用第一幀圖像I0進行表示，將迭代參數設置為i=1，所求為前幀與前一幀的差分二值圖像，即BW1，其具體計算方法為：BWi=1ads（Ik-Ii-1）≥T

0ads（Ik-Ii-1）

然后通過二值圖像對背景進行更新，其具體計算方法為：Bi（x，y）=Bi-1（x，y）BWi（x，y）=1

aIi +（I-a） Bi-1（x，y）BWi（x，y）=0，其中Bi（x，y），BWi（x，y）表示兩圖像在坐標中的位置，將更新速度系數確定為0.1。設置條件i=i+1，然后將其代入BWi進行迭代計算，達到一定數量后，結束迭代，將B1設置為提取背景。

4.3 最大閾值分割

通常，在實際工作中往往需要高質量的運動圖像，為了滿足各個領域對高質量運動目標的需求，可以確定閾值對圖像進行分割，使二值化圖像能夠對圖像運動目標做出準確地反映。一般情況下，圖像的直方圖為雙峰狀態，其最佳閾值則為直方圖雙峰的谷。而對于多峰直方圖，閾值的確定則面臨著難題。經過研究可采用概率分布法對信息進行表示，通常，閾值不同，其目標區域與背景區域的信息量也有著明顯的不同，那么總信息量閾值t則為最佳分割值，即最佳閾值。

5 結束語

近年來，視頻圖像運動目標檢測與算法成為計算機領域研究的一個重點，其不僅是對計算機視覺檢測的理論分析，更是對視頻圖像處理技術的實踐探究，有著廣闊的應用前景。目前，社會多個行業都對視頻圖像處理有著不同的需求，要立足于多樣的應用環境，探究視頻圖像中的運動目標檢測與算法的新途徑，確保檢測的準確性，為相關行業提供技術支撐。

參考文獻

[1] 毛育佼，陳苒君，唐莉萍.視頻圖像中運動目標檢測算法的提高[J]. 計算機系統應用，2014， 23（4）：107-111.

[2]徐永兵.基于Trous算法的紅外序列圖像中運動目標的檢測與跟蹤[J].紅外，2015， 36（1）：35-39.

作者簡介：

衣李娜（1974-），女，遼寧本溪人，副教授，碩士；主要研究方向和關注領域： 軟件開發及視頻圖像處理。