一种基于背景减除与三帧差分的运动目标检测算法

　　一种基于背景减除与三帧差分的运动目标检测算法_信息与通信_工程科技_专业资料。用于图像识别一种基于背景减除与三帧差分的运动目标检测算法_信息与通信_工程科技_专业资料。用于图像识别

　　一种基于背景减除与三帧差分的运动目标检测算法莫林 1，廖鹏 2，刘勋 3 （广西大学计算机与电子信息学院，南宁 530004）摘要：本文提出一种基于背景减除法和三帧差分法来进行运动目标检测的算法。首先运用 Surendra 背景更新算法建立运动区域的背景模型，通过背景减除法确定运动目标区域，后与 三帧差分法得到的差分图像相结合，得到比较可靠的运动目标区域。实验结果表明，该算法 准确率高，运算速度快，能满足实时检测的需要。 关键字：背景减除；三帧差分；运动检测 中图分类号：TP391 文献标识码：AA Motion Detection Algorithm Based on Background Subtraction and Three Frame DifferencingMO LIN 1, LIAO PENG2, LIU XUN3 (Department of Computer and Electronic Information, Guangxi University, Nanning ,China 530004)Abstract： An algorithm based on background subtraction and three Frame Differencing is presented in this . Firstly, a background model is based on Surendra algorithm, then the moving object region is gained using background subtraction, and then, the background subtraction is combined with three frame differencing to detect the motion information. The simulation results show that the presented algorithm runs quickly and veraciously, and fits for real time detection. Key Word：Background subtraction；Three Frame Differencing；Motion detection 1 引言 随着数字电视和视频技术的不断发展， 对图像运动目标的有效检测、 提取已成为关 键技术，是进行目标、识别等后续处理的基础。处理速度和可靠性是运动目标检测需要 解决的两个基本问题， 也是衡量有关算法优劣的两项重要指标。 现有的运动目标检测方法主 要分为 3 类，包括帧间差分法、背景减除法以及光流分割法，三者各有优缺点： （1）帧间差分法[1]利用基于时间序列图像中相邻的两帧或三帧图像相减，得到差分图 像，然后通过阈值选取得到运动目标的信息，这种方法计算简单，容易实现，但是一般难以 获得运动目标的完整轮廓，易在目标内部产生“双影”及“空洞”现象[2]，导致检测到的目标信 息不准确。 （2）背景减除法[3]的基本思想是首先构建一个背景，然后用当前帧图像和背景相减， 根据差分图像检测运动目标。 这种方法简单， 易于实现， 能够较好地提取出目标的特征数据， 但对于的变化非常， 适用于背景已知的情况。 如何找到高效实用的背景模型并 对其进行更新是这种方法的研究重点。 （3）光流分割法[4]利用运动目标随时间变化的矢量特征在图像序列中检测运动区域。 在摄像机存在运动的情况下其性能较好，但算法复杂，运算量较大，需要专门的硬件支持， 难于满足视频流实时处理的要求。 针对帧间差分法和背景减除法的不足，本文使用自适应的 Surendra 算法获取背景，进 而做背景减除运算提取运动目标， 再与改进的帧间差分算法有机结合起来， 形成一种简单有 效的运动目标检测新方法。 2 基于背景减除和三帧差分的运动检测算法 2.1 算法思想 算法主要由三帧差分、背景提取与更新、背景减除、运动检测、后处理等部分组成[5]。 首先分别对源图像进行三帧差分和背景减除运算， 然后将这两种方法得到的二值化模板图像 逻辑“或” 得到中间模板图像，再根据一定的模型来更新背景[8]。最后对模板进行必要的后 处理，包括连通组件分析和形态学滤波(如开、闭运算)以去除模板中的小噪声区域，并平滑 分割出对象的边界。 背景更新模型与三帧差分处理是本算法的核心和关键， 其中背景更新模 型是后续背景消减操作的基础。Ii ?1 I i I i + 1图 1 算法流程图2.2 背景减除算法 2.2.1 背景提取 背景差分法的关键在于背景的提取与更新， 它的有效性取决于背景模型能否有效地表示 背景的变化。背景图像的获取通常使用：手动给出、统计方法。手动给出背景的方法需要人 观察到没有前景物体时启动相机获得背景图像。 这种方法增加了人力和物力的需求， 而且在 很多情况下很难在没有前景的情况下获得背景图像， 比如高速公的车辆监测系统。 而统计 方法取得背景图像可以归结为在特定的时间段内对像素点的灰度取平均值， 用这个平均值作 为背景图像对应像素点的灰度。 手动给出背景的方法和统计获得背景的方法对背景的变化不 能够有自适应的调节作用。 本文使用 Surendra 背景更新算法[6]， 该算法提取背景的思想是通过当前帧帧差图像找到 物体的运动区域， 对运动区域内的背景保持不变， 而非运动区域的背景用当前帧进行替换更 新，这样经过一段时间就可以提取出背景图像。其算法可以分成以下几个步骤： 步骤 1、将第 1 帧图像 I 0 作为背景图像 B0 ； 步骤 2、选取阈值 T ，迭代次数 m = 1 ，最大迭代次数 m = MAX ? STEPS ，迭代速度系数 α ； 步骤 3、求取当前帧的帧间差分图像；?1 ? Di ( x, y ) = ? ?0 ? I i ( x, y ) ? I i ?1 ( x, y ) ≥ T I i ( x, y ) ? I i?1 ( x, y ) T（1）步骤 4、由二值图像 Di 更新背景图像 Bi ，即? Bi?1 ( x, y ) Bi ( x, y ) = ? ?α I i + (1 ? α ) Bi ?1 ( x, y ) Di ( x, y ) = 1 Di ( x, y ) = 0（2）式（1）和式（2）中， Bi ( x, y) ， Di ( x, y ) 为背景图像和差分二值图像在像素点 ( x, y ) 的灰度 值； I i 为输入的第 i 帧图像； α 为迭代速度系数； 步骤 5、迭代次数 m = m + 1 ，返回步骤 3，递归执行，当迭代次数 m = MAX ? STEPS 时结束迭 代，此时的 Bi ( x, y) 可视为背景图像。 实验证明，当最大迭代次数 max 大于 100，迭代系数 α 小于 0.005 时，可得到效果很好 的背景图像。 2.2.2 背景减除获取运动目标 在得到背景图像 Bi 后，将当前帧 I i 和背景 Bi 进行背景减除，所得差值图像 DBi ( x, y ) 中的 像素灰度值 d 如大于设定的阈值 T ，则可判定为所要检测的运动目标，其表达式为：d = I i ( x, y ) ? B ( x , y ) ?1 d ≥ T DBi ( x, y ) = ? ?0 d T（3）其中 I i ( x, y) 表示当前帧像素灰度值， B( x, y ) 表示背景帧像素灰度值， d 表示差值图像 DBi 像素 灰度值， DBi ( x, y) 表示差值图像二值化以后的像素灰度值， T 为设定的阈值。 2.3 帧间差分的改进-三帧差分运动检测算法 在图像处理过程中, 帧间差分是通过计算相邻两帧图像 I i ( x, y) 和 I i+1 ( x, y ) 之间的差值来获 得运动区域的， 通过差值图像能快速的检测出相邻图像中运动目标所引起的运动范围， 但是 它提取的运动目标比实际的要大，往往出现“双影”现象，如图２所示；另外，由于检测出来 的物体是前后两帧相对变化的部分，无法检测到重叠部分，导致检测到的目标发生“空洞” 现象。而三帧差分法[7]是在帧间差分的基础上进行改进，将相邻的三帧图像作为一组进行再 差分，能较好的检测出中间帧运动目标的形状轮廓。 设图像序列表示为：I i ( x, y) , 其中 ( x, y ) 表示图像中象素点的坐标，i 表示第 i 帧图像 (或者称为 i 时刻的图像)。选取图像序列中连续的三帧图像 I i?1 ( x, y ) ， I i ( x, y) ， I i+1 ( x, y ) ，分别计 算相邻两帧图像的差值图像；? d ( i ,i ?1) ( x, y ) = I i ( x, y ) ? I i ?1 ( x, y ) ? ? d ( i +1,i ) ( x, y ) = I i +1 ( x, y ) ? I i ( x, y ) ?（4）对得到的差值图像通过选取适当的阀值 T 进行二值化，得到的二值化图像为：? ?1 d (i ,i?1) ( x, y ) ≥ T ? ?b(i ,i?1) ( x, y ) = ? ? ?0 d ( i ,i?1) ( x, y ) T ? ? ?1 d (i +1,i ) ( x, y ) ≥ T ? ? ?b(i +1,i ) ( x, y ) = ?0 d ? ( i +1,i ) ( x, y ) T ? ?（5）在每一个象素点 ( x, y ) 将得到的二值图像逻辑相“与”，得到二值图像 Bi ( x, y) ；?1 ? Bi ( x, y ) = ? ?0 ? b( i ,i ?1) ( x, y ) ∩ b( i +1,i ) ( x, y ) = 1 b( i ,i ?1) ( x, y ) ∩ b( i+1,i ) ( x, y ) ≠ 1（6）对获得的二值图像进行必要的处理， 以除去图像中的噪声点和目标中的空洞， 这个可以通过 形态学上滤波来实现，如开、闭运算。Ii? (x y 1 , )Ii (x, y)Ii+1(x y , )b ?)(, ) (, 1 xy iib+,i)(xy ,) (i 1B(x, y) i图２二帧差分示意图 图３三帧差分示意图图２帧间差分能够检测出相邻两帧间发生了变化的区域。 这个区域实际上包括运动物在前一 帧所覆盖的区域即显露区 A ，运动物体现在所覆盖的区域 B ；图３通过将前后两个差分图像 相与，获取共同部分，从而取得更准确的运动目标。 2.4 运动目标检测 三帧差分能有效适应的光线等变化， 可克服背景减除法的不足； 而背景差分法不存 [8] 在“双影”及“空洞”现象，能够弥补帧间差分的缺陷 。所以，合并背景差分与帧间差分提取 的目标图像将能得到更准确完整的结果， 将背景差分与帧间差分得到的二值图像做或运算可 得到：?1 C k ( x, y ) = ? ?0 DBi ( x, y ) ∪ Bi ( x, y ) = 1 DBi ( x, y ) ∪ Bi ( x, y ) ≠ 1（7）其中 Bi ( x, y) 表示帧间差分结果， DBi ( x, y) 表示背景差分结果， Ck ( x, y ) 表示最终提取的运动目标 图像。 2.5 背景更新 在应用中,常常因为光线、天气等光照条件的变化或者其它原因引起背景的改变， 在这种情况下，背景的及时更新显得尤为重要，只有依据一定的模型来更新背景图像， 才能准确提取运动目标。 一种简单的方法就是对背景图像进行选择性更新， 仅对背景图像中 [5] 除了运动目标对应区域之外的点进行自适应更新 。运动目标区域 Ck ( x, y ) 保持不变，运动目 标对应区域之外的区域由当前帧 I i 表示，背景更新的数学表达式为：Ci ( x, y ) = 1 ? Bi ( x, y ) Bi +1 ( x, y ) = ? ? β I i ( x, y ) + (1 ? β ) Bi ( x, y ) Ci ( x, y ) = 0（8）式中， Bi ( x, y) 和 Bi+1 ( x, y ) 分别表示当前帧和下一帧的背景值， I i ( x, y) 表示当前图像的灰度值，β ∈ (0,1) 为更新系数，控制背景更新的速度。本文取 β = 0.003 。3 实验结果分析 本文以 Visual C + + 2005、Open Cv 为软件开发工具，对一段交通进行测试， 处理速度为每秒 15 帧。 分别使用背景减除法、 帧间差分法以及本文所提出的方法进行实验， 检测结果如下图所示：图 4 实验结果分析 实验结果图中第一列为原图像， 第二列为使用背景减除法得到的结果， 第三列为使用帧 间差分法得到的结果，最后一列为本文所提出的方法获得的结果。 从实验结果可以看出， 由于交通受到光照变动的影响， 导致背景减除法提取出 来的运动目标噪声较多；而帧间差分法检测结果产生“双影”及“空洞”现象较为明显；本文将 两种方法结合起来，可以避免光照的影响，同时消除“双影”以及“空洞”现象，获得更准 确、完整的检测结果。 4 结论 本文创新点在于针对传统的视频序列中运动目标检测算法， 提出了一种将背景减除法和 三帧差分法相结合的运动目标检测算法。 该方法能适应复杂， 允许在有运动物体存在的 情况下进行背景建模， 同时能克服光照变化对背景减除法的影响， 消除帧间差分法带来的“双 影”及“空洞”现象，抗干扰性强，可以获得关于运动目标更为完整的区域，进而从视频序列 中标识出运动物体。实验结果表明该方法快速、准确，有广泛的适用性。能运用于如小区监 控，交通等方面，能够减少人力物力的投入，获得比较好的经济效益。 参考目录 [1] Lipton A，Fujiyoshi H，Patil R．Moving target classification and tracking from real-time video[C]．IEEE Workshop on Applications of Computer Vision, Princeton：IEEE Press，1998： 8-14 [2] Valera M， Velastin S.A． Intelligent distributed surveillance systems [J]． Proc． IEE Vision Image Signal Process，2005，152 (2)：192-204 [3] Arseneau S， Cooperstock J． Real-time image segmentation for action recognition [C]． Proc． I EEE Pacific Rim Conference on Communications．Computers and Signal Processing，Canada ： Victoria，1999：86-89 [4] Barron J， Fleet D，Beauchemin S．Performance of optical flow techniques [J]．International Computer Vision，1994，12 (1)：42-77 [5]周西汉，刘勃，周荷琴．一种基于对称差分和背景消减的运动检测方法[J]．计算机仿线]文灏， 红涛． 基于减背景与对称差分的运动目标检测[J]． 微计算机信息， 2007， 9-1： 99-101 [7]贺贵明，李凌娟，贾振堂．一种快速的基于对称差分的视频分割算法[J]．小型微型计算 机系统，2003，24(6)：96-98 [8]吕国亮，赵曙光，赵俊．基于三帧差分和连通性检验的图像运动目标检测新方法[J]．液 晶与显示，2007，22（1） ：87-93 作者简介：莫林(1955- )，男（汉族） ，广西玉林人，广西大学计算机与电子信息学院副教授， 硕士研究生导师，研究方向为：运动检测，图像处理等 Biography： Lin (1955- ), male(Han ethnic), Guangxi, Guangxi University, Professor, Research Mo area：moving objects detecting, image processing and so on

推荐：