仿復(fù)眼運(yùn)動目標(biāo)檢測技術(shù)研究

邢延超　張化迪　李瑞　程雷雷

【摘 要】運(yùn)動目標(biāo)檢測可以實(shí)時(shí)地識別、檢測、提取視頻圖像中感興趣目標(biāo)。昆蟲復(fù)眼具有對運(yùn)動目標(biāo)快速識別跟蹤的特性。本文基于復(fù)眼類昆蟲的生理特性并結(jié)合仿生學(xué)與計(jì)算機(jī)視覺相關(guān)理論，提出一種仿復(fù)眼的運(yùn)動目標(biāo)檢測技術(shù)，實(shí)現(xiàn)對運(yùn)動目標(biāo)的快速、準(zhǔn)確檢測。

【關(guān)鍵詞】復(fù)眼；運(yùn)動目標(biāo)；快速檢測；相似度

運(yùn)動目標(biāo)檢測是計(jì)算機(jī)視覺的重要內(nèi)容，是把感興趣的運(yùn)動目標(biāo)從圖像序列中將變化區(qū)域從背景圖像中提取出來的一種方法[1]。運(yùn)動目標(biāo)檢測是視頻分析中的基本操作，目標(biāo)檢測的準(zhǔn)確性和速度尤為重要。復(fù)眼類昆蟲擁有較少神經(jīng)元組成的視覺系統(tǒng)，能出色實(shí)現(xiàn)對感興趣對象的快速發(fā)現(xiàn)與捕捉。本文基于昆蟲復(fù)眼生理特性，提出一種仿復(fù)眼原理運(yùn)動目標(biāo)檢測算法，實(shí)現(xiàn)對運(yùn)動目標(biāo)的快速檢測。

1 昆蟲的復(fù)眼

復(fù)眼昆蟲既是視覺信息的采集系統(tǒng)，又是視覺信息的預(yù)處理系統(tǒng)[2]。復(fù)眼由許多六角形的小眼組合而成，每個(gè)小眼都是一個(gè)感光組織，并和其后面的圓錐形的晶體構(gòu)成一個(gè)集光器，在這些集光器后面連接著視覺神經(jīng)。

復(fù)眼所看到的影像是由每一個(gè)小眼所提供的影像組合而成，小眼內(nèi)的光接收器感應(yīng)到刺激產(chǎn)生反應(yīng)的時(shí)間間隔到非常短。人眼對忽然出現(xiàn)的目標(biāo)反應(yīng)時(shí)間約為0.05秒，而蜜蜂的反應(yīng)時(shí)間僅需0.01秒[3]。這主要是由于昆蟲大腦可根據(jù)變化的小眼數(shù)目精確判斷出物體的細(xì)微移動，包括移動距離、速度等。復(fù)眼越多，判斷越快越精準(zhǔn)。

2 傳統(tǒng)的運(yùn)動目標(biāo)檢測算法

運(yùn)動目標(biāo)檢測分為動態(tài)環(huán)境下和靜態(tài)環(huán)境兩種，本文主要介紹前者。靜態(tài)環(huán)境運(yùn)動目標(biāo)檢測將視頻序列中的圖像分割成前景和背景，不變的區(qū)域是背景，變化的區(qū)域是前景[4]。主要有以下三種方法。

2.1 光流法

該算法賦予每個(gè)像素點(diǎn)一個(gè)速度矢量，形成一個(gè)圖像的運(yùn)動場，并根據(jù)各個(gè)像素點(diǎn)的速度矢量的特征，對圖像進(jìn)行動態(tài)分析[5]。沒有運(yùn)動時(shí)光流矢量變化連續(xù)；反之，目標(biāo)速度矢量與背景速度矢量有異，可檢測運(yùn)動目標(biāo)。光流法主要問題是大多數(shù)算法實(shí)時(shí)性差。優(yōu)點(diǎn)是同時(shí)攜帶運(yùn)動信息和景物三維結(jié)構(gòu)信息，無需場景信息即可檢測出運(yùn)動目標(biāo)[6]。

2.2 幀間差分法

場景中目標(biāo)運(yùn)動時(shí)，幀間會出現(xiàn)明顯的區(qū)別，利用兩幀亮度差的絕對值來確定運(yùn)動目標(biāo)[7]。該算法相對簡單，實(shí)現(xiàn)容易，對光線等場景變化不太敏感。但它只能獲取到邊緣部分，而不是完整的目標(biāo)；此外，若時(shí)間間隔選取不當(dāng)，可能無法實(shí)現(xiàn)目標(biāo)檢測。

2.3 背景差分法

計(jì)算圖像序列當(dāng)前幀和背景參考模型的差來檢測運(yùn)動目標(biāo)，關(guān)鍵在于獲取背景。該方法檢測比較準(zhǔn)確，速度較快，易于實(shí)現(xiàn)[8]。實(shí)際上很難直接得到靜止?fàn)顟B(tài)背景，背景圖像的動態(tài)變化需要通過視頻序列的幀間信息來估計(jì)和恢復(fù)背景，也就是背景重建，所以更新背景要有一定的選擇性。

3 仿復(fù)眼的運(yùn)動目標(biāo)檢測技術(shù)

本文設(shè)計(jì)了一種基于昆蟲復(fù)眼原理的運(yùn)動目標(biāo)快速檢測方法。算法核心是：將視頻中圖像按正六邊形進(jìn)行剖分，對相鄰幀、相鄰區(qū)域進(jìn)行相似度檢測，算法流程圖如圖1所示。

在剖分正六邊形時(shí)，應(yīng)注意正六邊形的大小的選取要合適。由于昆蟲種類和其生活習(xí)慣的差異，在視網(wǎng)膜上形成的圖像有的會有重疊有的沒有重疊[11]。在進(jìn)行剖分正六邊形時(shí)，可先剖分成無重疊的。當(dāng)正六邊形的邊長除以某個(gè)大于1的整數(shù)時(shí)，剖分出來的正六邊形便是有重疊的。這樣，便將復(fù)眼成像中正六邊形的狀態(tài)都涵蓋在內(nèi)，如圖2所示。

隨后，將剖分出來的六邊形進(jìn)行相似度的計(jì)算。假設(shè)整個(gè)視頻中一共有從1到N共N幀圖像，則可將相似度的計(jì)算分成以下三個(gè)步驟進(jìn)行：

（1）設(shè)當(dāng)前幀為第N幀，對期中每個(gè)正六邊形，取前N-1幀中的第i幀的相同位置的正六邊形，并確定周圍的六個(gè)正六邊形，分別定義方向?yàn)?到7，如圖2所示。計(jì)算兩幀間正六邊形間的相似度，判斷是否有變化發(fā)生；如果有，則計(jì)算它與相鄰六邊形的模式相似度。

（2）第i幀中每個(gè)六邊形得到與第N幀中的最小距離（除了中心六邊形），類似于“一步移動”。在第i幀中找到具有明顯關(guān)系的那一幀。對每個(gè)方向的“移動”設(shè)定閾值。這個(gè)方向應(yīng)該是理想的而且相似性必須低于閾值。找到每個(gè)方向的結(jié)果，找到之中距離最小的，即為最相似的。

（3）將第N幀與前N-1幀比較，可以得到不同方向上的移動結(jié)果。首先，計(jì)算具有大相似度的六邊形的數(shù)量；然后，具有最大數(shù)字作為主導(dǎo)方向。統(tǒng)計(jì)最相似幀：取每幀的最小距離和方向；得到相似六邊形的數(shù)量，以確定主方向?？刹捎貌煌较蛏暇垲惖霓k法，將幾個(gè)方向合并成一個(gè)方向，并形成連通域。

至此，具有類似運(yùn)動模式的臨近六邊形形成連通域，可由此檢測運(yùn)動目標(biāo)，檢測結(jié)果如圖3。視頻中有運(yùn)動時(shí)，六邊形中心紅色標(biāo)記，且紅色標(biāo)記會隨目標(biāo)的移動而移動。由此可檢測出運(yùn)動目標(biāo)的移動，完成仿復(fù)眼運(yùn)動目標(biāo)的檢測。

4 總結(jié)

雖然仿復(fù)眼目標(biāo)檢測技術(shù)在很多方面還不夠完善，無法與昆蟲的復(fù)眼反應(yīng)速度、檢測能力相比，但是它應(yīng)用前景廣闊，該技術(shù)對硬件設(shè)備要求較低，并且能快速反應(yīng)，快速檢測。

【參考文獻(xiàn)】

[1]邢強(qiáng)，戴振東，王浩.仿復(fù)眼視覺系統(tǒng)的研究進(jìn)展[碩士學(xué)位論文].南京：南京航空航天大學(xué)機(jī)電學(xué)院，2013.

[2]郭海峰，張亮，粟毅.視頻圖像序列中的運(yùn)動目標(biāo)實(shí)時(shí)檢測[J].科技信息（學(xué)術(shù)研究）.2008（01）.

[3]胡以靜，李政訪，胡躍明.基于光流的運(yùn)動分析理論及應(yīng)用[J].計(jì)算機(jī)測量與控制，2007（02）.

[4]劉光宇，劉國棟.基于混合高斯模型的運(yùn)動目標(biāo)檢測方法[J].計(jì)算機(jī)工程與應(yīng)用.2009（24）.

[5]李超，熊璋，赫陽，等.基于幀間差的區(qū)域光流分析及其應(yīng)用[J].計(jì)算機(jī)工程與應(yīng)用.2005（31）.endprint