视频图像目标侦测及改进算法

谭中慧， 张 勇(中海网络科技股份有限公司，上海 200135)

视频图像目标侦测及改进算法

谭中慧， 张 勇
(中海网络科技股份有限公司，上海 200135)

针对传统目标侦测算法多集中在对运动目标的侦测方面，对运动流中突现的滞留目标缺乏相应检测处理机制的问题，提出一种帧差法、双背景算法和高通滤波相结合的算法。该算法既能较好地满足检测的灵敏度和精度要求，同时还能兼顾运动目标和滞留目标的检测问题，具有较好的应用前景。

视频图像；目标侦测；帧差法；双背景法

0 引 言

近年来,视频监控的智能化程度逐步提高，不管是公安、安防领域还是道路交通行业，都对目标的自动检测和自动预警提出了更高的要求。例如，封闭环境运动目标检测及压缩录像、道路交通目标及事件检测等不同应用的核心都可归结为对视频图像中运动和滞留目标的检测。

目前已有部分国内外科研机构、设备厂商开展这方面的研究，并逐步将视频图像目标检测技术应用到最新的产品中。但目前应用最广的在安防领域，由于其精度和灵敏度的局限性，大部分还需依靠人工干预。由于道路交通较为复杂、目标数量和种类较多，因此当前检测技术的可靠性还很难满足工程应用的实际需要，寻求更好的目标检测方法有助于提高视频监控行业的整体应用水平。

为提高视频图像目标侦测的可靠性，在检测过程中根据像素点自身的波动，采用自适应阈值帧差法，同时根据目标单位像素灰度值在时间、空间上的连续性和稳定性，将双背景法作为帧差法的补充，两者优势互补，可较好地对运动目标和滞留目标进行检测。

1 视频图像单位像素/灰度特性

视频图像非目标点单位像素在时间、空间上具有连续性和相对稳定性，其一段时间内的像素/灰度值时间分布曲线及统计特性见图1。由图1可知，其在时间序列上满足以灰度均值为中心的正态分布。设其灰度值在时间序列上的关系满足方程y=a+δt，则a为该段时间内灰度的均值，δt为波动随机分量。由图1可知，灰度波动很小，灰度值分布具有较好的收敛性。

a) 视频图像

b) 某像素点灰度时间分布

目标经过之处单位像素灰度值的时间分布曲线及灰度值统计特性见图2。总体来说，其灰度分布在较长时间内仍然满足正态分布，但会在短时间内出现较为明显的波动，灰度值上、下起伏幅度较大。因此，这里首先通过在时间序列上对单位像素的灰度值进行求导来计算像素的突变值，即帧差法。

a) 视频图像

b) 目标经过前后像素值分布

2 帧差检测法

采用帧差法能及时有效地对动态目标的细微变化实施精确检测，灵敏度较高，因此采用相邻帧相减的方式。设单位像素点前一帧灰度值为y1，当前帧灰度值为y2，则y1与y2满足式(1)和式(2)。

y1=a+δt1

(1)

y2=a+δt2

(2)

式(1)减式(2)得到帧差计算结果

|y2-y2|=|δt1-δt2|

(3)

由式(3)可知，帧差值与像素点自身的灰度值无关，与灰度随机波动量有直接关系。视频图像中某像素在时间序列上的帧差结果见图3。

(4)

a) 视频帧

b) 某像素点灰度帧差时间分布

a) 视频帧

b) 帧差目标提取

图5为帧差结果分析，右图白色部分为检测到的目标。目标车辆轮廓比较完整，但内部存在很多大小不等的孔洞，提取的目标不饱满，难以满足实际应用的需求。究其原因，主要是一些大型目标体表面灰度较为单一，且目标运行速度较慢，两帧图像之间目标有重叠，因此帧差法相减时重叠部分差值较小，从而造成目标部分缺失。同时，受抖动等客观因素的影响，存在一些误检测噪声点。这里提出采用双背景法和高通滤波法对其进行改进。

图5 帧差结果分析

3 双背景改进法

(5)

(6)

(7)

a) 增强前

b) 增强后

帧差和虚背景检测算法只对运动目标具有较高的检测灵敏度，若运动流中发生目标滞留，则在较短的时间内帧差减弱为0，同时虚背景也很快更新成当前目标的灰度值，因此虚背景增强效果也减弱为0，滞留目标将很快在检测结果中消失。针对该问题，提出实背景目标检测法加以解决。

(8)

(9)

(10)

4 高通滤波法

由试验结果(如图4～图7所示)可知，检测干扰噪声分布较散乱，是一种大面积的随机分布。因此，提出滑动窗口高通滤波法对检测结果进行改进。

a)滞留目标b)增加实背景检测

图7 实背景辅助检测

a) 窗口模板

b) 高通滤波

(11)

高通滤波后，目标检测效果见图9。

a) 小目标

b) 小目标检测效果

c) 滞留目标

d) 滞留目标检测效果

5 结 语

研究视频图像目标侦测算法，根据背景的灰度稳定性和目标的灰度波动性提出基于帧差的目标检测算法及双背景目标检测改进算法。通过分析，目标检测结果具有较好的收敛性和鲁棒性；针对干扰噪声具有随机性和发散性，提出采用高通滤波进行检测降噪。该综合算法具有很高的检测灵敏度，对于运动目标，不论大小均能有效地检测出结果；同时，该综合算法能对运动流中的滞留目标进行有效检测，具有较高的应用价值。

[1] 刘少华，张茂军，熊志辉，等. 一种鲁棒高效的视频运动目标检测与跟踪算法[J].自动化学报，2009，35(8)：1055-1062.

[2] 方正鹏，孙岳，陈建. 基于图像识别与追踪技术的高速公路交通事件有效检测范围[J].公路交通科技，2011，28(S1)：5-8.

[3] 谭中慧，张勇.利用轨迹跟踪的视频交通事件检测算法[J].上海船舶运输科学研究所学报，2013，36(2)：26-32.

[4] 袁彬，于艳玲，谭中慧.基于视频的车型分类算法研究[J].现代电子技术，2014，37(16)：108-110.

[5] 汪国强，盖琪琳，于怀勇，等. 基于背景差分法的视频目标检测算法研究[J].黑龙江大学工程学报，2014，5(4)：64-68.

Video Target Detection and Improved Algorithm

TANZhonghui，ZHANGYong
(China Shipping Network Technology Co.,Ltd., Shanghai 200135, China)

Commonly used video image target detection algorithms which based on the combination of the frame difference method, the statistical average method, the simple background method and the Gaussian model method, are good for detecting moving targets, but will miss a target if it stops moving because they lack effective processing mechanism for that. This paper proposes a process which introduces the combination of the double background algorithm and high pass filtering algorithm into the frame difference method to deal with the situation. Experiments prove that the modified algorithm improves the detection accuracy and reliability as well as the ability of detecting stopping targets.

video; target detection; frame substract method; double background method

2016-09-14

谭中慧(1982—)，男，湖南湘西人,工程师,硕士,主要从事智能交通中的算法研究。

1674-5949(2016)04-0067-06

TP391.41

A