基于計(jì)算機(jī)視覺運(yùn)動(dòng)目標(biāo)檢測(cè)綜述

王文智，張儒良，黃成泉，王 林

(貴州民族大學(xué)理學(xué)院，貴州貴陽 550025)

基于計(jì)算機(jī)視覺運(yùn)動(dòng)目標(biāo)檢測(cè)綜述

王文智，張儒良，黃成泉，王 林

(貴州民族大學(xué)理學(xué)院，貴州貴陽 550025)

為了使人們對(duì)運(yùn)動(dòng)目標(biāo)檢測(cè)的方法更加了解，列舉了對(duì)視頻圖像序列中運(yùn)動(dòng)目標(biāo)進(jìn)行檢測(cè)的大量文獻(xiàn)。首先敘述了運(yùn)動(dòng)目標(biāo)檢測(cè)的常用算法:幀間差法、背景減除法;然后，分析過去在運(yùn)動(dòng)目標(biāo)檢測(cè)中遇到的一些問題;最后，歸類描述解決各個(gè)問題的關(guān)鍵方法。

運(yùn)動(dòng)目標(biāo)檢測(cè);視頻圖像序列;幀間差法;背景減除法

引言

近年來，運(yùn)動(dòng)目標(biāo)檢測(cè)已經(jīng)成為諸多學(xué)者在計(jì)算機(jī)視覺領(lǐng)域的熱門研究課題。運(yùn)動(dòng)目標(biāo)檢測(cè)是目標(biāo)提取、分類、跟蹤、識(shí)別等的基礎(chǔ)。

目前，經(jīng)常用于運(yùn)動(dòng)目標(biāo)檢測(cè)的方法有:幀間差法、背景減除法。幀間差法是用視頻圖像中相鄰幾幀圖像進(jìn)行相減;背景減除法是通過建立背景圖像后，再用背景圖像與當(dāng)前幀圖像進(jìn)行對(duì)應(yīng)相減來獲得運(yùn)動(dòng)目標(biāo)。但是在現(xiàn)實(shí)的生活中所建立的背景圖像往往不能時(shí)適地代表真實(shí)的背景，如文獻(xiàn)［1，2］所提出的問題:背景中的物體發(fā)生運(yùn)動(dòng);由于光線的變化產(chǎn)生背景的變化;同一背景區(qū)域中有不連續(xù)的或周期性的變化;目標(biāo)在運(yùn)動(dòng)過程中停止;物體從背景中由靜止開始運(yùn)動(dòng)，引起背景變化等等。所以，很多學(xué)者就根據(jù)實(shí)際生活中存在的這些問題進(jìn)行了一些算法的應(yīng)用與改進(jìn)。

1 運(yùn)動(dòng)目標(biāo)檢測(cè)的常用方法

運(yùn)動(dòng)目標(biāo)檢測(cè)是在計(jì)算機(jī)上對(duì)視頻圖像序列進(jìn)行的目標(biāo)區(qū)域檢測(cè)，目前運(yùn)動(dòng)目標(biāo)檢測(cè)的方法通常為:幀間差法、背景減除法。

1．1 幀間差法

傳統(tǒng)的幀間差法是用相鄰兩幀或相鄰三幀連續(xù)圖像對(duì)應(yīng)相減來獲得運(yùn)動(dòng)目標(biāo)。這個(gè)方法簡(jiǎn)單，且算計(jì)量小。因此，在過去的幾年里，有很多對(duì)運(yùn)動(dòng)目標(biāo)進(jìn)行檢測(cè)的文獻(xiàn)都使用了幀間差法，但是，由于傳統(tǒng)幀間差法對(duì)運(yùn)動(dòng)較慢的運(yùn)動(dòng)目標(biāo)檢測(cè)時(shí)容易在目標(biāo)內(nèi)產(chǎn)生空洞現(xiàn)象，而且在場(chǎng)景的光照等實(shí)然發(fā)生變化時(shí)用幀間差來檢測(cè)會(huì)檢測(cè)出虛假的目標(biāo)。所以近年來的一些學(xué)者就對(duì)傳統(tǒng)的幀間差法進(jìn)行改進(jìn)后再用來進(jìn)行目標(biāo)檢測(cè)。

1．1．1 針對(duì)“空洞”等現(xiàn)象

傳統(tǒng)的幀間差法在運(yùn)動(dòng)目標(biāo)檢測(cè)中所檢測(cè)出的目標(biāo)內(nèi)“空洞”和邊緣丟失的現(xiàn)象，使得檢測(cè)不到完整的運(yùn)動(dòng)目標(biāo)，因此，有學(xué)者對(duì)傳統(tǒng)幀間差法檢測(cè)運(yùn)動(dòng)目標(biāo)時(shí)出現(xiàn)的“空洞”和邊緣丟失的現(xiàn)象進(jìn)行了算法的改進(jìn)。如文獻(xiàn)［3］中提出基于能量差比較的幀間差法。首先，利用視頻圖像序列中相鄰幀圖像進(jìn)行幀差提取運(yùn)動(dòng)區(qū)域，同時(shí)還對(duì)運(yùn)動(dòng)區(qū)域構(gòu)造兩個(gè)對(duì)稱方向的探測(cè)矩陣。然后，在運(yùn)動(dòng)區(qū)域內(nèi)對(duì)應(yīng)的原圖像上搜索運(yùn)動(dòng)目標(biāo)的邊緣，并用運(yùn)動(dòng)區(qū)域與這兩個(gè)對(duì)稱的探測(cè)器矩陣卷積得到能量差函數(shù)。最后，通過能量差函數(shù)和運(yùn)動(dòng)目標(biāo)邊緣的關(guān)系，提取出完整的目標(biāo)，減少了檢測(cè)的“空洞”現(xiàn)象。文獻(xiàn)［4］中提出了一種新的運(yùn)動(dòng)目標(biāo)檢測(cè)算法，該算法對(duì)圖像序列進(jìn)行了預(yù)處理，并通過傳統(tǒng)的幀間差法進(jìn)行運(yùn)算，還引入對(duì)幀間差所獲得的區(qū)域進(jìn)行邊緣分析，最后用數(shù)學(xué)形態(tài)學(xué)分割處理與邊緣檢測(cè)結(jié)果進(jìn)行邏輯“或”運(yùn)算，從而得到運(yùn)動(dòng)目標(biāo)。

1．1．2 針對(duì)“受到噪聲和亮度突變的影響、出現(xiàn)虛假目標(biāo)”等現(xiàn)象

針對(duì)目前我們所用的拍攝視頻工具對(duì)噪聲、光照亮度突變的情況，應(yīng)用幀間差法很難提取出完整的運(yùn)動(dòng)目標(biāo)這一難題。有許多學(xué)者對(duì)幀間差法也進(jìn)行了研究和算法改進(jìn)，如文獻(xiàn)［5］中提出了一種基于三幀差分和邊緣信息的運(yùn)動(dòng)目標(biāo)檢測(cè)方法。該方法用相鄰三幀圖像進(jìn)行邊緣提取，獲得三幀相鄰圖像的邊緣圖像，然后再利用這三幀邊緣圖像進(jìn)行三幀差分運(yùn)算，并用取閾值法進(jìn)行目標(biāo)分割來得到目標(biāo)的提取。文獻(xiàn)［6］中提出了一種幀間差分的自適應(yīng)運(yùn)動(dòng)目標(biāo)檢測(cè)算法。算法利用直方圖統(tǒng)計(jì)各像素點(diǎn)處最大概率灰度的方法提取出視頻圖像中相鄰幀圖像的背景區(qū)域圖像，再利用相鄰幀間差法得到運(yùn)動(dòng)區(qū)域圖像與背景區(qū)域圖像進(jìn)行比較得到運(yùn)動(dòng)目標(biāo)區(qū)域。文獻(xiàn)［7］中針對(duì)視頻圖像提出了一種幀間差法和邊緣信息檢測(cè)法相結(jié)合的視頻圖像目標(biāo)提取算法。首先對(duì)當(dāng)前圖像幀的前后一幀的圖像進(jìn)行差分得到運(yùn)動(dòng)區(qū)域;其次用Kir-sch邊緣檢測(cè)對(duì)當(dāng)前幀進(jìn)行邊緣提取得到邊緣圖像;再次，結(jié)合兩步檢測(cè)的結(jié)果得到更為精準(zhǔn)的運(yùn)動(dòng)對(duì)象邊緣;最后，通過邊緣擬合使斷裂的邊緣的連接，通過掩模圖像進(jìn)行區(qū)域填充得到運(yùn)動(dòng)目標(biāo)。文獻(xiàn)［8］中提出一種改進(jìn)的三幀差分運(yùn)動(dòng)目標(biāo)檢測(cè)算法。首先提取相鄰三幀圖像，對(duì)前兩幀進(jìn)行濾波和邊緣提取，將這兩幀所提取的邊緣信息進(jìn)行異或運(yùn)算;然后對(duì)后兩幀圖像進(jìn)行差分二值化，并通過形態(tài)學(xué)膨脹處理，得到粗略運(yùn)動(dòng)目標(biāo);最后用此粗略運(yùn)動(dòng)目標(biāo)與第一步獲得的邊緣進(jìn)行與運(yùn)算即可得到較為完整的運(yùn)動(dòng)目標(biāo)。

幀間差法的編程實(shí)現(xiàn)很簡(jiǎn)單而且運(yùn)算速度也很快，對(duì)一些須光線的緩慢變化的背景影響不大，而且在對(duì)一些光照突變等的現(xiàn)象，目前文獻(xiàn)進(jìn)行改進(jìn)檢測(cè)有難度［5-8］，所以幀間差及它的改進(jìn)方法能能夠有效地檢測(cè)出運(yùn)動(dòng)目標(biāo)，但是此算法和它的很多改進(jìn)算法對(duì)運(yùn)動(dòng)速度很快的目標(biāo)進(jìn)行檢測(cè)時(shí)還是出內(nèi)部空洞的現(xiàn)象。所以對(duì)運(yùn)動(dòng)目標(biāo)檢測(cè)所用的幀間差法仍然需要以后的學(xué)者進(jìn)行改進(jìn)和創(chuàng)新。

1．2 背景減除法

背景減除法是運(yùn)動(dòng)目標(biāo)檢測(cè)常用算法之一，它是將建立好的背景幀圖像與輸入的當(dāng)前幀圖像進(jìn)行對(duì)應(yīng)相減，用背景幀圖像與當(dāng)前幀圖像的差分圖像的絕對(duì)值來表示，對(duì)有變化的區(qū)域則認(rèn)為是運(yùn)動(dòng)目標(biāo)。當(dāng)然大部分背景減除法只針對(duì)固定攝像機(jī)所獲取的視頻進(jìn)行運(yùn)動(dòng)目標(biāo)檢測(cè)，而且在背景建模時(shí)也有多種方法:如均值法、單高斯法、混合高斯法等進(jìn)行建立背景。

1．2．1 均值法提取背景的運(yùn)動(dòng)目標(biāo)檢測(cè)

均值法是指將拍攝所獲得的視頻圖像序列的一部分用于訓(xùn)練背景，其思想是用作訓(xùn)練背景的圖像進(jìn)行對(duì)應(yīng)相加再求平均值，即用平均值圖像作背景圖像來檢測(cè)運(yùn)動(dòng)目標(biāo)。如文獻(xiàn)［9］中先用一段時(shí)間內(nèi)的圖像數(shù)據(jù)，進(jìn)行對(duì)應(yīng)像素點(diǎn)位置的像素值求平均或者中值濾波后，獲得的圖像各點(diǎn)像素值為背景圖像值，這種方法能解決由于攝像機(jī)抖動(dòng)產(chǎn)生影響和場(chǎng)景光照突變所引起的瞬時(shí)噪聲。但是，這種方法只適用于一般場(chǎng)景。均值法要求在訓(xùn)練背景圖像過程中，需要一定的內(nèi)存容量來存儲(chǔ)視頻圖像序列，并且在訓(xùn)練中對(duì)包含有運(yùn)動(dòng)目標(biāo)的場(chǎng)景所獲得的背景圖像效果不是很好，所以均值法建模背景時(shí)，用于訓(xùn)練的視頻圖像序列最好是沒有大的運(yùn)動(dòng)目標(biāo)的視頻圖像。為了解決上述均值法獲得的背景不理想的問題，文獻(xiàn)［10］中在圖像背景建模時(shí)，考慮均值法受到車流量等的影響，所建模出來的背景圖像有殘影。所以，為了去除背景圖像中殘影的部分，提出了一種基于均值法的差分求值的方法，基本的思路是選取視頻圖像序列的前n幀圖像，利用均值法獲得一個(gè)初始背景圖像，此背景模型為含有殘影的背景圖像。再通過對(duì)前n幀圖像與背景初型求方差，得到一個(gè)方差圖像。這個(gè)方差圖像也就是初始背景圖像中的殘影部分。最后，通過初始背景圖像與殘影的差值，最終得到了不含有殘影的背景圖像。這個(gè)方法有力地克服均值法建立背景時(shí)所產(chǎn)生的殘影，為后續(xù)的運(yùn)動(dòng)目標(biāo)檢測(cè)提供了方便。

1．2．2 單高斯法提取背景的運(yùn)動(dòng)目標(biāo)檢測(cè)

由于在1．2．1節(jié)中所建立的背景圖像是通過求均值的方法來得到的背景圖像，在視頻圖像序列幀數(shù)很大時(shí)，再利用均值法來建模背景，則計(jì)算量等就非常復(fù)雜，因此一些學(xué)者根據(jù)實(shí)際的生活中一點(diǎn)像素的變化情況服從一個(gè)正態(tài)分布，也即高斯分布。如文獻(xiàn)［11］中對(duì)傳統(tǒng)的單高斯分布的背景更新算法上進(jìn)行改進(jìn)，建模背景圖像，而且這改進(jìn)后的單高斯背景更新算法能夠較好地適應(yīng)室內(nèi)場(chǎng)景光線的變化，在背景更新的環(huán)節(jié)上，對(duì)認(rèn)為是背景的像素點(diǎn)進(jìn)行了更新，對(duì)認(rèn)為是前景的像素點(diǎn)則不參與背景模型的更新，所以，對(duì)目標(biāo)的運(yùn)動(dòng)狀態(tài)發(fā)生改變時(shí)，即由靜止變?yōu)檫\(yùn)動(dòng)或由運(yùn)動(dòng)變?yōu)殪o止時(shí)，算法對(duì)相應(yīng)像素點(diǎn)都采用的更新背，最后通過背景圖像與當(dāng)前圖像對(duì)應(yīng)相減就可以得到運(yùn)動(dòng)目標(biāo)。而文獻(xiàn)［12］中是針對(duì)傳統(tǒng)單高斯背景模型不能適應(yīng)背景實(shí)時(shí)的變化，所產(chǎn)生對(duì)運(yùn)動(dòng)目標(biāo)檢測(cè)不完整的問題，提出了一種改進(jìn)的單高斯背景模型運(yùn)動(dòng)目標(biāo)檢測(cè)算法，而這個(gè)方法是取視頻圖像序列前n幀圖像的均值作為初始背景圖像，根據(jù)單高斯背景模型更新方法來用當(dāng)前幀圖像和背景幀圖像進(jìn)行檢測(cè)，對(duì)認(rèn)為是背景的點(diǎn)進(jìn)行背景模型更新，利用一個(gè)累積窗口對(duì)更新后的背景圖像中不屬于背景點(diǎn)的像素點(diǎn)進(jìn)修正，將最后得到的背景圖像作為用來檢測(cè)用的背景圖像，再通過背景減除法獲得運(yùn)動(dòng)目標(biāo)。

1．2．3 混合高斯法提取背景的運(yùn)動(dòng)目標(biāo)檢測(cè)

在運(yùn)動(dòng)目標(biāo)檢測(cè)的的整個(gè)過程中，由于視頻圖像序列中圖像的某一像素點(diǎn)處的像素值會(huì)隨著光線的強(qiáng)度等一些自然界因素而改變，往往不是只服從一個(gè)正態(tài)分布，面是呈現(xiàn)出多個(gè)正態(tài)分布的形式，也就是單一的一個(gè)高斯分布函數(shù)是無法對(duì)時(shí)常改變的像素進(jìn)行描述。而多高斯恰好能克服這種變化，所以就有文獻(xiàn)［13］中所述的Stauffer等人提出應(yīng)用混合高斯分布函數(shù)來描述背景圖像的變化。針對(duì)傳統(tǒng)高斯分布訓(xùn)練背景時(shí)速度較慢等問題，提出了一種基于新的背景模型更新模式的目標(biāo)檢測(cè)方法，首先，對(duì)二維彩色序列圖像建立混合高斯分布，在背景更新方法上對(duì)于不同的階段使用不同的更新參數(shù)，然后由背景減除法得到運(yùn)動(dòng)目標(biāo)圖像。文獻(xiàn)［14］中提出自適應(yīng)的運(yùn)動(dòng)目標(biāo)檢測(cè)方法。它是在同一像素點(diǎn)被同一灰度車輛等船體覆蓋幾率小的假設(shè)上構(gòu)建初始背景圖像，并且給每個(gè)像素點(diǎn)在線選取高斯分布的個(gè)數(shù)。而且在判斷是否為背景點(diǎn)時(shí)還根據(jù)像素點(diǎn)與其鄰域像素間存在關(guān)系，進(jìn)行在線更新學(xué)習(xí)率。最后才利用背景減除法來檢測(cè)出運(yùn)動(dòng)目標(biāo)。文獻(xiàn)［15］中是在彩色顏色空間進(jìn)行背景建模，并且是用改進(jìn)更新方法后的混合高斯模型進(jìn)行背景建模，先將顏色空間從RGB轉(zhuǎn)換到Y(jié)cbcr，再采用自適應(yīng)選擇策略來確定混合高斯模型的高斯成分個(gè)數(shù);最后，將高斯分布按照權(quán)值的比重進(jìn)行排序，選取前幾個(gè)最能代表背景的高斯分布作為背景圖像。

1．2．4 背景減除法在運(yùn)動(dòng)目標(biāo)像素與背景像素相似時(shí)的應(yīng)用

目前背景減除法在運(yùn)動(dòng)目標(biāo)檢測(cè)上使用得非常多，并且都能檢測(cè)出目標(biāo)，但是在一些運(yùn)動(dòng)目標(biāo)與背景圖像相似時(shí)，則無論是幀間差法還是背景減除法都無法克服目標(biāo)空洞或斷裂等現(xiàn)象，因此針對(duì)這一問題，許多學(xué)者也做了一些研究，如文獻(xiàn)［16］中采用了像素分類與混合高斯背景模型相結(jié)合來對(duì)運(yùn)動(dòng)目標(biāo)進(jìn)行檢測(cè)。首先利用混合高斯模型對(duì)背景圖像進(jìn)行建模，克服了場(chǎng)景變化等因素帶來的影響;其次，通過背景圖像與當(dāng)前幀圖像作差分獲得差分圖像，并對(duì)差分圖像的像素進(jìn)行分類，利用分類后的像素進(jìn)行雙閾值化分割，得到完整的目標(biāo)。文獻(xiàn)［17］中在混合高斯模型下采用自適應(yīng)的運(yùn)動(dòng)目標(biāo)檢測(cè)算法。先根據(jù)各像素點(diǎn)的像素值的的情況，自適應(yīng)地選擇高斯分布的個(gè)數(shù)對(duì)背景圖像模擬，再對(duì)差分圖像進(jìn)行閾值處理，在閾值選取時(shí)提出了的自動(dòng)調(diào)整閾值的方法，對(duì)差分圖像的像素進(jìn)行分類閾值化分割，這樣就能得到了完整的運(yùn)動(dòng)目標(biāo)。

2 混合法

運(yùn)動(dòng)目標(biāo)檢測(cè)常用的方法是幀間差法和背景減除法。幀間差法是通過時(shí)間序列視頻圖像相鄰兩幀或相鄰三幀對(duì)應(yīng)點(diǎn)進(jìn)行相減，獲得的差分圖像再利用閾值來分割出運(yùn)動(dòng)目標(biāo)區(qū)域，此方法計(jì)算量小、快速，而且對(duì)緩慢變化的場(chǎng)景運(yùn)動(dòng)目標(biāo)的檢測(cè)影響很小，甚至沒有影響。但是通常情況在運(yùn)動(dòng)目標(biāo)緩慢運(yùn)動(dòng)下容易在目標(biāo)內(nèi)部產(chǎn)生空洞現(xiàn)象，難以得到完整的運(yùn)動(dòng)目標(biāo)，最終使運(yùn)動(dòng)目標(biāo)信息不齊全。背景減除法一般是用事先建模好的背景圖像與當(dāng)前圖像進(jìn)行比較，通過消除背景來獲得運(yùn)動(dòng)目標(biāo)，這種方法難點(diǎn)在于背景建模與背景更新環(huán)節(jié)上，所以背景減除法思想簡(jiǎn)單。若能很好地提取時(shí)適背景幀，則對(duì)場(chǎng)景的變化的適應(yīng)能力增強(qiáng)，對(duì)運(yùn)動(dòng)目標(biāo)的提取會(huì)更加準(zhǔn)確。但是對(duì)背景建模與背景更新環(huán)節(jié)的編程實(shí)現(xiàn)仍有一定的難度。

針對(duì)背景減除法和幀間差法對(duì)運(yùn)動(dòng)目標(biāo)檢測(cè)存在的不足，混合法進(jìn)行了結(jié)合與創(chuàng)新:如利用幀間灰度值信息的鄰域相關(guān)系數(shù)計(jì)算方法，解決了背景的更新與誤判的問題，通過幀間差和背景減除的各信息分析運(yùn)動(dòng)目標(biāo)的區(qū)域，解決緩慢運(yùn)動(dòng)目標(biāo)的空洞等問題，如文獻(xiàn)［18］中利用幀間差法將相鄰兩幀的圖像進(jìn)行差分，現(xiàn)通過灰度拉伸來更新背景圖像，最后用鄰域的均值和方差相關(guān)系數(shù)進(jìn)行目標(biāo)檢測(cè)。文獻(xiàn)［19］中針對(duì)傳統(tǒng)混合高斯分布中建立背景圖像時(shí)由于更新速度比較慢所產(chǎn)生的鬼影現(xiàn)象，進(jìn)行改進(jìn)混合高斯背景的更新策略，又以幀間差法得到出現(xiàn)空洞現(xiàn)象的目標(biāo)區(qū)域和背景減除法獲得的目標(biāo)區(qū)域相結(jié)合，在背景突變下也能進(jìn)行有效地檢測(cè)出運(yùn)動(dòng)目標(biāo)。文獻(xiàn)［20］中對(duì)背景重建速度和目標(biāo)檢測(cè)精度，提出采用基于統(tǒng)計(jì)模型對(duì)像素區(qū)域分級(jí)重建背景的方法，并對(duì)幀間差法得到目標(biāo)的可能區(qū)域，在該區(qū)域進(jìn)行像素級(jí)背景重建，然后用背景差分精確提取目標(biāo)區(qū)域。既克服了單純幀差分對(duì)于目標(biāo)運(yùn)動(dòng)速度的限制，又縮小了背景差分的區(qū)域，使運(yùn)動(dòng)目標(biāo)檢測(cè)的時(shí)間復(fù)雜度迅速降低。文獻(xiàn)［21］中針對(duì)建模背景時(shí)光照突變敏感等問題，提出了背景差分法與三幀間差法相結(jié)合的運(yùn)動(dòng)目標(biāo)檢測(cè)算法:先是用當(dāng)前幀與混合高斯分布建立的背景圖像進(jìn)行差分，快速檢測(cè)出運(yùn)動(dòng)變化區(qū)域;然后，利用前一幀圖像與當(dāng)前幀圖像進(jìn)行比較判斷場(chǎng)景是否發(fā)生光照突變，場(chǎng)景中若未發(fā)生光照突變，則采用混合高斯模型背景差分法提取運(yùn)動(dòng)目標(biāo)，若發(fā)生光照突變，則采用三幀間差法與背景減除法相結(jié)合共同提取運(yùn)動(dòng)目標(biāo)。文獻(xiàn)［22］中用分塊幀差法和背景減除法相融合的運(yùn)動(dòng)目標(biāo)檢測(cè)方法，同時(shí)也利用分塊的方法建立初始背景圖像，將視頻序列圖像劃分為幾個(gè)小分塊，利用幀間差方法對(duì)圖像的各塊進(jìn)行閾值分割得到粗略的運(yùn)動(dòng)目標(biāo)，然后采用各塊背景減除法對(duì)運(yùn)動(dòng)區(qū)域進(jìn)行檢測(cè)。并結(jié)合幀間差法得到的粗略運(yùn)動(dòng)目標(biāo)最終提取準(zhǔn)確的目標(biāo)區(qū)域。文獻(xiàn)［23］中在為每個(gè)像素構(gòu)建自適應(yīng)混合高斯分布，并通過幀間差法把各幀圖像中的背景區(qū)域和運(yùn)動(dòng)區(qū)域分開，在背景區(qū)域中的像素點(diǎn)以特定較大的更新率更新背景圖像，在運(yùn)動(dòng)區(qū)域則也用一個(gè)較小的更新率來對(duì)背景適當(dāng)更新。文獻(xiàn)［24］中運(yùn)用改進(jìn)的時(shí)間平均算法初始化背景，在有目標(biāo)情況下也能構(gòu)建出可靠的背景，再用背景圖像與當(dāng)前圖像通過背景減除法得到目標(biāo)運(yùn)動(dòng)區(qū)域，且利用像素的連通區(qū)域除噪聲;最后經(jīng)過三幀間差法的檢測(cè)結(jié)果與背景減除法獲得的結(jié)果進(jìn)行“與”運(yùn)算，得到精確的運(yùn)動(dòng)目標(biāo)。文獻(xiàn)［25］中用相鄰幀圖像的幀間差法獲得相鄰幀間差分圖像，然后對(duì)差分圖像進(jìn)行濾波獲得運(yùn)動(dòng)目標(biāo)區(qū)域，再通過構(gòu)建的背景圖像與當(dāng)前圖像進(jìn)行背景減除法，之后再利用OSTU閾值分割技術(shù)獲取運(yùn)動(dòng)目標(biāo)區(qū)域，通過背景減除法和幀間差法的融合檢測(cè)出真實(shí)的運(yùn)動(dòng)目標(biāo)。文獻(xiàn)［26］中對(duì)幀間差法增加了中值濾波和梯度比較，結(jié)合相鄰幀間差法和混合高斯背景圖像的結(jié)果，把當(dāng)前圖像分為4個(gè)區(qū)域，對(duì)每個(gè)區(qū)域內(nèi)的混合高斯分布參數(shù)采用不同的更新策略，減少了運(yùn)動(dòng)目標(biāo)對(duì)背景模型的干擾，根據(jù)區(qū)域的劃分情況和相鄰幀差間法的結(jié)果確定最終的運(yùn)動(dòng)區(qū)域。

3 結(jié)論

本文首先敘述運(yùn)動(dòng)目標(biāo)檢測(cè)的常用算法:幀間差法和背景減除法，再通過分析傳統(tǒng)的幀間差法和背景減除法的不足，并針對(duì)傳統(tǒng)幀間差法的檢測(cè)運(yùn)動(dòng)目標(biāo)時(shí)出現(xiàn)的“空洞”現(xiàn)象和在場(chǎng)景突變時(shí)檢測(cè)的不準(zhǔn)確性，進(jìn)行歸類敘述各算法的改進(jìn)文獻(xiàn)。對(duì)于背景減除法的文獻(xiàn)敘述時(shí)，從均值法、單高斯法、混合高斯法逐一根據(jù)不同場(chǎng)景、不同光照等的變化進(jìn)行歸類敘述，最后通過幀間差法與背景減除法相融合，有針對(duì)性地對(duì)光照突變、背景中靜止物體突然運(yùn)動(dòng)、運(yùn)動(dòng)的物體突然靜止、目標(biāo)物的像素與背景像素相似等情況的文獻(xiàn)進(jìn)行了敘述。通過對(duì)上述的文獻(xiàn)的閱讀，使我們更多地了解了運(yùn)動(dòng)目標(biāo)的檢測(cè)算法，并且在進(jìn)行這方面的實(shí)驗(yàn)時(shí)，大多數(shù)是應(yīng)用幀間差法與背景減除法相融合來進(jìn)行檢測(cè)，而且我們也發(fā)現(xiàn)這兩種方法的融合可以彌補(bǔ)各自方法的不足。但是在一些比較復(fù)雜的場(chǎng)景中還是不能很好地檢測(cè)出準(zhǔn)確的目標(biāo)區(qū)域，所以運(yùn)動(dòng)目標(biāo)檢測(cè)的方法仍然需要改進(jìn)與創(chuàng)新。

［1］張森悅，李一波．復(fù)雜條件下的運(yùn)動(dòng)目標(biāo)檢測(cè)方法研究綜述［J］．沈陽航空工業(yè)學(xué)院學(xué)報(bào)，2008(03): 59-63．

［2］張宏琳．智能視頻監(jiān)控中運(yùn)動(dòng)目標(biāo)檢測(cè)研究綜述［J］．科技信息，2014(06):227．

［3］董俊寧，楊詞慧．空間約束混合高斯運(yùn)動(dòng)目標(biāo)檢測(cè)［J］．中國圖象圖形學(xué)報(bào)，2016(05):588-594．

［4］嚴(yán)金果，徐蔚鴻．基于新的幀間差分運(yùn)動(dòng)目標(biāo)檢測(cè)算法［J］．計(jì)算機(jī)工程與設(shè)計(jì)，2013(12):4331-4335．

［5］呂云波，張志龍，李吉成，等．一種基于視覺注意模型的可移動(dòng)目標(biāo)檢測(cè)方法［J］．紅外，2016(03):25-31．

［6］薛麗霞，羅艷麗，王佐成．基于幀間差分的自適應(yīng)運(yùn)動(dòng)目標(biāo)檢測(cè)方法［J］．計(jì)算機(jī)應(yīng)用研究，2011(04): 1551-1552+1559．

［7］楊蕊，張涇周，李榮，等．基于幀差法與邊緣信息的紅外目標(biāo)檢測(cè)算法研究［J］．科學(xué)技術(shù)與工程，2012 (26):6648-6651．

［8］劉紅，周曉美，張震．一種改進(jìn)的三幀差分運(yùn)動(dòng)目標(biāo)檢測(cè)［J］．安徽大學(xué)學(xué)報(bào)(自然科學(xué)版)，2014(06): 55-59．

［9］黃磊，于曼曼．基于背景差分的運(yùn)動(dòng)目標(biāo)檢測(cè)研究［J］．軟件導(dǎo)刊，2009(06):187-188．

［10］韓超，鄧甲昊，鄒金慧，等．基于差分均值背景提取和矩陣分區(qū)目標(biāo)檢測(cè)算法的研究［J］．北京理工大學(xué)學(xué)報(bào)，2012(12):1247-1251+1257．

［11］王慎波，張為．基于塊模型的混合高斯模型運(yùn)動(dòng)目標(biāo)檢測(cè)方法［J］．信息技術(shù)，2016(06):151-156+160．

［12］陳銀，任侃，顧國華，等．基于改進(jìn)的單高斯背景模型運(yùn)動(dòng)目標(biāo)檢測(cè)算法［J］．中國激光，2014(11): 245-253．

［13］郭俊，王平．基于改進(jìn)的混合高斯模型的運(yùn)動(dòng)目標(biāo)檢測(cè)［J］．微型機(jī)與應(yīng)用，2016(10):30-32+49．

［14］黃鑫娟，周潔敏，劉伯揚(yáng)．自適應(yīng)混合高斯背景模型的運(yùn)動(dòng)目標(biāo)檢測(cè)方法［J］．計(jì)算機(jī)應(yīng)用，2010(01): 71-74．

［15］黃玉，殷萇茗，周書仁．基于YCbCr的自適應(yīng)混合高斯模型背景建模［J］．計(jì)算機(jī)工程與科學(xué)，2015(01): 152-156．

［16］高凱亮，覃團(tuán)發(fā)，陳躍波，等．一種混合高斯背景模型下的像素分類運(yùn)動(dòng)目標(biāo)檢測(cè)方法［J］．南京大學(xué)學(xué)報(bào)(自然科學(xué)版)，2011(02):195-200．

［17］程全，馬軍勇．基于改進(jìn)高斯混合模型的運(yùn)動(dòng)目標(biāo)檢測(cè)方法［J］．計(jì)算機(jī)科學(xué)，2014(07):318-321．

［18］張金敏，王斌．光照快速變化條件下的運(yùn)動(dòng)目標(biāo)檢測(cè)［J］．光電工程，2016(02):14-21．

［19］游佩佩，何建農(nóng)．基于雙向分析的KGMM運(yùn)動(dòng)目標(biāo)檢測(cè)算法［J］．福州大學(xué)學(xué)報(bào)(自然科學(xué)版)，2016 (01):40-44．

［20］屠禮芬，仲思東，彭祺．基于混合差分法的運(yùn)動(dòng)目標(biāo)檢測(cè)［J］．科學(xué)技術(shù)與工程，2012(02):325-329．

［21］盧章平，孔德飛，李小蕾，等．背景差分與三幀差分結(jié)合的運(yùn)動(dòng)目標(biāo)檢測(cè)算法［J］．計(jì)算機(jī)測(cè)量與控制，2013(12):3315-3318．

［22］高美鳳，劉娣．分塊幀差和背景差相融合的運(yùn)動(dòng)目標(biāo)檢測(cè)［J］．計(jì)算機(jī)應(yīng)用研究，2013(01):299-302．

［23］王小峰，王吉華，王遠(yuǎn)鵬，等．混合高斯模型和差分法相融合的運(yùn)動(dòng)目標(biāo)檢測(cè)［J］．小型微型計(jì)算機(jī)系統(tǒng)，2013(03):685-688．

［24］邱聯(lián)奎，劉啟亮，雷文龍．基于背景減除與三幀差分相融合的運(yùn)動(dòng)檢測(cè)［J］．合肥工業(yè)大學(xué)學(xué)報(bào)(自然科學(xué)版)，2014(05):572-577．

［25］屈晶晶，辛云宏．連續(xù)幀間差分與背景差分相融合的運(yùn)動(dòng)目標(biāo)檢測(cè)方法［J］．光子學(xué)報(bào)，2014(07): 219-226．

［26］於正強(qiáng)，潘赟，宦若虹．一種結(jié)合幀差法和混合高斯的運(yùn)動(dòng)檢測(cè)算法［J］．計(jì)算機(jī)應(yīng)用與軟件，2015(04): 129-132+270．

［責(zé)任編輯:周冬梅］

Review of moving object detection based on computer vision

WANG Wen-zhi，ZHANG Ru-liang，HUANG Cheng-quan，WANG Lin

(College of Science，Guizhou Minzu University，Guiyang，Guizhou，550025)

To providea better understanding of object detection method，a great number of documents on the method of moving target detection in video image sequence are listed in this paper．It starts with a description of the common algorithm for moving object detection:framedifference method and background subtraction．Then the problems existing in the past moving object targets detection are analyzed．Finally，the important methods for corresponding problems are discussed．

Moving target detection;Video sequences;Frame difference method;Background subtraction

TP391．41

A

1674-7798(2016)09-0018-05

10.13391/j.cnki.issn.1674-7798.2016.09.004

2016-07-14

貴州省科學(xué)技術(shù)基金項(xiàng)目(黔科合J字［2014］2095號(hào));貴州省科學(xué)技術(shù)基金項(xiàng)目(黔科合LH字［2014］7390號(hào))。

王文智(1990-)，男，貴州惠水人，貴州民族大學(xué)理學(xué)院2014級(jí)在讀碩士，研究方向:模式識(shí)別與圖像處理。