视频图像中的运动目标检测方式及算法分析

【 摘 要 】 作为我国计算机视觉领域中一个极为重要的组成部分，视频图像运动目标检测方式与算法对运动目标的分类与跟踪有着重要的影响，在城市管理、野外环境测控、武器目标定位等多个领域中有着广泛地应用，其与城市治安防控和城市管理联系密切，能够实现对固定区域的实时监控与信息记录。论文将着重对视频图像中的运动目标检测方式进行深入分析，并探究了常用的运动目标检测算法，为相关领域提供一个参考与借鉴。

【 关键词 】 视频图像；运动目标；检测方式

【 中图分类号 】 TP317.4 【 文献标识码 】 A

【 Abstract 】 As one of the most important parts in the field of computer vision in China，video image moving object detection methods and algorithms have an important influence on the classification and tracking of moving objects.Is widely used in many fields of urban management， field environment control， weapon target positioning， which is closely associated with urban crime prevention and control and urban management to achieve of the fixed area real-time monitoring and information recording.This study will focus on the moving target detection method in video image analysis， and explores the moving target detection algorithm commonly used， provide a reference for related fields.

【 Keywords 】 video image； moving object； detection method； algorithm analysis

1 引言

随着我国社会主义现代化建设的不断发展，我国的计算机信息技术得到了前所未有的发展，这也在一定程度上促进了人工智能技术以及图像工程等技术的革新。作为当前计算机领域中一个热点问题，视频图像运动目标检测在城市管理中的应用，对社会治安、打击犯罪以及和谐社会的建立有着重要的意义与价值，其能够促进人们对运动信息的有效捕捉，进而用于对实际问题的解决，对视频图像中的运动目标检测方式及算法分析迫在眉睫。

2 视频图像运动目标检测的意义

所谓运动目标检测，主要是指对视频的序列图像进行检测，观察在整个场景图像中有无运动的物体，共涉及到视频图像处理、人工智能以及计算机图像分析等多个方面，是视频监控体系的最底层，其为后期目标跟踪、分类与行为理解等环节打下了坚实的基础，对于视频监控系统功能的发挥有着重要的影响。通常对于运动目标检测包含了光流法、背景差分法等多种方式，其算法也多种多样。本次研究对视频图像中的运动目标检测方式及算法的分析有着一定的应用价值。

3 视频图像运动目标的检测方式

3.1 帧间差分法

作为运动目标检测最为常用的方法之一，帧间差分法能够对动态变化的图像进行有效检测，且多于相邻帧间或三帧之间进行，因此被称为是帧差分法，其主要根据序列图像相邻帧的极强相关性原理，能够实现对运动目标的变化检测，在滤波的作用下，对运动目标的范围、区域进行确定，其计算公式可采用相关描述：dk（x，y）=| fk（x，y）-fk-1 （x，y） | [1]。其中fk（x，y）以及fk-1 （x，y）表示两帧连续的运动图像，绝对差分图像由dk（x，y）表示，该计算公式仅包括对像素强度的相减计算，整个计算流程相对简单，具有一定的可行性，便于实现。该检测方式也存在一定的缺陷，容易受噪声干扰，当被遮挡的背景受运动影响出现时，将会使新背景作为运动物体出现误检现象，甚至出现鬼影，为了有效避免“鬼影”对运动目标的影响，对帧查法进行了新的改进[2]，通过对多帧图像差分交集的求证对运动目标进行检测，常见有对称差分检测，具体如图1所示。

3.2 背景差分法

所谓背景差分法主要是指将视频序列中所呈现出的当前帧图像与预先存储的背景图像进行相减，对目标进行检测与提取，其具体流程如图2所示。可以将背景差分法进行如下描述：dk（x，y）=| fk（x，y）-B （x，y） | ，其中dk（x，y）作为差分图像，背景则采用B（X，Y）来表示，当前帧图像则为fk（x，y）。在对目标进行检测时，先对第k帧图像与背景图相减，进而提取差分图像，然后对阈值进行选择，并使所得的差分图像转化成为二值差分图像，其中像素为0的则确定为背景区域，为1的则可确定为运动目标区域。作为背景差分法极为重要的一个环节，预处理指的是对视频图像的简单滤波，避免摄像机噪声以及外界环节的瞬时噪声等，若摄像机发生抖动，那么在对背景进行建模前，还必须所获取的连续视频帧进行图像综合处理。

4 视频图像运动目标的算法分析

4.1 多帧图像平均法

所谓多帧图像平均法主要是指在对运动目标进行检测与分析时，将其作为噪声源，并采用累加平均的方法对噪声进行逐步消除，将目标运行的序列图像作为重点分析对象，并从中得出背景图像，可以采用以下方式进行表达：B（x，y）= fk（x，y）。采用此算法，能够得到相应的背景图像，且该图像受平均帧数的影响，平均帧数越大，其消除噪声的效果就明显[3]。

4.2 连续帧差法

所谓连续帧差法主要是指在对视频图像运动目标进行提取与计算的过程中，计算出当前帧图像与前一帧图像的差值，并以此确定运动区域，其能够使运动区域背景保持不变的状态，而对于非运动区域的背景则可以采用当前帧实现动态更新，在迭代作用下，对背景进行提取。首先，原始图像B0可以采用第一帧图像I0进行表示，将迭代参数设置为i=1，所求为前帧与前一帧的差分二值图像，即BW1，其具体计算方法为：BWi=1ads（Ik-Ii-1）≥T

0ads（Ik-Ii-1）

然后通过二值图像对背景进行更新，其具体计算方法为：Bi（x，y）=Bi-1（x，y）BWi（x，y）=1

aIi +（I-a） Bi-1（x，y）BWi（x，y）=0，其中Bi（x，y），BWi（x，y）表示两图像在坐标中的位置，将更新速度系数确定为0.1。设置条件i=i+1，然后将其代入BWi进行迭代计算，达到一定数量后，结束迭代，将B1设置为提取背景。

4.3 最大阈值分割

通常，在实际工作中往往需要高质量的运动图像，为了满足各个领域对高质量运动目标的需求，可以确定阈值对图像进行分割，使二值化图像能够对图像运动目标做出准确地反映。一般情况下，图像的直方图为双峰状态，其最佳阈值则为直方图双峰的谷。而对于多峰直方图，阈值的确定则面临着难题。经过研究可采用概率分布法对信息进行表示，通常，阈值不同，其目标区域与背景区域的信息量也有着明显的不同，那么总信息量阈值t则为最佳分割值，即最佳阈值。

5 结束语

近年来，视频图像运动目标检测与算法成为计算机领域研究的一个重点，其不仅是对计算机视觉检测的理论分析，更是对视频图像处理技术的实践探究，有着广阔的应用前景。目前，社会多个行业都对视频图像处理有着不同的需求，要立足于多样的应用环境，探究视频图像中的运动目标检测与算法的新途径，确保检测的准确性，为相关行业提供技术支撑。

参考文献

[1] 毛育佼，陈苒君，唐莉萍.视频图像中运动目标检测算法的提高[J]. 计算机系统应用，2014， 23（4）：107-111.

[2]徐永兵.基于Trous算法的红外序列图像中运动目标的检测与跟踪[J].红外，2015， 36（1）：35-39.

作者简介：

衣李娜（1974-），女，辽宁本溪人，副教授，硕士；主要研究方向和关注领域： 软件开发及视频图像处理。