一種改進的視頻運動目標檢測算法

李秀麗+李旭健+高林

摘 要：為了克服幀間差分法和HS光流法在運動目標檢測中的缺點，提高視頻運動目標檢測準確性，提出了一種將改進的三幀差分法和基于灰度梯度優化計算的光流法相結合的運動目標檢測算法。首先利用改進的三幀差分算法對圖像進行預處理，使用最大類間方差法對圖像進行二值化，獲得全局二值化閾值，得到準確度較高的運動目標區域；然后利用優化灰度計算的光流法處理，排除光線等因素的干擾，從而更加準確地提取運動目標區域。實驗結果表明，該方法能夠有效提高運動目標檢測的準確性。

關鍵詞關鍵詞：HS光流法；三幀差分法；灰度梯度優化；最大類間方差法

DOIDOI：10.11907/rjdk.161773

中圖分類號：TP312

文獻標識碼：A 文章編號：1672-7800（2016）008-0026-04

0 引言

隨著計算機技術的不斷發展，計算機視覺研究方興未艾，而運動目標檢測在智能交通、軍事等領域成為熱點。視頻圖像中的運動目標檢測在計算機視覺領域成為一個重要的研究課題。

傳統的視頻運動目標檢測方法有背景差分法、幀間差分法和光流法。背景差分法是利用圖像序列中當前幀圖像和背景圖像相對于參考模型進行比較的一種檢測運動目標方法[1]。此算法相對簡單，檢測效率較高，其性能依賴于所使用的背景建模技術。但是一旦圖像背景發生變化或被其它物體干擾時，就不能準確地檢測出運動目標，即背景差分法的抗干擾能力較弱。傳統的幀間差分法是用圖像序列中的連續兩幀圖像進行差分，然后二值化該灰度差分圖像來提取運動信息[1-2]。這種方法的優點是算法實現簡單，程序設計復雜度低，對光線等場景變化不太敏感，能夠適應各種動態環境，穩定性較好。缺點是不能提取出對象的完整區域，只能提取邊界，同時依賴于選擇的幀間時間間隔。對快速運動的物體，需要選擇較小的時間間隔，如果選擇不合適，物體在前后兩幀中沒有重疊時會被檢測為兩個分開的物體。而對慢速運動的物體，應該選擇較大的時間差，如果時間選擇不適當，物體在前后兩幀中幾乎完全重疊時則檢測不到物體。光流法是給圖像中的每個像素點賦予一個速度矢量，形成圖像運動場。在不同的時刻，根據各像素點的速度矢量特征對圖像進行動態分析。當圖像中有運動物體時，目標和圖像背景存在相對運動，運動物體所形成的速度矢量必然和鄰域背景速度矢量不同，從而檢測出運動物體及位置[2，6-7]。它的優點在于光流不僅攜帶了物體的運動信息，而且還攜帶了有關景物三維結構的豐富信息，能夠在不知道場景任何信息的情況下檢測出運動對象。但是這種方法計算耗時，實時性和實用性都較差。

文獻[3]利用Harris角點作為特征像素點，用LK算法對這些特征點進行稀疏光流計算，三幀差分起到了補充作用。Harris 角點檢測子對圖像的尺度變化非常敏感，小的尺度變化就會造成Harris 角點的復現率快速下降，圖像的尺度伸縮將使由Harris 檢測子提取的特征不具有重復性，效率不高。文獻[4]利用幀間差分和光流法相結合的方法檢測視頻序列中的運動目標，相比之前的檢測方法有了一定的提高，但是光流法本身計算較復雜耗時，應用性不強。

為了充分發揮三幀差分的作用，本文提出了一種改進的三幀差分方法和優化灰度圖像計算的光流法相結合的方法，簡化了計算過程，提高了計算效率。

1 改進的視頻運動目標檢測算法

為了克服上述算法的缺點和不足，本文提出一種改進算法：首先利用改進的三幀差分算法對圖像預處理，降低圖像背景對運動目標的影響，經過膨脹得到運動目標的大致區域，接著對預處理過的圖像用基于灰度優化的光流法計算光流，得到運動目標的精確區域，檢測到運動目標。算法流程如圖1所示。

1.2 提取運動目標

HS光流法最早由Horm和Schunck在1981年提出，兩人結合了二維的瞬時速度場和圖像灰度，又根據圖像灰度守恒原理提出了古典的光流約束方程：

Ixu+Iyv+It=0（7）這個方法前提條件是場景中光照環境保持不變，即圖像的變化僅僅是由物體的運動產生。假設某個時刻t，點（x，y）在圖像中的亮度由I（x，y，t）表示，由于圖像中任意指定點的亮度是保持不變的，所以有：

dIdt=0（8）可以計算得到光流的約束方程，這個方程中包含了u和v兩個未知變量，一個方程中含有兩個未知變量顯然沒法解決問題。這里要添加平滑性約束條件，令約束方程成立。具體內容為：圖像上任意一點光流并不是獨立存在的，光流在整個圖像范圍內進行平滑變化，因此給出了平滑約束方程為：

上述改進方法減少了光流法的迭代次數，簡化了光流的計算過程，提高了光流計算的準確性，為準確檢測出目標打下了基礎。

2 實驗結果與分析

由于傳統的光流法與三幀差分法都有各自的優缺點，為了充分利用兩者的優點，改善它們的不足，本文提出一種結合改進的三幀差分法和基于灰度變化率的改進的光流法進行運動目標檢測。

本實驗中，使用MATLAB軟件開發工具，使用的圖像資源是車輛檢測的官方視頻，本實驗命名為cartracking.avi。視頻總長度為4s，視頻幀率設置為15幀/s。經過多次實驗后總結出閾值為T=25時能較好地去除圖像噪聲。

為了能夠清晰地體現本文方法的優越性，對原有的視頻圖像分別進行了傳統光流法實驗、優化灰度計算的光流法實驗、傳統的三幀差分方法實驗、改進的三幀差分方法實驗以及本文方法實驗。實驗中選取的經驗值為5，通過實驗可以發現：

對圖3 （a）、圖3（b） 和圖3（c），使用傳統方法得到的檢測目標區域圖像輪廓不太清晰，區域范圍不是很明確。

圖4是實驗視頻中11幀（d） 、16幀（e） 和21幀（f） 三幀的檢測圖像，可以看出改進的三幀差分檢測方法在出現重疊部分的區域，所檢測出的目標區域清晰度明顯增加，檢測出的目標信息更加全面，邊緣線相比傳統的方法較連續，檢測結果有比較大的提高。

圖5為經典的HS光流法實驗圖。 可以看出，光流的密度比較稀疏，沒有全面計算出運動目標的運動光流，所以不能夠顯示整個運動目標區域，距離理想中的檢測結果差距較遠。利用改進的光流法得到的運動目標檢測結果計算的光流如圖6所示。

圖7為本文改進算法的檢測結果。可以看出，本文方法可以清晰地檢測出運動目標，清晰度超越了兩者結合之前的程度，同時檢測效率也得到了提高。

3 結語

本文針對三幀差分和光流法的優缺點，提出了改進的三幀差分與基于灰度梯度優化計算的光流法相結合的方法，使用最大類間方差法進行閾值選擇，能夠相對快速準確地檢測運動目標。改進的三幀差分算法實現簡單，檢測效果有了明顯提升。此方法也可同時對多個目標進行檢測。優化灰度計算后的光流法，算法較簡單，兩者相結合提高了檢測效率，具有一定的實用價值。本文不足之處在于研究的前提是光照環境保持不變，而在實際視頻情景中，光線強度是不斷變化的。因此本文是在理想條件下進行的實驗，考慮光線變化的工作有待下一步開展。

參考文獻：

[1] 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（7）：219-226.

[2] 季鳴，王紅茹，童偉.基于改進差分和光流的新型運動目標檢測方法[J].計算機系統應用，2015（10）：111-115.

[3] 袁國武，陳志強，龔健，等.一種結合光流法與三幀差分法的運動目標檢測算法[J].小型微型計算機系統，2013（3）：668-671.

[4] 李春華，李寧.序列圖像運動目標的新型快速檢測方法[J].小型微型計算機系統，2014（8）：1916-1921.

[5] 郝穎明，朱楓.二維Otsu自適應閾值的快速算法[J].中國圖像圖形學報，2005（4）：484-488.

[6] 盛旭鋒，朱方文，李校祖，等.基于三幀時間差分法的獨居老人運動檢測[J].計算機工程與應用，2010（13）：239-241.

[7] 胡覺暉，李一民，潘曉露.改進的光流法用于車輛識別與跟蹤[J].科學技術與工程，2010（23）：5814-5817.

[8] 楊葉梅 .基于改進光流法的運動目標檢測[J].計算機與數字工程，2011（9）：108-160.

[9] 朱璐瑤.改進的Horn-Schunck光流法在目標追蹤中的應用[J].中國體視學與圖像分析，2015（3）：218-226.

[10] 桂本燁，錢徽，朱淼良.一種優化梯度計算的改進HS光流算法[J].中國圖像圖形學報，2005（8）：117-123.

[11] XIAOWEI HAN，YUAN GAO.Research on moving object detection algorithm based on improved three frame difference method and optical flow[C].Proceedings of IEEE Conference on Instrumentation and Measurement，Computer，Communication and Control，2015.

（責任編輯：杜能鋼）