基于改进三帧差法的微小目标运动轨迹检测方法研究

孙清涛，赵欣悦，张晓萌

（沈阳理工大学自动化与电气工程学院，辽宁 沈阳110159）

0 引言

激光广泛应用于工业测量和军事目标的准确对抗。在激光应用领域，激光点检测和跟踪技术起着至关重要的作用。激光光斑作为没有明显特征和纹理的点通常被淹没在复杂的背景中并且难以检测。因此，跟踪和检测这种小目标的激光点被认为是一项艰巨的挑战。

近年来，检测激光点类型的微小目标的方法的主要有光流法[1-3]、帧间差分法[4]和背景差分法[5，6]。但是光流法不能定位运动目标轮廓，需要使用其他算法来定位目标。这将使计算任务对于具有大量计算的光流方法更加沉重[7]。背景差分法计算量很大，通常需要2～3个小时才能更新背景，无法实时更新。帧差分方法具有计算量小，实时性强等优点，常用于检测物体。但是，两帧差分法检测激光点会产生很多噪声。

因此，本文提出了一种将三帧差分[8]方法与颜色阈值分割相结合的新算法。利用三帧差分法检测运动激光点可以有效降低噪声，然后在HSV（Hue，Saturation，Value）颜色空间中使用颜色阈值分割方法。通过干涉检测到的其他移动物体被移除以获得激光轨迹的连续和完整坐标。实践证明，该算法对快速移动激光点的检测效果非常好，完全满足工业等行业的要求。利用了Visual Studio软件平台中的OpenCV实现。

1 改进的三帧差法

针对帧间差分中目标快速运动时的误检测目标区域的空洞问题，在对图像进行预处理之后，使用改进的帧差异即三帧差异来检测移动目标。对于摄像机静止时拍摄的视频序列，对第一个k帧和k-1帧图像进行平滑处理，然后使用帧间差分的方法进行帧减法。从第k帧图像中减去k-1帧图像以获得二值图像。公式表示为：

其中，T是预设阈值，可根据经验选择。如果T选择得太大，那么目标的检测可能是一个较大的空洞甚至是漏检，如果T选择太小，会有很多噪声。然而，由帧间差分法检测的运动目标包含两帧中的运动信息，从而检测到更多目标点。为了改善帧差分方法的不足，提出了三帧差分方法。

三帧差分方法首先平滑图像的三个连续帧，然后分别执行帧差分处理。从k帧图像中减去k-1帧图像以获得二值图像D1（x，y）从第k图像中减去第k图像以获得二值图像D2（x，y）。最后，AND操作的结果是 D1（x，y）和 D2（x，y）图像 D（x，y），公式表示为：

2 实验方法

将室内激光点检测作为微小目标，在不同环境背景和速度情况下进行算法实现。其中算法实现流程如下：

（1）通过摄像头采集红外激光笔射出的激光在不同环境背景和不同速度情况下的激光点视频图像。

（2）将采集到的视频图像应用均值滤波器进行预处理，去除图像采集过程中的环境噪声。均值滤波方法是：对待处理的当前像素，选择一个模板，该模板为其邻近的若干个像素组成，用模板的均值来替代原像素的值的方法。因此可以帮助消除图像尖锐噪声。

（3）应用改进的三帧差分法进行激光点的粗检测和运动轨迹跟踪。

（4）将检测到的激光点以1.5倍分辨率进行目标选定。从RGB（Red、Green、Blue）颜色空间转换到HSV颜色空间，进行目标的精确识别。

应该注意的是，通常的三帧差法每三帧处理一次，但这将失去视频中三分之一的信息。在本文中，使用移动窗口来读取三帧视频，每次读取窗口后向下移动一帧。视频信息不会因此而丢失，如图1所示。

图1 三帧差分方法

在三帧差分方法得到二值化图像后，使用边缘检测和轮廓检测来定位动态目标。由于检测目标是小型目标，因此对识别的轮廓画出最小外接圆，用圆心坐标代替目标的位置，半径代替目标的大小。

在确定动态目标的位置后，在原始图像的对应位置对检测到的目标进行颜色识别。在HSV颜色空间中确定每一个目标的颜色、饱和度、明度，滤除掉不符合要求的目标。最后留下的就是所需检测到的目标。

3 仿真分析

本实验分别比较了HSV颜色空间中使用颜色（H）、明度（V）、颜色与明度组合（H&V）三种阈值模式下的不同去噪效果。由于在该实验中噪声的饱和度和测试对象的饱和度（S）没有显着差异，因此该实验不测试饱和度。

在强光和弱光条件下，在两组实验视频中进行实验。每组包含一个只有激光点的视频和一个只有噪音的视频如图2、图3。改变限制目标的阈值范围，运行算法的过程中用计数器记录可识别到的总数（N总）和可滤除的噪点数（n滤除或n未识别）。并进行统计，该范围下算出：

计算结果如表1～表4所示。

图2 噪音视频（图中绿色点）

表1 H-阈值模式检测效果

表2 V阈值模式检测效果

表3 黑暗环境中的H＆V阈值模式检测效果

表4 明亮环境中的H＆V阈值模式检测效果

从上表可以看出：

1）与Hue和Value的综合利用相比，只有Hue值用于去噪，去噪能力和识别率都略有下降。这可能是由于少量噪声在有限的颜色范围内。

2）当仅使用Value值时，虽然识别率会相对增加，但噪声会显着增加，尤其是在明亮的环境中。这是因为仅使用Value值不会消除高光噪声

3）随着阈值的不断提高，虽然识别率会继续上升，但去噪能力也会明显降低，达到一定限度后，噪音会明显增加。同样，如果不断缩小阈值并达到某个阈值，识别率将急剧下降。经过上述数据表明，亮度和颜色的共同区别将使最佳的噪声去除效果几乎不影响识别目标的需要。

4 结束语

本文采用一种新的识别小物体的方法，即采用改进的三帧差分法检测运动目标。在确定目标位置之后，使用颜色识别来消除干扰。在一定程度上，该方法解决了三帧差分方法无法区分被检测物体是否为被测目标的问题。该算法的特点是计算量小，应用范围广泛。大量实验结果表明，本文算法具有很强的适用性。