一種改進(jìn)的幀間差分移動目標(biāo)跟蹤算法研究

于正泉

【摘 要】隨著互聯(lián)網(wǎng)、多媒體技術(shù)的快速發(fā)展，視頻監(jiān)控已經(jīng)在安防領(lǐng)域得到了廣泛的應(yīng)用，成為公共安全防御的重要手段。傳統(tǒng)的視頻監(jiān)控需要人工進(jìn)行目標(biāo)搜索和定位，速度較慢，實時性較差。為了能夠解決上述問題，需要實現(xiàn)一個高可靠的視頻監(jiān)控系統(tǒng)，需要采用移動目標(biāo)跟蹤算法，以便能夠?qū)崟r的識別目標(biāo)、跟蹤目標(biāo)。本文提出了一種基于幀間差分的移動目標(biāo)跟蹤算法，能夠?qū)崟r跟蹤視頻圖像中的目標(biāo)，具有較高的準(zhǔn)確性。

【關(guān)鍵詞】幀間差分 目標(biāo)跟蹤 視頻監(jiān)控 背景

互聯(lián)網(wǎng)、多媒體和視頻監(jiān)控技術(shù)的快速發(fā)展，在城市安防管理領(lǐng)域取得了廣泛的應(yīng)用。本文研究了幀間差分法在視頻移動目標(biāo)跟蹤中的應(yīng)用，實驗結(jié)果顯示該方法具有較高的魯棒性和實時性。

1 移動目標(biāo)跟蹤關(guān)鍵問題

目標(biāo)映射分為的三個關(guān)鍵問題包括目標(biāo)添加、目標(biāo)關(guān)聯(lián)和目標(biāo)刪除。

（1）目標(biāo)關(guān)聯(lián)問題。由于算法是基于改進(jìn)的幀間差分方法進(jìn)行檢測的，因此每一幀中都可能檢測出當(dāng)前幀中存在的所有目標(biāo)，算法需要將已經(jīng)跟蹤到的目標(biāo)存儲到一個列表中，將當(dāng)前幀中檢測到的目標(biāo)與跟蹤列表中的目標(biāo)一一關(guān)聯(lián)起來。

（2）目標(biāo)添加。短時間內(nèi)，移動目標(biāo)在視頻流中的運動軌跡是連續(xù)的，因此目標(biāo)短時間內(nèi)移動的軌跡可以看做是一條光滑的直線，在進(jìn)行數(shù)據(jù)關(guān)聯(lián)模塊之后，算法可以將已經(jīng)關(guān)聯(lián)到的目標(biāo)從當(dāng)前幀檢測到的目標(biāo)中山城，保留剩下的目標(biāo)，利用當(dāng)前幀剩下的目標(biāo)與前面幀中剩下的目標(biāo)利用最小二乘法實施線性擬合，并且可以將擬合結(jié)果中符合相關(guān)要求的目標(biāo)作為一個新檢測到的目標(biāo)添加到跟蹤列表中。

（3）目標(biāo)刪除。由于視頻攝像頭的監(jiān)控范圍是有限的，因此一旦監(jiān)控目標(biāo)離開監(jiān)控區(qū)域，離開監(jiān)控區(qū)域的目標(biāo)需要從跟蹤列表中刪除。

2 改進(jìn)的幀間差分移動目標(biāo)跟蹤算法

傳統(tǒng)的幀間差分法僅僅依賴視頻流時間的相關(guān)性，沒有充分考慮視頻流空間上的相關(guān)性，識別結(jié)果不準(zhǔn)確，識別效率低。為了能夠解決上述問題，本文充分利用幀間差分法充分考慮時間相關(guān)性和背景差分法充分考慮空間相關(guān)性的優(yōu)點，提出了一種改進(jìn)的幀間差分移動目標(biāo)跟蹤算法，該算法能夠同時考慮圖像序列時空內(nèi)容，提高移動目標(biāo)跟蹤效果。算法執(zhí)行步驟如下所述：

（第一步）基于背景差分法檢測待檢測幀，以便能夠有效識別運動目標(biāo)，計算公式如（1）所示：

其中，運動目標(biāo)的像素點使用1表示，背景區(qū)域的像素點使用0表示， 表示像素點坐標(biāo)為 的坐標(biāo)屬于運動目標(biāo)還是背景區(qū)域， 表示待檢測幀位于坐標(biāo)為 處的灰度值， 表示待檢測幀位于坐標(biāo)為 處的分割閾值。

（第二步）在（第一步）的基礎(chǔ)上，使用連續(xù)三幀差法檢測待檢測幀，以便能夠提高算法的運算速度，同時，連續(xù)三幀差法僅僅對利用差分算法檢測檢測到的前景區(qū)域執(zhí)行相關(guān)的檢查操作，計算公式如（2）所示。

其中， 代表連續(xù)三幀差法檢測待檢幀的操作結(jié)果，運動物體的像素同樣使用1表示，背景區(qū)域的像素同樣使用0表示，公式3.11表示連續(xù)三幀差法和背景差分法同時檢測一個像素點為運動目標(biāo)時，才可以將像素點判定為運動物體，否則就只能將這個像素點判定為背景區(qū)域。

（第三步）在拍攝的視頻圖像序列中，背景區(qū)域可能為流動的喝水或者風(fēng)吹動的樹葉，因此需要充分的考慮運動目標(biāo)的像素點的鄰域信息，以便能夠避免將背景區(qū)域本身的運動誤認(rèn)為是運動目標(biāo)，導(dǎo)致算法的精確度降低，因此，為了能夠避免上述問題產(chǎn)生，本文采用了基于鄰域的背景差分法，該算法可以對（第二步）進(jìn)行識別操作，具體公式如（3）所示。

（第四步）在執(zhí)行完畢前兩步的基礎(chǔ)上，確定運動目標(biāo)的像素點，確定像素點公式如（4）所示。

其中， 表示門閾值， 表示運動物體的種子點，同時滿足連續(xù)三幀差法與領(lǐng)域差分運動目標(biāo)算法的可以判定為前景區(qū)域像素，其表示待檢幀圖像中不完整的真實運動區(qū)域。

表示能夠滿足 的所有像素點的集合， 表示能夠滿足 的所有像素點的集合，則 中能包含的像素分為處理過程中引入的多余信息像素和運動目標(biāo)的像素， 表示用戶期望的真實的運動目標(biāo)像素點，因此只要將 中的像素點進(jìn)行有效的連通，就可以得到一個運動目標(biāo)存在的區(qū)域。為了能夠更好地實現(xiàn)運動目標(biāo)識別效果，采用數(shù)學(xué)形態(tài)學(xué)方法將識別各個連通區(qū)域，選擇 中包含運動像素點 的連通區(qū)域，就可以基于時空內(nèi)容識別運動目標(biāo)。

3 算法效果分析

改進(jìn)的幀間差分移動目標(biāo)跟蹤算法能夠準(zhǔn)確的追蹤到移動目標(biāo)，比如打羽毛球的人、羽毛球。

與其他算法相比，本文提出的算法那追蹤時間較短，效率較高，詳細(xì)數(shù)據(jù)如表1所示。

4 結(jié)語

本文主要闡述了移動目標(biāo)跟蹤過程中關(guān)鍵的關(guān)鍵問題，分別是目標(biāo)關(guān)聯(lián)、添加和刪除，同時提出一種改進(jìn)的幀間差分移動目標(biāo)跟蹤算法，該算法結(jié)合時間、空間視頻流信息，提高了算法追蹤的準(zhǔn)確度，縮短識別時間。

參考文獻(xiàn)：

[1]周帆，江維，李樹全等.基于粒子濾波的移動物體定位和追蹤算法[J].軟件學(xué)報，2013，24（9）：2196-2213.

[2]周良毅，王智，王營冠.基于動態(tài)遮擋閾值的多視角多目標(biāo)協(xié)作追蹤[J].計算機研究與發(fā)展，2014，4（4）：813-823.