改進三幀差分算法在移動物體檢測中的應(yīng)用

劉偉洋，陳侃松,，張 丹，蘭智高，馮 杰

(1.湖北大學(xué) 計算機與信息工程學(xué)院物聯(lián)網(wǎng)工程研究所，武漢 430062;2.黃岡師范學(xué)院 電子信息學(xué)院，湖北 黃岡 438000)

改進三幀差分算法在移動物體檢測中的應(yīng)用

劉偉洋1，陳侃松1,2，張 丹1，蘭智高2，馮 杰2

(1.湖北大學(xué) 計算機與信息工程學(xué)院物聯(lián)網(wǎng)工程研究所，武漢 430062;2.黃岡師范學(xué)院 電子信息學(xué)院，湖北 黃岡 438000)

移動物體監(jiān)控系統(tǒng)利用檢測算法識別監(jiān)控區(qū)域的移動物體，并進行實時異常信息存儲，檢測算法中的傳統(tǒng)三幀差分法中的閾值是固定的，因此重疊部分無法準確檢測出來，存在空洞現(xiàn)象，可能發(fā)生誤判；針對這些問題，對已有的三幀差分法進行改進，結(jié)合圖像邊緣提取和自適應(yīng)的迭代閾值計算方法來提高移動物體檢測的準確性，并對異常信息進行選擇性存儲，由實驗結(jié)果可知，應(yīng)用平臺采用改進后的移動物體檢測算法，較好的提高了移動物體檢測的靈敏度，增強了檢測系統(tǒng)的實時性和準確性，若僅存儲異常信息，可節(jié)省視頻存儲空間，并在定位異常動態(tài)信息時節(jié)省查找時間。

異常信息；三幀差分法；邊緣提??；迭代閾值

0 引言

智能視頻監(jiān)控系統(tǒng)是信息安全中的重要一環(huán)，它集成了智能行為識別算法，能夠?qū)Ξ嬅鎴鼍爸形矬w的行為進行識別、判斷，當(dāng)視頻監(jiān)控范圍內(nèi)出現(xiàn)異常信息時，通過對視頻中的物體進行檢測、分析和識別，實現(xiàn)異常報警等功能。在智能視頻監(jiān)控系統(tǒng)中，移動物體檢測算法的優(yōu)劣直接影響系統(tǒng)對移動物體的有效檢測和系統(tǒng)的應(yīng)用性能，它的目的是為了從背景中提取出移動物體的信息，既從采集的序列圖像中檢測出變化的區(qū)域，并將移動物體從背景中提取出來進行分析和分割，檢測出移動物體。然而，現(xiàn)實生活中復(fù)雜的背景，攝像機固有的缺陷和環(huán)境光照的影響等因素給移動物體的檢測帶來了很大的影響。移動物體檢測是視頻圖像分析中的重點和難點，目前常用的算法有：幀間差分法[1-2]、光流法[3]和背景減除法[4]。

幀間差分法主要應(yīng)用在攝像頭靜止情況下，比較容易出現(xiàn)虛假目標(biāo)，并且兩幀物體圖像會出現(xiàn)重疊導(dǎo)致檢測失敗，當(dāng)物體移動緩慢時出現(xiàn)誤判和空洞現(xiàn)象[5]。光流法計算復(fù)雜，容易受到背景擾動和光照變化的影響，而且監(jiān)控系統(tǒng)無法做到實時檢測，很難對物體的輪廓進行完整的提取，有一定的局限性[6]。而背景差分法限制了使用范圍，因為消除背景需要消耗很大的內(nèi)存來緩沖若干幀。此外，對于比如光線變化、水紋干擾和攝像頭抖動等大范圍的背景擾動，這些干擾因素造成比較難以建立適應(yīng)復(fù)雜背景的背景模型。

針對上述問題，利用三幀差分法，結(jié)合邊緣提取信息和自適應(yīng)的迭代閾值計算方法對移動物體進行檢測，其計算簡單，可以提高物體檢測的準確性。如將此方法應(yīng)用到智能監(jiān)控系統(tǒng)中，可以有選擇性的存儲異?；虿町愋缘男畔⑵?，節(jié)省大量的存儲空間。而應(yīng)用于視頻檢索中，則可快速定位異常動態(tài)圖像，在工作人員回看查找異常信息時節(jié)省工作時間。

1 差分法基本原理

幀間差分法在移動物體檢測中最常用，檢測物體是根據(jù)差分值和閾值相比較來判斷的，首先選取視頻中相鄰的兩幀圖像進行灰度化處理，然后對處理后的圖像進行差分運算，最后進行比較得出結(jié)果。閾值直接區(qū)別移動物體和背景圖像部分，因此閾值的選擇對移動物體的提取有很大的影響。目前使用頻繁的主要是兩幀差分法和在此基礎(chǔ)上改進的三幀差分法。

基于傳統(tǒng)的幀間差分是兩幀差分法，具體過程：在和前一幀圖像相減之前首先把視頻圖像灰度化處理[7]。幀間差分法的差分公式表示為:

(1)

式中，k表示幀標(biāo)號，Ik表示當(dāng)前幀灰度值，Ik-1表示當(dāng)前幀的前一幀灰度值，Ik(x,y)和Ik-1(x,y)表示相鄰的兩幀圖像，Dk(x,y)則表示兩幀差分值。

將以上的圖像差分值Dk(x,y)與預(yù)設(shè)的閾值T進行比較判斷背景區(qū)域和移動物體區(qū)域，如果小于等于T則判斷為背景區(qū)域，如果大于T則判斷為移動物體區(qū)域。將移動物體和背景用二值化圖像Rk(x,y)表示，公式如：

(2)

根據(jù)使用環(huán)境可以設(shè)定閾值T，如果選取的閾值過小，會很容易發(fā)生誤判，以為讓圖像出現(xiàn)較大的高斯白噪聲；如果選取閾值過大，則會使檢測的圖像出現(xiàn)漏檢和空洞[8]。

圖像的二值化是將采集的移動圖像呈現(xiàn)只有黑白兩種視覺效果，具體是將灰度圖像的像素點的灰度值設(shè)置為0或255。最后形態(tài)學(xué)處理可得到移動物體的位置和輪廓，同時將區(qū)域像素連通區(qū)域標(biāo)記出來。

在幀差法的基礎(chǔ)上，研究學(xué)者提出了三幀差分法，它的基本思想是選取3幀連續(xù)的圖像，然后分別計算第k-1幀和第k幀、第k幀和第k+1幀圖像的圖像差分，得到兩個差分圖像，然后通過二值化處理后，再對這兩個圖像再進行邏輯與運算，取出相同的信息。具體公式如下：T代表設(shè)定的閾值。

(3)

(4)

(5)

三幀差分法超過兩幀圖像之間的差分算法，可以有效的增加檢測的準確性，但是在檢測移動物體邊緣時的效果不是很好，邊緣總是間斷模糊的，并且對外部環(huán)境不敏感，而且檢測的閾值不能很好地設(shè)定，重疊部分無法準確檢測出來，存在空洞現(xiàn)象，可能發(fā)生誤判。

2 基于改進三幀差分和邊緣信息提取的移動物體檢測方法

2.1 改進算法的流程

在本算法中首先采集3幀圖像Ik-1(x,y)、Ik(x,y)、Ik+1(x,y)，其次對圖像進行邊緣提取得到連續(xù)的3幀邊緣圖像，然后對兩組相鄰的邊緣圖像差分運算，也就是進行3幀差分，把兩次差分后的圖像再進行“與”運算，然后根據(jù)圖像信息使用自適應(yīng)迭代閾值的計算方法進行二值化處理，最后通過圖像形態(tài)學(xué)處理完成確定移動物體的區(qū)域。基于三幀差分法和邊緣提取信息的物體檢測算法的流程如圖1所示。

圖1 改進幀間差分法流程圖

2.2 圖像邊緣提取

設(shè)視頻圖像序列中連續(xù)三幀圖像為Ik-1(x,y)、Ik(x,y)、Ik+1(x,y)，首先選取邊緣提取的算子。邊緣提取中最常用的算子是Sobel算子，通過Sobel算子進行邊緣提取的圖像對噪聲有一定的魯棒性，并且算子結(jié)合了微分和高斯平滑，相比于其它算子邊緣提取效果更好，并且在硬件上比較容易實現(xiàn)，實時性好[9-10]。

對于連續(xù)三幀邊緣圖像Ik-1(x,y)、Ik(x,y)、Ik+1(x,y)，它們的邊緣圖像分別如公式(6)所示：

(6)

其中:

然后對提取的邊緣化的圖像進行圖像差分，得到結(jié)果分別為:

(7)

2.3 與運算

對DE,E-1(x,y)，DE,E+1(x,y)進行邏輯“與”運算，提取出相同的內(nèi)容得到DE(x,y)；

(8)

(9)

Rk(x,y)代表檢測后得到的二值化圖像，T代表預(yù)定的閾值。

2.4 二值化處理—自適應(yīng)的迭代閾值計算方法

使用一種自適應(yīng)的迭代閾值計算方法：首先統(tǒng)計出差分圖像中的灰度直方圖，表示了圖像中某種灰度級像素個數(shù)，進而算出某種灰度出現(xiàn)的頻率。k代表灰度值的像素個數(shù)，圖像灰度級別k的范圍通常是0～255。

H[k]=Nk(k=0……255)

從灰度直方圖中可以得到差分圖的像素灰度值，最小值為Min，最大值為Max，可令初始閾值T0=(Max+Min)/2；之后利用T0對差分圖像進行分割，得出移動物體區(qū)域和背景區(qū)域的平均灰度值Mb和Mf，如下公式所示：

(10)

計算出新的迭代閾值，公式如下：

(11)

重復(fù)上述工作，直到前后兩次的閾值不變：T=T0，如果在之后過程中出現(xiàn)新的情況，就繼續(xù)迭代直到得到最終的閾值T。根據(jù)視頻圖像信息使用自適應(yīng)的迭代閾值進行二值化處理能更好的提高圖像檢測的準確性。

2.5 形態(tài)學(xué)處理

通過二值化處理之后的圖像中白色部分的為移動物體輪廓，而其他背景為黑色背景。但是由于噪聲、外界環(huán)境的微小變化，這些干擾使得二值化后的圖像出現(xiàn)小的、孤立的區(qū)域，還有移動物體的輪廓不太完整。因為之前使用邊緣圖像提取算法，相比其它的設(shè)計方法，二值化后的圖像邊緣符合設(shè)計要求，不會出現(xiàn)太多的分割不完整問題。最后使用腐蝕和膨脹運算，這是形態(tài)學(xué)中的兩種運算，腐蝕運算可以將小的單獨出現(xiàn)的背景進行去除，同時圖像進行縮小，膨脹運算能夠填補物體的空洞，這樣可以消除噪聲和平滑圖像。

對應(yīng)形態(tài)學(xué)結(jié)構(gòu)元素：白色表示0，黑色代表1；對于二值化后的圖像：白色表示灰度為255，黑色表示灰度為0，所有黑色像素的集合是圖像完整性的形態(tài)學(xué)描述

二值化圖像的膨脹運算，膨脹操作的功能是對圖像中小的斷裂的部分進行修復(fù)連接起來。A被B膨脹，其中表示空集，B為結(jié)構(gòu)元素，可定義為：

(12)

二值化圖像的腐蝕運算，腐蝕操作可以消除掉圖像中較小的細節(jié)，同時使圖像體積縮小，可定義為：

(13)

式中,表示A被B腐蝕。其中先腐蝕后膨脹操作過程叫做開運算，反過來的操作叫做閉運算。

本論文采用的是開運算過程，圖2是腐蝕膨脹的效果圖。

圖2 腐蝕膨脹效果圖

經(jīng)過腐蝕和膨脹圖像形態(tài)學(xué)處理后，從圖2的效果圖中可以看對圖像中的噪聲進行了很明顯抑制，通過腐蝕后噪聲消失了，再對圖像進行膨脹運算，填補了空洞，平滑了圖像，是圖像輪廓更加明顯，腐蝕和膨脹圖像形態(tài)學(xué)處理對本論文中視頻監(jiān)控系統(tǒng)的檢測有很好的表現(xiàn)效果。

3 實驗結(jié)果以及分析

3.1 算法實驗仿真實驗對比

為了驗證改進性算法的有效性，在攝像頭采集的圖像中選取連續(xù)的3幀圖像，圖像存在亮度突變和“疊影”情況，如圖3所示。

圖3

下面對幀圖像分別進行傳統(tǒng)的三幀差分和改進三幀差分仿真。

圖4 算法實驗結(jié)果對比圖

從圖4的實驗對比可以發(fā)現(xiàn)，本實驗中針對傳統(tǒng)三幀差分法進行改進，結(jié)合圖像邊緣提取和自適應(yīng)的迭代閾值計算的檢測算法方法可以很好地解決目前常用的移動物體檢測方法的缺陷。

從圖4(a)中可以看出，經(jīng)過傳統(tǒng)三幀差分算法實驗的圖像容易受到噪聲和亮度突變的影響、容易出現(xiàn)虛假目標(biāo)的問題。

在圖4(b)中利用改進算法可以更好地解決此類問題，并且解決了傳統(tǒng)三幀差分法存在的無法提取出完整的移動物體輪廓的問題。改進后的三幀差法可以清晰地檢測出移動的物體，使得移動物體的輪廓清晰可見，增強了檢測系統(tǒng)的實時性和準確性。

3.2 實物圖效果對比

本組實驗主要驗證了改進型三幀差分算法的準確性。系統(tǒng)使用的是改進型三幀差分算法，結(jié)合了圖像邊緣提取和自適應(yīng)的迭代閾值計算方法。為了顯示改進型三幀差分算法的有效性，分別使用幀差法、傳統(tǒng)三幀差分法和改進性的三幀差分法進行監(jiān)控系統(tǒng)有效性測試。

前兩個算法的閾值threshold為3000，改進性三幀差分法為自適應(yīng)的迭代閾值。圖5為監(jiān)控系統(tǒng)分別采集的對應(yīng)測試圖片。

圖5 三種算法對應(yīng)測試目標(biāo)圖像

由圖5可以得出結(jié)論：

1)圖(a)中圖像運用兩幀差分算法，當(dāng)物體移動緩慢時出現(xiàn)誤判和空洞現(xiàn)象，會容易出現(xiàn)誤報警情況發(fā)生；

2)相比于兩幀差分法，傳統(tǒng)的三幀差分法超過兩幀圖像之間的差分，如圖(b)并且有效的減少誤檢的問題，但是在檢測出的物體移動的邊緣總是間斷模糊的，對外部環(huán)境不敏感，會當(dāng)遇到特殊天氣情況會出現(xiàn)誤報警情況，不能達到很好的效果，而且檢測的閾值不能很好地設(shè)定，閾值的選擇對移動物體檢測有很大的影響。

3)從圖(c)可看出紅色線框很明顯的標(biāo)示出人物移動的框架，可以清晰地識別并發(fā)出報警聲音。改進性的三幀差分法結(jié)合圖像邊緣提取方法，可以更加準確地識別移動物體的輪廓，并且采用自適應(yīng)的迭代閾值計算方法，較好地提高檢測算法的靈敏度，提升嵌入式移動物體檢測與監(jiān)控系統(tǒng)整體的性能穩(wěn)定性和可靠性。

4 結(jié)語

本文針對三幀差分檢測算法進行改進，結(jié)合圖像邊緣提取和自適應(yīng)的迭代閾值計算，提出一種改進性的移動物體檢測算法。首先采集3幀圖像，其次對圖像進行邊緣提取得到連續(xù)的3幀邊緣圖像，然后對邊緣圖像進行3幀差分，把兩次差分后的圖像再進行“與”運算，然后根據(jù)圖像信息使用自適應(yīng)迭代閾值的計算方法進行二值化處理，最后通過圖像形態(tài)學(xué)處理完成確定移動物體的區(qū)域。實驗結(jié)果對比表明，改進性算法的優(yōu)點是圖像的邊緣信息不易受噪聲和亮度突變的影響，可以利用信息融合進而提取更加完整的移動物體，增強了檢測系統(tǒng)的實時性和準確性。

在功能應(yīng)用方面，如應(yīng)用于移動物體監(jiān)控系統(tǒng)，可自動檢測、分析和識別監(jiān)控范圍內(nèi)的移動物體，并對產(chǎn)生的異常動態(tài)信息圖片/視頻段進行選擇性存儲，節(jié)省大量的存儲空間，同時進行異常報警，減少人為干預(yù)，提高監(jiān)控的效率。而應(yīng)用于

視頻檢索中，則可快速定位異常動態(tài)圖像，為工作人員回看視頻查找異常信息節(jié)省工作時間。

[1] 胡祝華,趙瑤池,程杰仁,等. 基于改進DRLSE的運動目標(biāo)分割方法[J]. 浙江大學(xué)學(xué)報(工學(xué)版),2014,08:1488-1495.

[2] Sobral A, Vacavant A. A comprehensive review of background subtraction algorithms evaluated with synthetic and real videos[J]. Computer Vision and Image Understanding, 2014, 122: 4-21.

[3] 寧瑞芳, 歐陽寧, 莫建文. 基于光流法的聚眾事件檢測[J]. 計算機工程與應(yīng)用, 2012, 48(3): 198-201.

[4] 張小駿，劉志鏡，陳 昆. 一種基于曝光補償與顏色信息融合的背景減除法[J]. 電子技術(shù)與軟件工程，2014,3(21)：115-118.

[5] 甘明剛,陳 杰,劉 勁,等. 一種基于三幀差分和邊緣信息的運動目標(biāo)檢測方法[J]. 電子與信息學(xué)報,2010,04:894-897.

[6] 袁國武. 智能視頻監(jiān)控中的運動目標(biāo)檢測和跟蹤算法研究[D].昆明：云南大學(xué),2012.

[7] 韓云杰. 基于ARM11的多運動圖像追蹤算法的研究與實現(xiàn)[D].貴陽：貴州大學(xué),2015.

[8] 盧章平,孔德飛,李小蕾,等. 背景差分與三幀差分結(jié)合的運動目標(biāo)檢測算法[J]. 計算機測量與控制,2013,12:3315-3318.

[9] Xie Xiao-zhu,Hong Jing-x in,and Xie Si-xing．Effective method for moving objects detection on sea sueface[C].International Conference on Computer Science and Softw are Engineering, Wuhan,2008,3:1-4.

[10] 欒慶磊,趙為松. 動背景下幀差分法與邊緣信息融合的目標(biāo)檢測算法[J]. 光電工程,2011,10:77-83.

Moving Object Detection Method Based on Three Frame Difference and Edge Information Extraction

Liu Weiyang1, Chen Kansong1,2, Zhang Dan1, Lan Zhigao2, Feng Jie2

(1.Institute of Internet of Things, School of Computer Science and Information Engineering, Hubei University,Wuhan 430062, China; 2.School of Electronic Information, Huanggang Normal University,Huanggang 438000, China)

Mobile object monitoring system using the algorithm can detect moving target recognition of regional monitoring, and Real-time Anomaly Detection Algorithm in information storage, the traditional three frame difference method in the threshold is fixed, so the overlap cannot be accurately detected, there is a void phenomenon, can be a miscarriage of justice. To solve these problems, the existing three frames the difference in the improved method, calculation method to improve the accuracy of the moving object detection with iterative threshold image edge extraction and adaptive, and selective storage of the abnormal information, experiment results show that the improved moving target detection algorithm in the application platform, improve the sensitivity of moving target detection algorithm is better, enhances the real-time and the accuracy of the detection system, and save the storage space and time to find information.

Abnormal information; Three frame difference method; Edge extraction; Iterative threshold

2016-12-13；

2016-12-20。

國家科技支撐計劃課題(2015BAK03B02)。

劉偉洋(1990-)，男，陜西西安人，碩士研究生，主要從事無線傳感網(wǎng)絡(luò)及應(yīng)用方向的研究。

陳侃松(1972-)，男，湖北荊州人，教授，博士生導(dǎo)師，主要從事無線傳感網(wǎng)絡(luò)及應(yīng)用方向的研究。

張 丹(1976-)，男，湖北武漢人，講師，主要從事無線傳感網(wǎng)絡(luò)及應(yīng)用方向的研究。

1671-4598(2017)02-0177-04DOI：10.16526/j.cnki.11-4762/tp

TP

A

蘭智高(1968-)，男，湖北黃岡人，教授，主要從事信息科學(xué)與技術(shù)方向的研究。

馮 杰(1967-)，男，湖北黃岡人，副教授，主要從事物聯(lián)網(wǎng)應(yīng)用方向的研究。