一种新型的视频序列运动目标检测方法

杨锦彬， 石 敏

(暨南大学 电子工程系，广东 广州 510632)

0 引言

智能视觉分析已成为智能环境、安全监控和人机交互等领域的核心技术之一，其中对运动目标的检测是实现这一技术的基础和关键[1]。

运动物体的检测方法主要有3种：光流法、帧间差分法和背景减法[2-3]。目前，国内外关于运动物体检测与提取算法有数千种之多，现已提出的分割算法大都是针对具体问题的，并没有一种适合于所有情况的通用算法，都具有一定的局限性。从实际应用角度来看，基于背景减法运动目标检测是使用最广泛的一种方法[4-5]，文中对传统的背景减法和背景更新法进行改进，提出了一种新型的背景减法和背景更新相结合的运动目标检测方法。

1 新型的运动目标检测方法

文中提出一种新型的背景减法和背景更新相结合的运动目标检测方法。该方法的流程如图1所示，即先求得当前帧CF(x,y)与背景帧BF(x,y)灰度差值GRAY(x,y)，然后根据动态的阀值判定其是否为运动像素，如果为运动像素，并根据基于双阀值计数的局部背景更新策略来判定是否有必要对背景进行更新。最后，采用多次形态学处理，去除各类噪声。

1.1 背景减法

传统背景减法的基本原理就是将当前帧图像与背景帧对应像素点的灰度值相减，在环境亮度变化不大的情况下，如果对应像素灰度相差小于一定的阀值，可以认为此处景物是静止的；如果图像区域某处的灰度变化大于一定的阀值，可以认为这是由于图像中运动物体引起的，将这些区域标记下来，利用这些标记的像素区域，就可以求出运动目标在图像中的位置。一般采用的背景减法是在当前帧与背景帧之间采用基于像素的时间差分和固定的阈值来提取图像的运动区域如公式(1)和式(2)所示：

其中CF(x,y)表示当前帧的灰度值，BF(x,y)表示背景帧的灰度值，ΔGRAY(x,y)表示当前帧与背景帧对应像素点灰度差值的绝对值，θ表示所取的阀值[6-7]。

图1 新的运动目标检测原理

1.2 动态阀值背景减法

采用固定的阀值可能会带来2个问题：①由于运动目标的内部对应的像素灰度相差很小，固定的阀值会导致运动目标内部出现空洞。②当阀值过大，容易将运动区域误判为静止区域；当阀值过小，则刚好相反[8]。鉴于这种情况，提出一种新型的动态阀值帧差法，即在阀值中引入时间做为参数，即:

其中θ'表示引入的动态阀值，θ为设定阀值，t为时间参数，且t≤θ，初始值为θ；当判定像素CF(x,y)为运动像素时：

否则

其中FPS为视频的帧率，图中横轴为时间t。

图1 阀值曲线（θ=30）

通过图2阀值曲线可知，当检测某一区域为运动区域时，这一区域的阀值迅速变为设定阀值θ的二十分之一左右，然后如果后序检测该区域为静止区域时，这一区域的阀值将迅速变大。这样做的好处是能够检测出更多有效的运动像素，但也会带来如噪声一样的拖影。对于引入像噪声一样的拖影可以通过数学形态学处理清除噪声。

采用 hall视频片段作为实验素材，实验结果如图 3所示。从图 3可以看出，其中图 3(a)为背景帧，图 3(b)为第198帧，图3(c)是采用固定阀值θ=30得到的实验结果，可以看出其中有一部分运动像素没能成功检测出来，图 3(d)采用改进的动态阀值背景减法，其中初始阀值为θ=30，可以看到检测出绝大部分的运动像素；虽然会引入如拖影一样的噪声，但是经过形态学处理后，得到一个轮廓非常清楚的二值掩膜如图3(e)所示。

图3 第198帧实验结果

1.3 背景更新策略

背景减法能够高效地检测出静止背景前的运动目标，但是在实际应用中，背景不可能是一成不变的，背景的更新需要遵循 2条基本原则：①背景模型对背景变化的响应速度要足够快；②背景模型对运动目标要有较强的抗干扰能力。

常用的背景更新方法有：多帧平均法、选择更新法等。多帧平均法较简单，但是计算量庞大，并且在运动物体多，运动速度缓慢的情况下也不能达到满意的效果。选择更新法对于光线的变化有较强的适应性，但是在光线变化强烈的情况下，会导致整个图像区域被认为是运动物体而不做更新，并且它受阈值选取的影响较大。文中基于选择更新法基本原理，提出一种双阀值计数的局部背景更新策略。

1.4 基于双阀值计数的局部背景更新

新方法的基本思路是先设定一个背景更新阀值Ω，通常这个阀值比较小，和一个计数阀值ω（ω是一个与时间为参数的函数）；然后，新增2个矩阵，一个用于存储前一帧图像与背景帧对应像素点的灰度差的绝对值ΔGRAYf-1(x,y)，一个用于累积计数当前帧和背景帧的灰度差值与前一帧图像和背景帧的灰度差值的绝对差值小于背景更新阀值Ω的连续个数。即计算出当前帧与背景帧的对应像素点的灰度差的绝对值ΔGRAYf(x,y)，然后将GRAYf(x,y)与ΔGRAYf-1(x,y)差的绝对值与Ω比较。

当连续满足以上条件的帧数大于计数阀值 ω时，就用当前帧的对应像素及周边特定的像素的灰度值去替换相应的背景像素的灰度值。大致的操作过程如下图4所示。

图4 背景更新策略的实现过程

实验结果如图5所示，从图5中可知，视频流中，在第 110帧(图 5(b))时，一个手提箱被放到一个椅上(如图 5(b))，到第 206帧(图 5(d))的时候手提箱被成功更新为背景(如图5(c))。为了进一步验证结果的准确性，我们取放置手提位置上的某一像素作为观察对像，得到的实验结果如图6所示。

图5 背景更新实验结果

图6 背景像素更新过程

上图表示手提箱位置范围内的某一像素灰度值的变化(横轴为帧数，纵轴为灰度值)，从图中可以看出，该像素在第110帧时发生了变化，到第200帧左右，该是像素已成功更新到背景帧中，从而更好地验证了图5的结果。

2 仿真结果分析

利用hall视频（FPS=30）在MATALB7.0平台上对提出的创新点进行验证性实验，实验参数为θ=30，Ω=5，ω=3*FPS，下面分别为第116帧(如图7)和第209帧（如图8）的实验结果。

从实验结果可以看出，到第 209帧时，背景帧(图8(a))得到及时更新。动态阀值背景减法处理后(如图7(d)，图 8(d)通过多次形态学处理后，不仅能够很好地去除图像中的随机噪声和由改进阀值背景减法引入的拖影式的噪声，更能使得运动区域的边缘更加圆滑，更加突出(如图 7(e)，图 8(e))。

图7 背景更新前的实验结果

图8 背景更新后的实验结果

3 结语

背景减法和背景更新相结合的运动目标检测方法，其中采用的动态阀值背景减法能够检测出绝大部分的运动像素；一种基于双阀值计数的局部背景更新策略能够及时地更新局部背景。最后进行 6次形态学处理，得到较好的除噪和磨光图像外边界的效果。

[1]李毅，孙正兴，远博，等.一种改进的帧差和背景减相结合的运动检测方法[J].中国图象图形学报，2009，14(06):1162-1168.

[2]代科学，李国辉，涂丹，等.监控视频运动目标检测减背景技术的研究现状和展望[J].中国图象图形学报，2006,11(07):919-927.

[3]胡玉晖.基于局部子区域的活动轮廓图像分割方法[J].通信技术,2010,43(02):68-70.

[4]崔竞松,王丽婧.基于运动物体识别的三维动态验证码设计[J].信息安全与通信保密,2010(04):65-67.

[5]SPAGNOLO P, ORAZIO T D, LEO M, et al. Moving Object Segmentationby Background Subtraction and Temporal Analysis[J]. Image and Vision Computing, 2006, 24(05):411-423.

[6]张健,蓝和慧.小波变换在虹膜图像特征提取与识别中的应用[J].通信技术,2009,42(02):162-164.

[7]PARAGIOS N,DERICHE R. Geodesic Active Contours and Level Sets for the Detection and Tracking of Moving Objects[J]. IEEE PAMI,2000, 22 (03):266-280.

[8]郑尚.基于视频监控的物体检测算法的研究[D].长春:吉林大学,2009:25-27.