基于光流法的運動圖像目標檢測

吳飛燕

【摘 要】運動目標檢測一直是研究的熱點和難點之一。由于運動目標的檢測容易受到背景、光線變化、目標與其他物體間相互遮擋等因素的影響，如何更好地實現運動目標檢測是本文研究的重點。本文運用光流法探究運動圖像的目標檢測，以光流矢量場作為基礎，通過光流模型、背景模型和基于墑等研究途徑，在一幅圖像上分離出目標和背景，檢測出運動目標并作出它運動軌跡。

【關鍵詞】運動目標;光流法;熵;數字圖像處理

中圖分類號： TP391.41文獻標識碼： A文章編號： 2095-2457（2019）21-0045-002

DOI：10.19694/j.cnki.issn2095-2457.2019.21.020

Moving Image Target Detection Based on Optical Flow Method

WU Fei-yan

（College of Big Data and Software Engineering， Wuzhou University， Wuzhou Guangxi 543300， China）

【Abstract】Moving target detection has always been one of the hot and difficult points in research. Because the detection of moving objects is easily affected by background， light change， mutual occlusion between objects and other factors， how to better achieve the detection of moving objects is the focus of this paper. In this paper， the optical flow method is used to explore the object detection of moving image. Based on the optical flow vector field， the object and background are separated from an image through optical flow model， background model and moisture-based research approaches， and the moving object is detected and its trajectory is made.

【Key words】Moving target; Optical flow method; Entropy; Digital image processing

0 引言

運動圖像在生活中隨處可見，如何快速、準確地檢測出我們想要觀察的運動目標，這是當今學者們重點研究和討論的問題之一。目前，根據基本原理的不同，常見的運動目標檢測算法可以分為幀差法、背景差分法和光流法三種[1]。本文基于光流法對運動目標檢測方法進行探究。

1 動態背景中運動目標的檢測

光流是一種圖像運動的表達方式，光流計算最初是在1981年由美國學者Horn和Sehunck提出的，他們根據圖像灰度守恒原理推導出基本光流約束方程[2]。它是一個圖像序列中的圖像亮度模式的表觀運動。如果一個物體正在發生運動，那么從圖像上來說，與其對應的那個物體的亮度模式也一定在發生著變化。光流法檢測的基本理念就是利用目標隨著時間變化的光流特性。從視覺變化上來說，運動在我們的眼睛里只不過是一種簡單幾何變化，直觀表現就是圖像像素在發生變化。

熵的概念來源于熱力學。在熱力學中熵的定義是系統可能狀態數的對數值，稱為熱熵。信源通過信息熵來統計統計自己的特性，它其實就是代表著信源平均不確定度的一個物理量。從統計學的角度出發就是在描述著一個信源。我們可以通過熵來找到對應的閾值S，用來區分目標和背景。這樣一來，目標和背景的信息量就可以輕易地達到最大值了。

這里我們一般使用Kalman濾波法來進行背景圖像的更新，應對外部環境的變化，從而阻止外界因素影響運動檢測。

背景圖像的更新公式為：

I為當前幀圖像，B是背景圖像，a2要十分小，才可以從背景序列圖像中分割出運動目標，這里我們a1=0.1，a2=0.01。

為了進行運動目標的檢測，我們首先需要確定找到一個閾值S，使二值化后的圖像更加接近運動目標。一般而言，確定一個合適的閾值很難，因此我們可以通過概率分布來表示信息，目標和背景的灰度分布可以利用信息嫡來表示。

2 數字圖像處理技術的應用

2.1 圖像的灰度變化

在圖片進行成像的過程中，有許多外界因素會使圖像的灰度級產生失真，例如光照的強弱變化感光部件的靈敏度，電子元器件特性的不穩定等。灰度級校正時，我們通過圖像采集系統對圖像像素進行逐點修正。

設原始圖像為f（x，y），實際獲得的含噪聲的圖像為g（x，y）。

其中e（x，y）是具有降質性質的函數。對于系統降質函數e（x，y），可以簡用一幅灰度級全部為常數C的圖像來標定。

進而我們可以得到實際圖像g（x，y）經過校正所恢復的原始圖像f（x，y）。即：

2.2 圖像的平滑

選一個含有奇數點的滑動窗口W，將這個窗口在圖像上進行掃描，將它的像素點按灰度級進行排列取中間的灰度值（Med）來替代改點的灰度值。即

2.3 圖像的銳化

所以梯度值與其相鄰的像素之間的灰度差分一定是成比例的，所以輪廓處有較大的梯度值。通過梯度進行圖像銳化的方法如下。

對于輸出圖像g（i，j）的各點等于該處的梯度。

對梯度值超過某閾值T的像素選用梯度值，而小于閾值時保持原圖像的像素值。

對梯度值超過閾值T的像素采用固定灰度LG替代，而小于閾值時保持原圖像的像素值。

將梯度值超過閾值T的像素采用梯度值，而小于閾值時選用固定灰度LB。

將梯度值超過閾值T的像素采用固定的灰度級LG表示，而小于閾值時選用固定灰度LB表示。

2.4 提取目標的輪廓

輪廓提取的原理：假設在原始圖像里有一點，它的顏色是黑色，并且在它身邊有8個黑色的鄰點時，將該點刪除。最終結果如圖4所示。

3 總結

光流法是運動目標檢測的方法之一，光流法可以獲取運動目標的運動信息，支持攝像機在運動時進行目標檢測。但是該算法在沒有特殊加速硬件支持的條件下，計算耗時，復雜度高，抗噪性較差。所以，光流法進行運動目標檢測有其優點也有缺點，有適用性也有局限性。如何根據實際情況應用好該方法進行運動目標需要持續深入探究。

【參考文獻】

[1]劉洋.運動目標檢測技術研究綜述[J].科技經濟導刊，2019，27（17）：183.

[2]周曼，劉志勇，應正波，等.基于光流法的深度學習在工業運動檢測的應用[J].自動化與儀表，2019，34（07）：92-95.