一種非靜止背景下的運動目標檢測方法

張兆陽，強 祥，陳琦瑋，汪一鳴，吳 澄

（1．蘇州大學 電子信息學院，江蘇 蘇州215000；2．蘇州大學 城市軌道交通學院，江蘇 蘇州215000）

一種非靜止背景下的運動目標檢測方法

張兆陽1，強 祥2，陳琦瑋1，汪一鳴2，吳 澄2

（1．蘇州大學 電子信息學院，江蘇 蘇州215000；2．蘇州大學 城市軌道交通學院，江蘇 蘇州215000）

對于運動中的攝像機所拍攝視頻的分析，會發(fā)現目標和背景都在運動的現象，因此難以較好地對運動目標進行檢測。針對此問題提出了一種適應該類對象的運動目標檢測技術，該方法采用徑向運動補償和像素值重分配來實現較好的運動補償，并通過幀差分方法來提取視頻序列中的運動目標。在現代有軌電車障礙物檢測系統中運行的實驗結果表明，該方法可以較好地消除運動目標周圍背景對運動目標的干擾，為識別運動目標奠定了良好的基礎。

背景；運動補償；幀差分；運動目標檢測

在現實生活中，人類的視覺所捕捉到的物體既有運動的也有靜止的，在大部分的場合里，比如重要場所的安防、汽車的自動駕駛、軍事目標的跟蹤中，人們往往只對運動的目標感興趣。而運動目標的檢測是目標跟蹤、目標分類、目標行為理解的基礎，獲取比較準確的運動目標對于后續(xù)的處理具有重要意義[1-2]。

一般的運動目標檢測，其背景往往是靜止的，人們采用諸如光流法[3-4]、模板匹配法、特征提取法和圖像差分法[5-6]等運動目標檢測方法將運動目標從靜止的背景中分離出來。這方面的研究已經取得了大量成果。但是在一些特殊場合，會出現運動目標和背景都在運動的現象，例如在有軌電車障礙物檢測系統中安裝在現代有軌電車車頭正前方的攝像頭所拍攝的實時視頻序列，由于攝像機本身跟隨有軌電車運動，所以連續(xù)圖像幀上的背景也在發(fā)生運動，當有行人或車輛穿越軌道時，就出現了背景和前景目標均發(fā)生運動的情況，此時簡單運用光流法或模板匹配、特征提取等方法，并不能將運動目標準確地從背景中分離出來。

而針對這種運動背景下的目標檢測，常用的方法有基于三幀差分的背景差分法、基于塊匹配的運動估計算法以及灰度投影算法等。

基于三幀差分的背景差分法[7-8]首先獲取相鄰三幀圖片，并對相鄰的每兩幀圖像作差分計算，得到兩張差分圖像，然后分別做二值化處理，接著將兩張二值化后的圖像進行邏輯與運算，再將得到的結果和背景圖像相減來提取運動目標，該方法對于背景和目標都運動的復雜背景下的目標提取有一定的作用，但是該方法僅適用于背景變化不大的情況，對于背景變化復雜且有攝像頭變焦的情況，處理效果并不理想。

基于塊匹配的運動估計算法[9]是將圖像分割成相互不重疊的小區(qū)域，每個區(qū)域都用一個平移運動模型來進行運動估計。然后在相鄰兩幀圖像中進行最優(yōu)小區(qū)域的匹配，通過運動參數模型計算每個區(qū)域中心的位移矢量（ΔX，ΔY），最后根據位移矢量進行圖像差分得到運動區(qū)域。該方法首先需要對相鄰兩幀圖像進行塊匹配，但是在電車上所搭載的攝像頭拍攝的行車前方視頻中，由于背景復雜，背景中也可能存在與目標有相似特征的物體，并且目標本身存在幾何尺寸變化的問題，所以塊匹配的結果并不準確，從而影響位移矢量的計算。因此該方法也不適用文中研究的環(huán)境。

灰度投影算法[10-12]首先是將相鄰兩幀圖像的灰度分布映射成x，y方向上獨立的一維直方圖，從而得到反應圖像灰度分布特點的行、列的灰度投影曲線。然后通過對比相鄰兩幀圖像的灰度投影曲線的峰值位置，得到圖像背景在x，y方向上的運動矢量。最后將前一幀圖像沿著位移矢量移動相應的大小，從而補償圖像中背景的運動。該方法可以在背景發(fā)生平移的情況下準確地進行背景運動補償，但是在文中所研究的現代有軌電車障礙物識別中，由于攝像機本身跟隨有軌電車運動，所以背景物體并不是在圖像上做簡單的平移運動，所以該方法也不適用于文中研究的環(huán)境。

文中針對攝像機本身跟隨電車運動的實際情況，以有軌電車障礙物識別中的運動目標為對象，進行運動目標檢測的研究。首先，考慮到視頻序列具有幀間連續(xù)性的特點，即在視頻序列中目標的運動在時間上具有連貫性，使得可以利用圖像序列檢測出單幀圖像中很難檢測出的目標[13]，因此采用幀間差分的方法檢測運動目標[14-15]。其次，因為一些類似目標的運動的背景也會被當作目標誤檢測出來。因此，在進行圖像差分之前，對相鄰的視頻幀先進行運動補償。文中為此提出一種針對背景運動特點的運動補償算法，可以準確地提取出真正的運動目標。

1　運動補償算法

考慮到文中研究的視頻序列。因為攝像機安裝在駕駛室前部，所以攝像機本身也會跟隨電車沿行車方向運動，因此在獲得的視頻序列中，圖像背景中物體的位置會發(fā)生變化，而且在電車行進的過程中背景中的物體也會因為離電車的距離越來越近，大小也會發(fā)生變化。通過仔細分析，這些位置和大小的變化是有規(guī)律可循的。為了更好地進行運動補償從而更加準確地從相鄰幀間差分中提取出運動目標，文中提出采用徑向運動補償和像素值重分配的運動補償算法。

1.1徑向運動補償

因為攝像機跟隨電車沿行車方向運動，造成背景物體位置的變化，不同于普通視頻中的背景物體的平移，文中研究的視頻中背景物體還發(fā)生了變焦。所獲得的視頻序列幀中的物體都會以圖像幀幾何中心為基點，做徑向移動。其運動模型如圖1所示。

在圖1中，O點為圖像幀的幾何中心，假設A、B、C三點為前一幀圖像中3個靜止的獨立物體的位置，在電車向前行進的過程中，通過研究和分析背景在時間序列中的變化規(guī)律，發(fā)現圖像幀上的靜止物體會以O點為基準點，沿徑向作發(fā)散式移動，所以在后一幀的圖像上A’、B’、C’三點為該3個獨立物體對應可能出現在下一時刻圖像中的位置。

根據以上規(guī)律，在被圖像幾何中心和兩條對稱軸所區(qū)分開的4個區(qū)域里，背景物體按其所在區(qū)域的位置，向不同方向移動不同的距離。具體運動距離和方向計算如圖2所示。

圖1　有軌電車前方圖像中背景物體運動模型

圖2　徑向運動補償模型

在圖2中，以O點為坐標原點，建立坐標系。例如圖上的點A，可以得到它與O點在X，Y軸方向上的距離差為ΔA_x，ΔA_y，計算公式如（1）所示。

式中，jA和iA為點A在圖像上的列坐標jO和iO行坐標，和為點O在圖像上的列坐標和行坐標。從而可以得到點A在徑向運動中在X，Y軸方向上的運動補償值如公式（2）（3）所示。

在公式（2）（3）中move為運動補償系數，依據有軌電車運動速度而定。從而可以計算出A點在下一幀圖像上的位置A′（i，j）。計算公式（4）如下：

式中iA和jA為點A的行坐標和列坐標。如圖2所示，同理可以得到點B、C到B′、C′的運動補償矢量。

1.2像素值重分配

通過徑向補償算法，可以解決在行車過程中，因為圖像背景中物體的位移對圖像幀差分算法的干擾，但是在背景中物體位置不斷變化的過程中，其大小也在發(fā)生改變。當電車在向前行駛的過程中，攝像機拍攝到的連續(xù)幀圖像中，圖像上的物體都會離攝像機越來越近，因此背景物體不僅會以圖像幾何中心為基準點向外做徑向運動，其大小也會隨時間的推移，在圖像中不斷變大。

按照電車行進過程中物體的變化規(guī)律，將整幅圖像，以幾何中心為原點，分成A、B、C、D 4個部分。并且在每個區(qū)域里再分割成5個子區(qū)域，所以可以得到5*4即20個子區(qū)域，每個區(qū)域按照不同的像素分配原則進行像素重新分配。區(qū)域劃分如圖3所示。

圖3　圖像區(qū)域劃分示意圖

圖3中，4個大區(qū)域A、B、C、D再分成1、2、3、4、5,5個子區(qū)域。在區(qū)域A中，第一個子區(qū)域A1按照2*2的模板進行像素重分配，分配公式如（5）（6）（7）（8）所示。

式中P（i，j）代表圖像P在i行j列的像素值。最后將不同的像素點分配到同一個坐標位置的像素值進行疊加即可以得到像素重新分配后的結果。在A2、A3、A4、A5子區(qū)域按照3*3、4*4、5*5、6*6的模板進行像素值重分配，不同子區(qū)域的像素值重分配原則類似，模板如圖4所示。

圖4　A區(qū)域像素分配模板

而在其他剩下的B、C、D，3個區(qū)域里，像素重新分配的方法大致相同，但所用模板發(fā)生了變化，例如在A區(qū)域里，模板系數從右下角位置開始向左上角逐漸減小。而在B區(qū)域里，模板系數從左下角開始逐漸減小。圖5為B區(qū)域里各個子區(qū)域的像素分配模板。

其他區(qū)域模板按類似規(guī)律分配。雖然每個部分的模板不一樣，但是每個模板里系數的和都等于1，且相同大小的模板中每一個層級的系數是一樣的。通過按照上述模板對整個圖像上各個位置的像素值進行重新分配，從而可以對圖像中物體幾何尺寸的改變進行補償。

圖5　B區(qū)域像素分配模板

1.3運動目標檢測實現步驟

步驟一，獲取兩張相鄰幀的原始彩色圖像，按照本文研究要求，兩幀之間時間相差0.1 s。

步驟二，將獲得的彩色圖像灰度化，減少處理的信息量，并對每一幀圖像進行濾波等預處理操作，減少圖像噪聲干擾。

步驟三，對前一幀圖像，按照像素值重分配算法，對圖像各個位置的像素值進行重新分配。

步驟四，根據徑向補償算法，通過計算出每一個像素點的ΔA_x，ΔA_y從而根據公式（2）（3）得到圖像上每一個點的在X、Y軸方向上的運動補償值delta_X和delta_Y。

步驟五，對處理后的前后兩張圖片進行幀差分操作。如公式（9）所示。

Pk（i，j）代表第K幀圖像的第i行第j列的像素值，Pk-1（i，j）代表通過步驟三像素重新分配后的第K-1幀圖像（即前一幀圖像）的第i行第j列的像素值。P（i，j）代表通過差分后圖像P在第i行第j列的像素值。

步驟六，對上一步所得到的差分圖像P進行二值化操作。即可得到較好反應運動目標的二值圖像。

2　實驗結果及分析

本實驗采用搭載在現代有軌電車上的攝像頭獲取連續(xù)的視頻序列幀，每幀圖像之間相隔0.1 s，圖像中不僅目標在移動，背景也會由于攝像機的運動而發(fā)生較大的變化。圖6 （a）為前一幀原始圖像，圖6（b）為當前幀原始圖像，圖6（c）為前一幀的灰度圖像，圖6（d）為當前幀的灰度圖像。

圖7（a）為直接相鄰幀差分后的結果圖，圖7（b）為運用傳統灰度投影算法進行運動補償后的幀差分結果圖，圖7（c）為運用文中提出的運動補償算法后的幀差分結果圖。

通過實驗結果比較可以看出，因為背景是實時變化的，所以通過直接相鄰幀差分后的結果中運動目標周圍還殘留了大量的背景物體，對后續(xù)的運動目標檢測會產生較大的干擾。而傳統的灰度投影算法，是將一幀圖像進行平移后再進行差分的，雖然效果較直接相鄰幀差分法有所改善，但是并不完全適用于本文研究的場景中。所以在移動目標附近仍然會殘留比如電線桿、圍欄等背景物體。而在運用本文提出的運動補償算法后，移動目標附近的背景物體基本被消除干凈，較前兩種算法，干擾已經大大減少。而且實驗中外界環(huán)境的變化對本算法結果的影響也最小，這也說明了本算法對動態(tài)環(huán)境有很強的適應性。

圖6　相鄰兩幀的原始圖像及灰度圖像

圖7　3種算法的實驗結果圖

3　結束語

文中針對所研究的現代有軌電車障礙物識別這個平臺下的運動目標檢測技術，提出了一種新的運動補償算法，采用徑向運動補償和像素值重分配來適應本文所研究的對象和環(huán)境。實驗表明，本算法可以充分適應有軌電車的特殊環(huán)境和特殊運動規(guī)律，基本消除運動目標周圍背景對運動目標的干擾，并且該算法運算速度快，滿足實時性的要求，為下一步更加準確地從視頻序列中提取出運動目標并識別目標奠定了良好的基礎。

[1]徐衛(wèi)星，王蘭英，李秀娟.一種基于OpenCV實現的三幀差分運動目標檢測算法研究[J].計算機與數字工程，2011 （11）:141-144.

[2]張森悅，李一波.復雜條件下的運動目標檢測方法研究綜述[J].沈陽航空航天大學學報，2008，25（3）:59-63.

[3]Rathod M P R，Patel M A H.A Novel Approach forMoving Object Detection from Dynamic Background[J].International Journal of Engineering Research&Applications，2015，5 （3）：1-4.

[4]袁國武，陳志強，龔健，等.一種結合光流法與三幀差分法的運動目標檢測算法 [J].小型微型計算機系統，2013，34（3）:668-671.

[5]萬纓，韓毅，盧漢清.運動目標檢測算法的探討 [J].計算機仿真，2006，23（10）:221-226.

[6]薛麗霞，羅艷麗，王佐成.基于幀間差分的自適應運動目標檢測方法[J].計算機應用研究，2011，28（4）:1551-1552.

[7]白曉方.復雜背景下目標檢測與跟蹤技術研究 [D].太原：中北大學，2014.

[8]莫林，廖鵬，劉勛.一種基于背景減除與三幀差分的運動目標檢測算法[J].微計算機信息，2009，25（12）:274-276.

[9]張娟.基于單目視覺運動背景下的動目標檢測有關問題的研究[D].西安：西北大學，2009.

[10]張旭光，韓廣良，孫巍，等.復雜背景下運動目標的提取[J].光電工程，2006，33（4）:10-13.

[11]王建平，欒慶磊，何勇.無特定背景條件下運動目標的分割算法研究[J].計算機應用與軟件，2010，27（3）:255-259.

[12]李計添，何永強，陳財森，等.一種基于灰度投影算法的車載電子穩(wěn)像方法[J].紅外技術，2010，32（6）:328-332.

[13]崔文超，洪新華，吳正平.一種運動背景下目標快速定位方法[J].三峽大學學報：自然科學版，2007，29（2）:163-166.

[14]朱明旱，羅大庸，曹倩霞.幀間差分與背景差分相融合的運動目標檢測算法 [J].計算機測量與控制，2015，13（3）: 215-217.

[15]熊英.基于背景和幀間差分法的運動目標提取[J].計算機時代，2014（3）:38-41.

[16]胡斌，王國平，李國強.采用多目標改進差分進化算法的環(huán)境經濟發(fā)電調度[J].陜西電力,2013(1):24-27.

[17]郝維來,吳旨競.基于隔幀差分和背景減去法的運動車輛檢測算法[J].工業(yè)儀表與自動化裝置，2013(1):104-109.

A method for moving objects detection in non-stationary background

ZHANG Zhao-yang1，QIANG Xiang2，CHEN Qi-wei1，WANG Yi-ming2，WU Cheng2
（1.School of Electronic and Information Engineering，Soochow University，Suzhou 215000，China；2.School of Urban Rail Translation，Soochow University，Suzhou 215000，China）

For the video sequence taken bymoving camera,the target and background in it are also moving.Thus,it is hard to detect the moving target.This paper presents a detection technique for the moving target.It adapts to the real-time video frame sequence which is taken by the obstacle detecting system of modern tramcar.Through radial motion compensation andredistribution of pixel values,motion compensation is implemented effectively.Thereby,the moving target can be extracted from the video sequence by frame difference.The experimental results which is run in obstacle detecting system of modern tramcar indicate that this technique can perfectly eliminate interference of background surrounding the moving target. Moreover,it lays a solid foundation for moving targetrecognition.

background；motion compensation；frame difference；moving objects detection

TN919.8

A

1674－6236（2016）22-0127-04

2016-03-21稿件編號：201603269

江蘇省科技廳基金基于機器視覺和雷達的有軌電車軌道障礙物探測技術（BY2015039-12）；2014深圳市城市軌道交通重點實驗室開放基金

張兆陽（1991—），男，吉林長春人，碩士研究生。研究方向：圖像處理。