监控视频中运动目标的自动检测、跟踪和提取

盛家川　杨巍　海岩

摘 要：为了能够从监控视频中快速准确地分析运动目标，文章提出了一种新的运动目标自动检测、跟踪和提取方法。首先通过混合高斯模型背景差分法获得运动目标初始二值轮廓。然后结合Kalman滤波和Blob匹配法跟踪物体的运动轨迹，并用矩形框架标记图像序列中的运动目标。最后传递矩形参数，采用迭代算法实现最优化分割，对运动目标进行准确提取。实验结果表明，该方法具有较高的鲁棒性和准确性。

关键词：目标检测；混合高斯模型；卡尔曼滤波；GrabCut

中图分类号：TP277；TP391.41 文献标识码：A 文章编号：1006-8937（2015）12-0071-02

随着人工智能和信息技术的发展，运动目标的检测、跟踪和提取在军事、工业、智能交通和科学研究等诸多领域得到了广泛的应用，检测、跟踪和提取研究逐渐由单目标转为多目标。

目前，国内外学者在运动目标的检测、跟踪和提取的研究领域进行了比较深入的研究，提出了很多有效的算法。[1-2]但在实际应用中，由于自然环境复杂，目标机动性高，在研究运动目标检测、跟踪和提取技术时的干扰因素多，容易导致检测不准确，跟踪效率不高且信息提取不完整。在对检测、跟踪和提取技术的研究现状和存在的问题进行深入分析的基础上，本文以混合高斯建模和卡尔曼滤波器为切入点，提出了一种新的运动目标自动检测、跟踪和提取算法改进。

1 运动目标自动检测、跟踪和提取

基于，混合高斯模型，本文使用背景差分法检测运动前景，在得到目标初始轮廓的基础上，采用Kalman滤波器与Blob分析法相结合的方法，实现运动目标的跟踪。目标跟踪获得矩形框架以此为参数进行传递，通过运动目标自动提取算法分离视频帧的前景，获得运动目标的完整图像。

1.1 初始轮廓检测

首先通过混合高斯模型得到背景图像B，用前景图像I减去背景图像B，得出差分图像Id，将图像Id转为灰度图像进行中值滤波，然后利用归一化的阈值对图像进行二值处理。得到二值图像后，对其进行形态学的处理，填补空洞，膨胀与腐蚀，开运算和闭运算，最后得到目标的初始轮廓。

为了验证算法的有效性，在实验中采用实际的监控视频序列进行运动目标检测，其中用来拍摄的摄像机是静止的。运动检测结果如图1所示，图1（a）是从监控视频中提取的一帧图像，图1（b）是该帧图像二值化后的轮廓检测结果图。

1.2 基于Kalman滤波器和Blob匹配法的目标跟踪

本文将Kalman滤波器和Blob匹配法相结合，共同完成运动目标跟踪，具体算法如下。

①在混合高斯法得到的初始轮廓基础上，寻找各连通的前景区域，每个区域标记为一个Blob。计算每个Blob的形心位置、轮廓大小以及空间矩特征，将这些Blob编号与其特征一起存储在一个序列中。同时，本文对每一个Blob块标记矩形框架，保证刚好覆盖连通区域，并随着运动目标的移动不断更新。

②根据当前帧之前目标形心位置的运动状况，用Kalman滤波器算法预估各Blob在下一帧将出现的位置。根据从当前帧中测量到的Blob的形心位置和长宽，利用Kalman滤波器对当前帧中Blob的位置进行估计，然后利用该估计值对Blob在下一帧中的位置做出预测。因为相邻两帧之间的时间间隔很小，所以假设Blob以一个恒定的速度移动，则该系统是线性动态系统。根据Kalman滤波器等式：

Xt=AXt-1+Wt（1）

Yt=BXt-1+Vt（2）

其中，A是传递矩阵，B是测量矩阵，Xt和Xt-1是t时刻和t-1时刻Blob的状态向量。定义X=（x，y，w，h，dx，dy，dw，dh）T，这里（x，y）是Blob的形心坐标，（w，h）是Blob的大小，而dx，dy，dw，dh分别对应x，y，w，h的速度。同时，定义对Blob标记的矩形框架rect=（x，y，w，h），（x，y）为矩形框架中心坐标，（w，h）为矩形框架的宽度和高度。Wt，Vt是符合高斯分布的N（0，Rt）随机变量，Yt是测量方程。

③在预估位置附近根据Blob的轮廓形状、大小、空间矩特征，寻找匹配的Blob。若找到匹配的Blob则将它标记为同一个编号，否则给一个新的编号，更新Blob存储序列和矩形标记框架。运动目标跟踪结果如图2所示。

图2（a）和图2（b）实验视频是一段交通监控图像，每一辆行驶通过的汽车被视为一个新的目标进行跟踪，并标注序号。当多辆汽车同时驶过，就会同时被跟踪，并且通过序号可以知道出现的先后顺序，黄色标记矩形为运动目标提取传递参数。

当实验视频中出现噪音点，如图2（c）所示，视频中前景人物在花坛前面行走，背景中有路人走过（红色方框内），树叶也在随风轻轻摆动，由于运动范围不大，本文算法忽略不计，只对前景人物进行目标跟踪，可见算法具有鲁棒性。

1.3 运动目标自动提取

在GrabCut算法[3]的基础上，提出运动目标自动提取算法。通过基于Kalman滤波器和Blob匹配法的运动目标跟踪算法，视频中的运动目标在每一帧视频图像上获得标记的矩形框架rect=（x，y，w，h），矩形框架中心位置（x，y），宽和高为（w，h），即为运动目标自动提取算法的参数传递。有了矩形框架输入，本文算法就可以用混合高斯模型初始化每个像素的初始值，然后执行最优化分割，算法流程如下：

①给视频图像上标记的矩形框架rect=（x，y，w，h）内的每一个像素点赋GMM初值：

④重复步骤①至③，直至收敛。

算法收敛后就可以得到运动目标的提取结果。多个运动目标提取结果如图3所示，图3（a）是对单个运动目标的提取，图3（b）是对多个运动目标的提取。

2 结 语

本文针对静止摄像机户外视频监控系统，提出一种新的运动目标自动检测、跟踪和提取方法。首先采用混合高斯模型背景差分法完成运动目标的粗检测，然后将Blob匹配法和Kalman滤波器相结合共同完成运动目标跟踪，最后采用GrabCut迭代算法实现最优化分割，检测得到准确的运动目标轮廓。在室外和正常光照条件下，该方法具有良好的鲁棒性和准确性。

参考文献：

[1] Nazre B，Rama R，Detection and Inpainting of Facial Wrinkles using Texture Orientation Fields and Markov Random Field Modeling[J].IEEE Transactions on Image Processing，2014，（9）.

[2] 陈远，谢昭，吴克伟.面向部件遮挡补偿的车辆检测模型[J].中国图象图形学报，2014，（12）.

[3] 周良芬，何建农.基于GrabCut改进的图像分割算法[J].计算机应用，2013，（1）.

[4] 刘伟峰，杨爱兰.基于BIC准则和Gibbs采样的有限混合模型无监督学习算法[J].电子学报，2011，（3A）.