幀間差法在視頻目標檢測的仿真應用

戴鑫 黃愐 張進

（貴陽學院電子與通信工程學院 貴州省貴陽市 550005）

1 運動目標檢測的發展現狀與實際困難

近年來，專家和學者們針對視頻中的運動目標檢測的相關問題，做了大量而深層次的研究，并且還提出了極為有效的算法及不少的運動目標檢測的方式方法：光流法、背景差分法、幀間差分法等等[1]。但到目前為止幾乎沒有任何一個算法能夠同時滿足可靠性、準確性、穩健性等各種一系列的特性。所以，在相關檢測的各種算法中，還有著許許多多的各種各樣的缺陷與不足。主要的原因是圖像里存在著各種干擾因素，包括：

（1）光線亮度的變化；

（2）背景景物的變動；

（3）背景和目標重疊遮蓋；

（4）前景與背景物體相近；

（5）非完全表態背景；

（6）運動目標運動路徑的變化；

（7）所檢測的運動目標的特征難以擇取：

（8）檢測的準確性以及實時性難以掌握。

由于存在如此多的問題，當進行運動目標檢測時，將會遇到各種各樣的麻煩和疑難問題。而對于運動目標檢測的研究，就是在最大程度上盡最大可能地解決這些顯現問題，而上述問題也值得進一步研究探討。

2 運動目標監測理論基礎

使用算法對運動目標進行檢測的任務是：消除目標圖像的靜態背景，找出運動前景區域，并盡可能去除噪聲，以獲取所需的運動目標。運動目標一般情況下會涉及到以下對象：

（1）運動目標：需要被檢測的進行運動的對象。

（2）背景噪聲：沒有被檢測出來的運動目標所處環境的區域。

（3）前景噪聲：被認定為已經發生產生了圖像變化，但并沒有包括任一運動目標的范圍。

（4）反射：在其他物體的邊緣，或是反射能力強的其他物體表面，因光線的不穩定而被認成是變化的目標物體將其檢測出來。

（5）陰影：被檢測的運動目標物體在一系列事物上產生的陰影，也將他當做目標檢測出來。

（6）鬼影：被檢測的運動目標在過去的某時刻進入背景模型，在當前時刻被檢測出來。

（7）干擾：對最后的檢測結果可能產生一定影響的因素。

2.1 灰度圖像

在仿真設計時要對彩色圖像灰度化，將其轉化為灰度圖像。一般在灰度圖像中，用8 位數據來表示一個像素；而在圖像中，則用一個字節代表一個像素，或是其亮度值，也就是要讓三個分量的值相等。

將圖像由彩色轉化為灰度有不同的方法，我們可以通過下列幾種方法將其轉化：

通過以上任意一種方法進行轉化，可以得到灰度值Y；再將灰度值Y 取代RGB(R,G,B)中的像素值，變為RGB(Y,Y,Y)得到灰度圖像。

2.2 數學形態學運算

形態學的基本運算主要有四個：膨脹、腐蝕、開啟、閉合[2]。

（1）膨脹：膨脹是將圖像的內核進行卷積操作。它是將與物體接觸過的背景點，一同融合在于物體內，使邊緣區域向外部延伸的過程。

膨脹的作用是：填充圖像中小于結構元素的空洞，以及修補邊緣凹陷和破損部位。

（2）腐蝕：腐蝕也是將圖像的內核進行卷積，是一種銳化邊界點，使其向內部收緊的過程。

（3）開運算：開運算是基本的形態學噪點消除模塊，運算順序是：先腐蝕，后膨脹。

（4）閉運算：閉運算是開運算的對偶運算，它的操作是：先膨脹，后腐蝕。閉運算的作用為磨除圖像內部的尖角，對其外部做濾波。

2.3 數學形態學濾波

圖像在形成、傳送以及變換的整個過程中，會受到來自外界的各種各樣因素的干擾，導致圖像變得模糊不清，并且還可能夾雜各種噪聲。因此，我們在進行圖像處理時，會先對其進行濾波，去除存在的噪聲。

基于形態學和形態變換構建的形態濾波器通過開、閉運算形成一個濾波器，以達到理想去除噪聲的目的。在這個過程中，結構元素的作用相當于信號處理中的“濾波窗口”[5]。形態學濾波器是通過用形態算子處理圖像形成的。其特點是：不模糊圖像的邊界區域。形態濾波器是用一個結構元素B 對初始圖像連續地使用開、閉運算，這樣，圖像中小于結構元素的自由噪聲將被濾除。

首先，通過結構元素B 來腐蝕A，消除圖像中的噪聲點；然后，用B 對腐蝕結果進行膨脹，以便恢復有用信息。這樣反復進行腐蝕膨脹，就能去除噪聲。

3 三幀差分算法的仿真實現

論文設計的三幀差分算法，是在二幀差法再次進行差分實現的[4]。不同于二幀差法，三幀差法要獲得視頻中三幀連續圖像——即第k-1 幀、第k 幀以及第k+1 幀。然后將第k 幀與第k-1 幀、第k+1 幀與第k 幀分別做差分，獲得兩個差分圖像；最后，對倆差分圖像做“與”運算，獲得二值圖像。

3.1 實現過程

三幀差分算法是在獲得其相鄰兩幀的差分圖像后，將其做“與”運算，再取其交集，以獲得目標輪廓。從上述理論可以得出：三幀差法優于二幀差分法，前者能提取更為完整的目標。以下是三幀差分算法的具體過程：

（1）從視頻中選取三幀連續圖像。為進一步保證與二幀差法相比較的準確性，把圖像先進行灰度化：

之后將RGB(R,G,B)中的R、G、B用Y值替換，以獲得灰度圖像。

（2）將灰度圖像通過計算得到二值化圖像。計算前兩幀圖像之間的差分以獲得目標變化量之后，通過幀間差分處理獲得目標變化的二值圖像：

（3）再計算第后兩幀圖像的差值，以獲得目標變化量后，通過相同的幀間差分處理。其中兩幀差值用g2(x,y)來表示：

（4）g1(x,y)和g2(x,y)做“與”運算，將兩者交集部分提取出來，則可得到三幀差分圖像，將其設為D1(x,y)。此時，我們就得到了大致目標的運動區域：

在三幀差法實驗中，也應選取合適的閾值，如果閾值選擇不當，“去噪”這一步會比較麻煩，檢測效果也會受到影響。因此，通過灰度圖像的灰度值來獲得合適的閾值。

（5）獲得目標的二值圖像后，將其進行形態學去噪，同樣對其進行膨脹和腐蝕，以得到圖像。

3.2 仿真結果

圖1是物體間陰影和重疊影響的結果，圖1中的（a）圖和（b）圖下方圖像是三幀差法最終得到差分圖像，該圖是經過了灰度和二值化，及腐蝕和膨脹處理后得到的效果圖。從檢測結果可知，三幀差法能夠很好地檢測出運動目標。

圖1：陰影和物體間的重疊遮檢測效果

圖2是提取視頻中的三個連續幀圖像，并做三幀差法運算。圖2的（a）圖和（b）圖下方圖像，是已經經過處理之后得到的檢測圖。由仿真結果可得，若目標存在于非靜態背景中，對其檢測時，使用三幀差法，就能夠得到較好的效果。

圖2：非靜態背景檢測效果圖

圖3對目標的三幀連續圖像做三幀差分運算，且該目標是進行高速運動的。圖3（a）圖和（b）是已經經過處理之后，得到的最終結果。檢測結果顯示，當物體進行高速運動時，運用三幀差法可以很好地檢測出該目標。

圖3：高速運動的目標檢測效果

4 結果分析

從仿真結果可以看出：三幀差分算法可以很好地檢測出目標，且檢測出的目標輪廓更清晰。在陰影和物體重疊的影響下，三幀差法檢測獲得的目標更為清晰；當目標高速運動時，三幀差法的漏檢率極大降低。因此三幀差法比二幀差法更具優勢。其具有更高的精度和更好的檢測效果。