改进的三帧差分运动目标识别算法

丁文龙，尹 朵，邱 崧

（华东师范大学 通信与电子工程学院，上海 200241）

0 引 言

实时检测系统的特点，要求运动目标检测技术能正确、快速和完整地检测到运动目标，以便于后续操作。常用的运动目标检测算法有：帧间差分法、背景减除法、光流法，以及基于机器学习的模型匹配法。不同的检测算法各有其优缺点：帧间差分法计算量较小，可以很好地实现实时系统，但该算法容易出现空洞、拖影等问题；虽然背景减除法结构比较简单，但容易受到环境光线变换的影响；光流法可以在未知的场景下检测出运动目标，检测准确率较高，但是计算量较大，不能满足实时性要求；基于机器学习的模型匹配法可以很好地识别到物体、准确率高，但识别前需要先训练模型，而且结构较复杂，需要很强的处理器去运算。针对以上方法的缺点，也出现了很多的改进算法。Jun等提出混合高斯模型和帧间差分法，用来检测运动目标；Liu等提出了结合帧间差分法和光流法的目标检测算法；Liang等针对帧间差分法和背景减除法，对提取目标不完整易产生空洞问题，提出自适应双阀值的运动目标检测算法；Lu等提出将混合高斯模型和背景减除法相结合的运动目标检测算法；Cho等提出了混合高斯模型与光流估计相结合的运动目标检测算法。

综上所述，虽然这些算法在一定程度上完善了运动目标检测，但在高速运动物体检测中，随着摄像头帧率提高、运动物体在帧间运动距离有重叠的情况下，上述方法检测到的运动目标识别率较低，仍有运动物体检测不全的状况。为此，本文提出了改进型三帧差分法的运动目标识别算法。

1 三帧差分运动目标识别改进算法

帧间差分法是一种通过对视频序列中相邻两帧图像之间做差分运算，得到运动目标差分图像的方法。当运动物体进入摄像视野后，运动物体在帧与帧之间的位置信息差别较大，通过相邻帧图像之间相减后，进行绝对值操作得到差分图像。通过对差分图像进行阈值分割，提取得到运动物体的二值化图像。三帧差分法是在两帧差分的基础上改进而来，将相邻的三帧图像进行相邻帧两两差分后，通过逻辑运算得到最后的二值化图像。由于运动物体在相邻帧间图像运动存在快慢的区别，当运动物体相邻帧之间没有重叠时，不会出现“空洞”现象；但是当运动物体在相邻帧间有部分重叠时，重叠部分在差分后会表现出“空洞”现象。为了解决三帧差分法中的“空洞”现象，本文提出的改进方案原理如下：

获得摄像头序列连续的三帧图像f（，）、f（，）、f（，），这些图像均由R、G、B三通道组成，对应的数学关系如下：

其中，（x，y）表示图像（，）第行、第列的像素，（x，y）包含R、G、B 3个通道的值：（x，y）、（x，y）、（x，y），该值分别是第行、第列的R通道、G通道和B通道的像素值。

对相邻三帧的原始图像f（，）、f（，）、f（，）进行灰度化处理，得到灰度图像：L（，）、L（，）、L（，），灰度处理的数学公式为：

其中，（x，y）、（x，y）、（x，y）分别是原始图像（，）的R通道、G通道、B通道；每个通道前有一定的权重，将三维原始图像（，）合并成一维的灰度图像（，）。

计算相邻两帧的灰度图像（，）之间的差分图像（，），得到两幅差分图：（，）、（，），其转换公式如下：

对两幅差分图像（，）和（，）分别进行阈值分割，其数学表达式如下：

通过上述表达式，将得到的两幅图像进行阈值分割处理得到（，）和（，）的二值化图像；对二值化图像（，）进行形态学膨胀处理，得到F（，），其原理表达如下：

其中，（）是形态学的膨胀操作。

将膨胀后的差分二值化图像（，）和（，）进行逻辑“与”，得到膨胀处理后的目标二值化图像F（，）：

之后，对F（，）进行腐蚀操作得到F（，），其原理表达如下：

其中，（）是形态学的腐蚀操作。通过该操作得到最终的F（，）目标二值化图像。

本文提出的改进算法是根据出现的“空洞”现象，在未进行差分图像二值化“与”操作之前，采用形态学的膨胀操作，将图像中出现的“空洞”地方进行填充；进行“与”操作之后，再通过形态学的腐蚀操作，将运动目标区域面积变为原来的大小，最终得到准确的运动目标区域。

2 实验对比

对于本文提出的算法，利用高速运动的乒乓球，来验证算法在处理实际场景中的情况。在乒乓球高速运动的真实情况下截取连续三帧图像，如图1所示。图像采集设备选用USB工业摄像头，帧率为120 fps，图像尺寸是640∗480，图像格式为JPEG格式。

针对连续三帧的真实场景图像，经过相同的预处理操作后，得到灰度图像。分别使用传统的三帧差分法和本文提出的算法进行处理，处理的结果如图1所示，两种算法对比结果如图2所示。

由图2（a）中可以看到，运动的乒乓球形状前后都丢失了一部分，这就是由于差分图像时出现的“空洞”现象；图2（b）是原始图像锁定的乒乓球位置图像；图2（c）是采用本文提出的算法得到的结果图像，相比较传统的三帧差分法得到的结果图，白色部分的运动乒乓球轮廓比较圆滑，球型大小和真实大小基本相同，表明本文算法可以很好的消除图像在差分时出现的“空洞”现象，提高了运动目标检测的准确性。

图1 连续三帧的原始图像Fig.1 Original image of three consecutive frames

图2 结果对比Fig.2 Result comparison chart

3 结束语

本文根据传统的三帧差分法容易出现“空洞”现象的缺点，提出了一种改进的三真差分法的运动目标检测算法。实验结果表明文本提出的方法可以很好的消去“空洞”现象，对运动目标检测更加准确和完整，整体的计算比较简单，可以实现实时性处理，这为后面的实时识别系统打下了良好的基础。