一種去抖動的運動目標檢測方法

盧志茂，殷夢妮

(哈爾濱工程大學(xué)信息與通信工程學(xué)院，哈爾濱150001)

在視頻監(jiān)控系統(tǒng)中檢測運動目標，是計算機視覺研究領(lǐng)域的一個重要課題.當前用于靜止背景下運動目標檢測的主流方法主要有3種:背景減除法、幀間差分法、光流法［1］.但是在大多數(shù)情況下無法保證攝像機保持靜止，例如風(fēng)吹等原因造成攝像機發(fā)生偏移;當汽車路過，由于震動等原因造成攝像機發(fā)生晃動等情況，這些現(xiàn)象統(tǒng)稱為視頻抖動.由于抖動現(xiàn)象的存在，我們無法再用靜止背景下的運動目標檢測方法對目標進行檢測.通常采用運動估計和運動補償?shù)姆椒▉韺δ繕诉M行檢測.

運動估計的方法是決定運動目標檢測好壞的重要環(huán)節(jié)，當前運動估計的方法主要有以下幾個方面:基于光流的方法、基于塊的方法、基于特征的方法、像素遞歸的方法、最大后驗概率密度估計方法等［2］.其中基于塊的運動估計方法由于具有實現(xiàn)簡單、計算量小的特點而廣泛應(yīng)用［3］.

基于塊的運動估計方法可以理解為將當前幀圖像分為若干塊，對當前幀中的每一塊，在參考幀的搜索窗口內(nèi)搜索得到最佳的匹配塊.搜索最佳匹配塊最準確的方法就是全搜索算法，但由于全搜索算法需對搜索塊內(nèi)所有的像素點進行計算，因此計算時間很長，很難保證實時性.因此，近些年來出現(xiàn)了很多基于塊運動估計的改進方法，這些方法都是在保證效果盡量與全搜索方法差不多的情況下，使計算時間能有所提高.例如，文獻［3］采用結(jié)合灰階比特平面匹配和菱形搜索策略得到初步的估計結(jié)果，然后在其附近再以最小絕對差MAD為測度，使搜索結(jié)果更為準確.文獻［4］采用將當前幀圖像分塊，取梯度值總數(shù)最大的一塊作為背景特征區(qū)域塊.然后對當前幀的背景特征塊使用最小絕對差和匹配準則和3步法搜索策略在前后相鄰幀中進行塊匹配，以獲得背景運動矢量.文獻［5］首先將序列圖像切分為r×c大小的視頻窗口，然后提取窗口內(nèi)區(qū)域圖像累積幀間差矩陣的簡單統(tǒng)計特征，針對每一幀序列圖像，將視頻窗口進行分類，把它們劃分為運動目標窗口和非運動目標窗口(包括靜止背景窗口和波動式干擾窗口)，最后將運動目標窗口合并為運動目標.文獻［6］在自適應(yīng)十字搜索塊匹配算法的基礎(chǔ)上，根據(jù)小波域中各圖像之間的相關(guān)性，提出一種分層塊匹配算法——基于小波變換的改進的自適應(yīng)十字模式搜索算法，該方法在小波變換域完成匹配塊的搜索，有效地減少了匹配點的搜索個數(shù).文獻［7］采用一種塊內(nèi)降采樣的新三步搜索算法，該算法利用圖像的局部相似性特征，對搜索塊的內(nèi)部像素采用交叉采樣方式做塊匹配的運算以降低算法復(fù)雜度.

盡管眾多學(xué)者對基于塊的運動估計方法進行了不同的改進，但是基于塊的運動估計中大多數(shù)都是固定搜索模式步長的，若搜索步長太大，會引起不必要的過搜索，導(dǎo)致塊運動估計精度下降;若搜索步長過小，則會導(dǎo)致搜索時間變慢.本文采用傳統(tǒng)三步法的思想對鉆石搜索法的塊運動估計的方法進行改進，對具有抖動的視頻進行運動目標檢測.實驗結(jié)果表明該方法可以有效解決搜索步長過大或過小，使估計精度提高，對具有抖動的視頻目標進行有效檢測.

1 塊運動估計模型

運動估計可以理解為同一個目標在兩幀圖像之間的位置差.在基于塊的運動估計中，我們假設(shè)塊內(nèi)的每個像素只做平移運動.實際上塊內(nèi)的每個像素點的運動不一定都相同，但是當塊選取的較小時，就以將其視為只做平移的運動.

1.1 塊匹配算法

塊匹配算法就是將當前幀圖像劃分為塊，針對每一個塊，在參考幀中的某一搜索范圍內(nèi)搜索最佳匹配塊.其具體做法如圖1.

圖1 塊匹配算法

圖1(A)為當前幀中選定的某一個塊，其起始坐標為(p，q).在參考幀中的搜索范圍內(nèi)尋找一個同樣大小的最佳匹配塊，其運動的向量為(u，v).

1.2 最佳匹配準則

在搜索范圍內(nèi)尋找一個同樣大小的匹配塊，可能會不止一個，那么要確定一個最佳匹配塊就需要確定最佳匹配塊準則.可采用的最佳匹配準則有最小均方誤差(MSE)準則和最小平均絕對值差(MAD)準則.

1.2.1 最小均方誤差(MSE)準則

在上述公式中，塊的大小為N×N，左上角的坐標為(p，q)，運動向量為(u，v)，I1和I2分別為當前幀和參考幀.

在求得MSE后，最佳匹配塊的運動向量為使MSE達到最小的向量，其公式如下:

1.2.2 最小平均絕對值差(MAD)準則

在實際的計算過程中，為了減少計算量，也經(jīng)常采用MAD準則，其公式如下:

其中變量的定義同上述公式(1)，其運動向量(u，v)的定義如下:

因最小平均絕對差值(MAD)準則較為簡單，因此，本文中采用MAD準則來實現(xiàn)尋找最佳匹配塊.

1.3 全搜索塊匹配算法及圖像質(zhì)量判定的標準

全搜索塊匹配算法，即在搜索范圍內(nèi)的所有的像素點計算塊匹配誤差MAD.尋找完最佳匹配塊后，得到塊運動向量(u，v)，經(jīng)過塊運動補償，來補償當前幀的局部抖動.

經(jīng)過圖像的運動估計和補償后，可以得到去抖動后的視頻圖像.得到的視頻圖像質(zhì)量的好壞評定標準如下式:

上式中，Imax是圖像視頻信號的峰(最大值)，一般取值為255.

2 快速的塊運動估計算法

雖然全搜索塊匹配算法在搜索最佳塊匹配方面是最準確的［2］，但是由于其需要計算每一個像素點的最小誤差，耗費許多時間.為此出現(xiàn)了很多快速的塊運動估計算法，它們僅僅在搜索的準確度上略微比全搜索塊匹配算法有些下降，具體有:二維對數(shù)搜索法(2－D logarithmic search，LOGS)、3步搜索法(Three－step search，TSS)、新3步搜索法(New three－step search，NTSS)、4步法(Fourstep search，F(xiàn)SS)、菱形搜索法(Diamond search，DS)等［8］.其中，DS菱形搜索法因其計算快，效果較好等優(yōu)點被MPEG－4VM所采用.

2.1 3步搜索法

3步搜索法(TSS)，是一種快速的塊運動估計算法.它的搜索過程如圖2所示.

如圖2所示，3步搜索法的搜索過程為: 1)先在搜索范圍內(nèi)尋找原點(0，0)，以最大搜索長度的一半為搜索步長，計算原點與周圍臨近8個點的匹配誤差，并找到最小匹配誤差.

2)以此最小匹配誤差的點為中心，步長減半，再在周圍臨近的點中尋找最小匹配誤差.

圖2 3步搜索法示例圖

3)直到搜索的步長為1時，停止搜索.

3步搜索法，在計算的第一步時計算的步長比較大，對于運動較大的序列能快速找到局部的極小值點，計算簡單方便.

2.2 菱形搜索法

菱形搜索法(DS)，也是一種快速、高效的塊搜索方法.被廣泛應(yīng)用在MPEG－4VM等應(yīng)用設(shè)備當中.DS搜索方法有兩種搜索模式，一種是大菱形塊搜索(LDSP);另一種是小菱形塊搜索(SDSP)，詳見圖3(A)和(B).兩種方法結(jié)合在一起使用.其搜索步驟如下所示:

圖3 菱形搜索法示例圖

1)將大菱形搜索模塊(LDSP)的中心放在搜索范圍的原點上，比較大菱形搜索模塊(LDSP)上的九個點的匹配誤差，如果中心點上的匹配誤差最小，則轉(zhuǎn)向步驟3.否則，如果匹配誤差最小點在其他的點上，則轉(zhuǎn)向步驟2.

2)以上一步找到的匹配誤差最小點為中心點，形成新的大菱形搜索模塊(LDSP)，此時只需再多計算3～5個新的匹配誤差點即可.如果最小匹配誤差點為中心點，則轉(zhuǎn)向步驟3.否則，重復(fù)執(zhí)行步驟2.

3)將大菱形搜索模塊(LDSP)轉(zhuǎn)為小菱形搜索模塊(SDSP)，小菱形搜索模塊(SDSP)上最小搜索誤差點的坐標為最終求解的運動向量.

菱形搜索法的搜索方法示意圖如下圖2(C)所示.

菱形搜索法(DS)，計算簡單、高效、計算時間短.能廣泛用于MPEG－4VM等應(yīng)用設(shè)備當中.

3 改進菱形搜索法運動估計

雖然菱形搜索法(DS)，能計算簡單、高效.但若搜索方式和實際的運動圖像序列不符時，就會出現(xiàn)過搜索或欠搜索現(xiàn)象.若搜索步長太大，會引起不必要的過搜索，導(dǎo)致塊運動估計精度下降;若搜索步長過小，則會導(dǎo)致搜索時間變慢.同時，菱形搜索法在搜索運動步長較大的運動圖像時，因其固定的搜索模式，導(dǎo)致菱形搜索法的效果變差.而3步搜索法因其搜索步長較大，所以在運動較快速的視頻圖像上效果較好，但是在運動速度較慢的視頻圖像上效果沒有菱形搜索法的效果好.因此本文利用3步搜索法的思想來改進菱形搜索法來對含有抖動的圖像進行運動估計，之后再采用運動補償方式將圖像去抖動，最后采用幀差法對視頻圖像進行運動目標檢測.

本文改進菱形搜索法的處理流程為:

1)先在搜索范圍內(nèi)尋找原點(0，0)，以最大搜索長度的一半為搜索步長，計算原點與周圍臨近8個點的匹配誤差，并找到最小匹配誤差.

2)將大菱形搜索模塊(LDSP)的中心放在最小匹配誤差的點上，比較大菱形搜索模塊(LDSP)上的九個點的匹配誤差，如果中心點上的匹配誤差最小，則轉(zhuǎn)向步驟3.否則，如果匹配誤差最小點在其他的點上，則轉(zhuǎn)向步驟3.

3)以上一步找到的匹配誤差最小點為中心點，形成新的大菱形搜索模塊(LDSP)，此時只需再多計算3～5個新的匹配誤差點即可.如果最小匹配誤差點為中心點，則轉(zhuǎn)向步驟4.否則，重復(fù)執(zhí)行步驟3.

4)將大菱形搜索模塊(LDSP)轉(zhuǎn)為小菱形搜索模塊(SDSP)，小菱形搜索模塊(SDSP)上最小搜索誤差點的坐標為最終求解的運動向量.

4 實驗結(jié)果與分析

為驗證本文提出算法的有效性和魯棒性，本文選擇的測試視頻為某城市主干道的視頻圖像分辨率為320×240、摩托車的視頻圖像分辨率為176× 144和高速公路測試視頻圖像分辨率為320×240.本實驗在T4200 2.00 GHz CPU、內(nèi)存2 G的普通PC機上完成，圖4～6為本實驗采用方法的最終效果圖.表1～3為實驗分別通過3步搜索法、菱形搜索法與本文采用的方法在平均計算點數(shù)、PSNR及計算時間方面作對比.

圖6 高速公路視頻去抖動運動目標檢測

表1 不同算法中的平均計算點數(shù)比較

表2 不同算法中的PSNR比較

表3 不同算法中的計算時間比較

通過以上對比實驗可以看出，雖然本文所采用的方法在計算時間上稍微比三步搜索法和菱形搜索法慢一些，但是在平均搜索點數(shù)及PSNR去抖動后的圖像效果方面卻大大增強.可以有效的去除抖動給視頻帶來的影響.

5 結(jié)語

針對具有抖動的視頻圖像不能采用靜止背景運動目標檢測方法有效的提取出運動目標，同時抖動嚴重影響了視頻圖像的質(zhì)量，本文實現(xiàn)了一種改進的菱形塊搜索方法對具有抖動的視頻圖像進行運動估計，再通過運動補償有效的將“動”態(tài)圖像序列轉(zhuǎn)化為靜態(tài)圖像序列，通過幀間差分方法有效檢測出運動目標.實驗證明，該方法可以有效的去除抖動，同時與傳統(tǒng)方法相比，更能有效的提高圖像效果質(zhì)量.

［1］ 代科學(xué)，李國輝，徐 丹，等.監(jiān)控視頻運動目標檢測減背景技術(shù)的研究現(xiàn)狀和展望［J］.中國圖像圖形學(xué)報，2006，11 (7):919－925.

［2］ 禹 晶，蘇開娜.塊運動估計的研究進展［J］.中國圖形圖像學(xué)報，2007，12(12):2031－2041.

［3］ 羅 軍，董鴻雁，沈振康.基于位平面匹配和卡爾曼濾波的視頻穩(wěn)定［J］.紅外與激光工程，2008，37(2):304－307.

［4］ 陸 軍，李鳳玲，姜 邁.攝像機運動下的運動目標檢測與跟蹤［J］.哈爾濱工程大學(xué)學(xué)報，2008，29(8):831－835.

［5］ 周建鋒，蘇小紅，馬培軍.一種解決波動式干擾影響的序列圖像運動目標檢測方法［J］.電子與信息學(xué)報，2010，32 (2):388－393.

［6］ 孫琰癑，何小海，宋海英，等.一種用于視頻超分辨率重建的塊匹配圖像配準方法［J］.自動化學(xué)報，2011，37(1):37－43.

［7］ 許海峰，趙文慶，孫 崢，等.一種基于降采樣的塊匹配三步搜索改進算法［J］.復(fù)旦學(xué)報:自然科學(xué)版，2010，49(6): 653－659.

［8］ 王 偉，李 偉.基于可變分塊尺寸的多模板運動估計算法［J］.自動化學(xué)報，2009，35(1):34－38.