視頻圖像中的運(yùn)動(dòng)目標(biāo)檢測(cè)方式及算法分析

【 摘 要 】 作為我國(guó)計(jì)算機(jī)視覺(jué)領(lǐng)域中一個(gè)極為重要的組成部分，視頻圖像運(yùn)動(dòng)目標(biāo)檢測(cè)方式與算法對(duì)運(yùn)動(dòng)目標(biāo)的分類與跟蹤有著重要的影響，在城市管理、野外環(huán)境測(cè)控、武器目標(biāo)定位等多個(gè)領(lǐng)域中有著廣泛地應(yīng)用，其與城市治安防控和城市管理聯(lián)系密切，能夠?qū)崿F(xiàn)對(duì)固定區(qū)域的實(shí)時(shí)監(jiān)控與信息記錄。論文將著重對(duì)視頻圖像中的運(yùn)動(dòng)目標(biāo)檢測(cè)方式進(jìn)行深入分析，并探究了常用的運(yùn)動(dòng)目標(biāo)檢測(cè)算法，為相關(guān)領(lǐng)域提供一個(gè)參考與借鑒。

【 關(guān)鍵詞 】 視頻圖像；運(yùn)動(dòng)目標(biāo)；檢測(cè)方式

【 中圖分類號(hào) 】 TP317.4 【 文獻(xiàn)標(biāo)識(shí)碼 】 A

【 Abstract 】 As one of the most important parts in the field of computer vision in China，video image moving object detection methods and algorithms have an important influence on the classification and tracking of moving objects.Is widely used in many fields of urban management， field environment control， weapon target positioning， which is closely associated with urban crime prevention and control and urban management to achieve of the fixed area real-time monitoring and information recording.This study will focus on the moving target detection method in video image analysis， and explores the moving target detection algorithm commonly used， provide a reference for related fields.

【 Keywords 】 video image； moving object； detection method； algorithm analysis

1 引言

隨著我國(guó)社會(huì)主義現(xiàn)代化建設(shè)的不斷發(fā)展，我國(guó)的計(jì)算機(jī)信息技術(shù)得到了前所未有的發(fā)展，這也在一定程度上促進(jìn)了人工智能技術(shù)以及圖像工程等技術(shù)的革新。作為當(dāng)前計(jì)算機(jī)領(lǐng)域中一個(gè)熱點(diǎn)問(wèn)題，視頻圖像運(yùn)動(dòng)目標(biāo)檢測(cè)在城市管理中的應(yīng)用，對(duì)社會(huì)治安、打擊犯罪以及和諧社會(huì)的建立有著重要的意義與價(jià)值，其能夠促進(jìn)人們對(duì)運(yùn)動(dòng)信息的有效捕捉，進(jìn)而用于對(duì)實(shí)際問(wèn)題的解決，對(duì)視頻圖像中的運(yùn)動(dòng)目標(biāo)檢測(cè)方式及算法分析迫在眉睫。

2 視頻圖像運(yùn)動(dòng)目標(biāo)檢測(cè)的意義

所謂運(yùn)動(dòng)目標(biāo)檢測(cè)，主要是指對(duì)視頻的序列圖像進(jìn)行檢測(cè)，觀察在整個(gè)場(chǎng)景圖像中有無(wú)運(yùn)動(dòng)的物體，共涉及到視頻圖像處理、人工智能以及計(jì)算機(jī)圖像分析等多個(gè)方面，是視頻監(jiān)控體系的最底層，其為后期目標(biāo)跟蹤、分類與行為理解等環(huán)節(jié)打下了堅(jiān)實(shí)的基礎(chǔ)，對(duì)于視頻監(jiān)控系統(tǒng)功能的發(fā)揮有著重要的影響。通常對(duì)于運(yùn)動(dòng)目標(biāo)檢測(cè)包含了光流法、背景差分法等多種方式，其算法也多種多樣。本次研究對(duì)視頻圖像中的運(yùn)動(dòng)目標(biāo)檢測(cè)方式及算法的分析有著一定的應(yīng)用價(jià)值。

3 視頻圖像運(yùn)動(dòng)目標(biāo)的檢測(cè)方式

3.1 幀間差分法

作為運(yùn)動(dòng)目標(biāo)檢測(cè)最為常用的方法之一，幀間差分法能夠?qū)?dòng)態(tài)變化的圖像進(jìn)行有效檢測(cè)，且多于相鄰幀間或三幀之間進(jìn)行，因此被稱為是幀差分法，其主要根據(jù)序列圖像相鄰幀的極強(qiáng)相關(guān)性原理，能夠?qū)崿F(xiàn)對(duì)運(yùn)動(dòng)目標(biāo)的變化檢測(cè)，在濾波的作用下，對(duì)運(yùn)動(dòng)目標(biāo)的范圍、區(qū)域進(jìn)行確定，其計(jì)算公式可采用相關(guān)描述：dk（x，y）=| fk（x，y）-fk-1 （x，y） | [1]。其中fk（x，y）以及fk-1 （x，y）表示兩幀連續(xù)的運(yùn)動(dòng)圖像，絕對(duì)差分圖像由dk（x，y）表示，該計(jì)算公式僅包括對(duì)像素強(qiáng)度的相減計(jì)算，整個(gè)計(jì)算流程相對(duì)簡(jiǎn)單，具有一定的可行性，便于實(shí)現(xiàn)。該檢測(cè)方式也存在一定的缺陷，容易受噪聲干擾，當(dāng)被遮擋的背景受運(yùn)動(dòng)影響出現(xiàn)時(shí)，將會(huì)使新背景作為運(yùn)動(dòng)物體出現(xiàn)誤檢現(xiàn)象，甚至出現(xiàn)鬼影，為了有效避免“鬼影”對(duì)運(yùn)動(dòng)目標(biāo)的影響，對(duì)幀查法進(jìn)行了新的改進(jìn)[2]，通過(guò)對(duì)多幀圖像差分交集的求證對(duì)運(yùn)動(dòng)目標(biāo)進(jìn)行檢測(cè)，常見有對(duì)稱差分檢測(cè)，具體如圖1所示。

3.2 背景差分法

所謂背景差分法主要是指將視頻序列中所呈現(xiàn)出的當(dāng)前幀圖像與預(yù)先存儲(chǔ)的背景圖像進(jìn)行相減，對(duì)目標(biāo)進(jìn)行檢測(cè)與提取，其具體流程如圖2所示?？梢詫⒈尘安罘址ㄟM(jìn)行如下描述：dk（x，y）=| fk（x，y）-B （x，y） | ，其中dk（x，y）作為差分圖像，背景則采用B（X，Y）來(lái)表示，當(dāng)前幀圖像則為fk（x，y）。在對(duì)目標(biāo)進(jìn)行檢測(cè)時(shí)，先對(duì)第k幀圖像與背景圖相減，進(jìn)而提取差分圖像，然后對(duì)閾值進(jìn)行選擇，并使所得的差分圖像轉(zhuǎn)化成為二值差分圖像，其中像素為0的則確定為背景區(qū)域，為1的則可確定為運(yùn)動(dòng)目標(biāo)區(qū)域。作為背景差分法極為重要的一個(gè)環(huán)節(jié)，預(yù)處理指的是對(duì)視頻圖像的簡(jiǎn)單濾波，避免攝像機(jī)噪聲以及外界環(huán)節(jié)的瞬時(shí)噪聲等，若攝像機(jī)發(fā)生抖動(dòng)，那么在對(duì)背景進(jìn)行建模前，還必須所獲取的連續(xù)視頻幀進(jìn)行圖像綜合處理。

4 視頻圖像運(yùn)動(dòng)目標(biāo)的算法分析

4.1 多幀圖像平均法

所謂多幀圖像平均法主要是指在對(duì)運(yùn)動(dòng)目標(biāo)進(jìn)行檢測(cè)與分析時(shí)，將其作為噪聲源，并采用累加平均的方法對(duì)噪聲進(jìn)行逐步消除，將目標(biāo)運(yùn)行的序列圖像作為重點(diǎn)分析對(duì)象，并從中得出背景圖像，可以采用以下方式進(jìn)行表達(dá)：B（x，y）= fk（x，y）。采用此算法，能夠得到相應(yīng)的背景圖像，且該圖像受平均幀數(shù)的影響，平均幀數(shù)越大，其消除噪聲的效果就明顯[3]。

4.2 連續(xù)幀差法

所謂連續(xù)幀差法主要是指在對(duì)視頻圖像運(yùn)動(dòng)目標(biāo)進(jìn)行提取與計(jì)算的過(guò)程中，計(jì)算出當(dāng)前幀圖像與前一幀圖像的差值，并以此確定運(yùn)動(dòng)區(qū)域，其能夠使運(yùn)動(dòng)區(qū)域背景保持不變的狀態(tài)，而對(duì)于非運(yùn)動(dòng)區(qū)域的背景則可以采用當(dāng)前幀實(shí)現(xiàn)動(dòng)態(tài)更新，在迭代作用下，對(duì)背景進(jìn)行提取。首先，原始圖像B0可以采用第一幀圖像I0進(jìn)行表示，將迭代參數(shù)設(shè)置為i=1，所求為前幀與前一幀的差分二值圖像，即BW1，其具體計(jì)算方法為：BWi=1ads（Ik-Ii-1）≥T

0ads（Ik-Ii-1）

然后通過(guò)二值圖像對(duì)背景進(jìn)行更新，其具體計(jì)算方法為：Bi（x，y）=Bi-1（x，y）BWi（x，y）=1

aIi +（I-a） Bi-1（x，y）BWi（x，y）=0，其中Bi（x，y），BWi（x，y）表示兩圖像在坐標(biāo)中的位置，將更新速度系數(shù)確定為0.1。設(shè)置條件i=i+1，然后將其代入BWi進(jìn)行迭代計(jì)算，達(dá)到一定數(shù)量后，結(jié)束迭代，將B1設(shè)置為提取背景。

4.3 最大閾值分割

通常，在實(shí)際工作中往往需要高質(zhì)量的運(yùn)動(dòng)圖像，為了滿足各個(gè)領(lǐng)域?qū)Ω哔|(zhì)量運(yùn)動(dòng)目標(biāo)的需求，可以確定閾值對(duì)圖像進(jìn)行分割，使二值化圖像能夠?qū)D像運(yùn)動(dòng)目標(biāo)做出準(zhǔn)確地反映。一般情況下，圖像的直方圖為雙峰狀態(tài)，其最佳閾值則為直方圖雙峰的谷。而對(duì)于多峰直方圖，閾值的確定則面臨著難題。經(jīng)過(guò)研究可采用概率分布法對(duì)信息進(jìn)行表示，通常，閾值不同，其目標(biāo)區(qū)域與背景區(qū)域的信息量也有著明顯的不同，那么總信息量閾值t則為最佳分割值，即最佳閾值。

5 結(jié)束語(yǔ)

近年來(lái)，視頻圖像運(yùn)動(dòng)目標(biāo)檢測(cè)與算法成為計(jì)算機(jī)領(lǐng)域研究的一個(gè)重點(diǎn)，其不僅是對(duì)計(jì)算機(jī)視覺(jué)檢測(cè)的理論分析，更是對(duì)視頻圖像處理技術(shù)的實(shí)踐探究，有著廣闊的應(yīng)用前景。目前，社會(huì)多個(gè)行業(yè)都對(duì)視頻圖像處理有著不同的需求，要立足于多樣的應(yīng)用環(huán)境，探究視頻圖像中的運(yùn)動(dòng)目標(biāo)檢測(cè)與算法的新途徑，確保檢測(cè)的準(zhǔn)確性，為相關(guān)行業(yè)提供技術(shù)支撐。

參考文獻(xiàn)

[1] 毛育佼，陳苒君，唐莉萍.視頻圖像中運(yùn)動(dòng)目標(biāo)檢測(cè)算法的提高[J]. 計(jì)算機(jī)系統(tǒng)應(yīng)用，2014， 23（4）：107-111.

[2]徐永兵.基于Trous算法的紅外序列圖像中運(yùn)動(dòng)目標(biāo)的檢測(cè)與跟蹤[J].紅外，2015， 36（1）：35-39.

作者簡(jiǎn)介：

衣李娜（1974-），女，遼寧本溪人，副教授，碩士；主要研究方向和關(guān)注領(lǐng)域： 軟件開發(fā)及視頻圖像處理。