改進的三幀差分運動目標識別算法

丁文龍，尹 朵，邱 崧

（華東師范大學 通信與電子工程學院，上海 200241）

0 引 言

實時檢測系統(tǒng)的特點，要求運動目標檢測技術(shù)能正確、快速和完整地檢測到運動目標，以便于后續(xù)操作。常用的運動目標檢測算法有：幀間差分法、背景減除法、光流法，以及基于機器學習的模型匹配法。不同的檢測算法各有其優(yōu)缺點：幀間差分法計算量較小，可以很好地實現(xiàn)實時系統(tǒng)，但該算法容易出現(xiàn)空洞、拖影等問題；雖然背景減除法結(jié)構(gòu)比較簡單，但容易受到環(huán)境光線變換的影響；光流法可以在未知的場景下檢測出運動目標，檢測準確率較高，但是計算量較大，不能滿足實時性要求；基于機器學習的模型匹配法可以很好地識別到物體、準確率高，但識別前需要先訓練模型，而且結(jié)構(gòu)較復雜，需要很強的處理器去運算。針對以上方法的缺點，也出現(xiàn)了很多的改進算法。Jun等提出混合高斯模型和幀間差分法，用來檢測運動目標；Liu等提出了結(jié)合幀間差分法和光流法的目標檢測算法；Liang等針對幀間差分法和背景減除法，對提取目標不完整易產(chǎn)生空洞問題，提出自適應雙閥值的運動目標檢測算法；Lu等提出將混合高斯模型和背景減除法相結(jié)合的運動目標檢測算法；Cho等提出了混合高斯模型與光流估計相結(jié)合的運動目標檢測算法。

綜上所述，雖然這些算法在一定程度上完善了運動目標檢測，但在高速運動物體檢測中，隨著攝像頭幀率提高、運動物體在幀間運動距離有重疊的情況下，上述方法檢測到的運動目標識別率較低，仍有運動物體檢測不全的狀況。為此，本文提出了改進型三幀差分法的運動目標識別算法。

1 三幀差分運動目標識別改進算法

幀間差分法是一種通過對視頻序列中相鄰兩幀圖像之間做差分運算，得到運動目標差分圖像的方法。當運動物體進入攝像視野后，運動物體在幀與幀之間的位置信息差別較大，通過相鄰幀圖像之間相減后，進行絕對值操作得到差分圖像。通過對差分圖像進行閾值分割，提取得到運動物體的二值化圖像。三幀差分法是在兩幀差分的基礎上改進而來，將相鄰的三幀圖像進行相鄰幀兩兩差分后，通過邏輯運算得到最后的二值化圖像。由于運動物體在相鄰幀間圖像運動存在快慢的區(qū)別，當運動物體相鄰幀之間沒有重疊時，不會出現(xiàn)“空洞”現(xiàn)象；但是當運動物體在相鄰幀間有部分重疊時，重疊部分在差分后會表現(xiàn)出“空洞”現(xiàn)象。為了解決三幀差分法中的“空洞”現(xiàn)象，本文提出的改進方案原理如下：

獲得攝像頭序列連續(xù)的三幀圖像f（，）、f（，）、f（，），這些圖像均由R、G、B三通道組成，對應的數(shù)學關(guān)系如下：

其中，（x，y）表示圖像（，）第行、第列的像素，（x，y）包含R、G、B 3個通道的值：（x，y）、（x，y）、（x，y），該值分別是第行、第列的R通道、G通道和B通道的像素值。

對相鄰三幀的原始圖像f（，）、f（，）、f（，）進行灰度化處理，得到灰度圖像：L（，）、L（，）、L（，），灰度處理的數(shù)學公式為：

其中，（x，y）、（x，y）、（x，y）分別是原始圖像（，）的R通道、G通道、B通道；每個通道前有一定的權(quán)重，將三維原始圖像（，）合并成一維的灰度圖像（，）。

計算相鄰兩幀的灰度圖像（，）之間的差分圖像（，），得到兩幅差分圖：（，）、（，），其轉(zhuǎn)換公式如下：

對兩幅差分圖像（，）和（，）分別進行閾值分割，其數(shù)學表達式如下：

通過上述表達式，將得到的兩幅圖像進行閾值分割處理得到（，）和（，）的二值化圖像；對二值化圖像（，）進行形態(tài)學膨脹處理，得到F（，），其原理表達如下：

其中，（）是形態(tài)學的膨脹操作。

將膨脹后的差分二值化圖像（，）和（，）進行邏輯“與”，得到膨脹處理后的目標二值化圖像F（，）：

之后，對F（，）進行腐蝕操作得到F（，），其原理表達如下：

其中，（）是形態(tài)學的腐蝕操作。通過該操作得到最終的F（，）目標二值化圖像。

本文提出的改進算法是根據(jù)出現(xiàn)的“空洞”現(xiàn)象，在未進行差分圖像二值化“與”操作之前，采用形態(tài)學的膨脹操作，將圖像中出現(xiàn)的“空洞”地方進行填充；進行“與”操作之后，再通過形態(tài)學的腐蝕操作，將運動目標區(qū)域面積變?yōu)樵瓉淼拇笮?，最終得到準確的運動目標區(qū)域。

2 實驗對比

對于本文提出的算法，利用高速運動的乒乓球，來驗證算法在處理實際場景中的情況。在乒乓球高速運動的真實情況下截取連續(xù)三幀圖像，如圖1所示。圖像采集設備選用USB工業(yè)攝像頭，幀率為120 fps，圖像尺寸是640?480，圖像格式為JPEG格式。

針對連續(xù)三幀的真實場景圖像，經(jīng)過相同的預處理操作后，得到灰度圖像。分別使用傳統(tǒng)的三幀差分法和本文提出的算法進行處理，處理的結(jié)果如圖1所示，兩種算法對比結(jié)果如圖2所示。

由圖2（a）中可以看到，運動的乒乓球形狀前后都丟失了一部分，這就是由于差分圖像時出現(xiàn)的“空洞”現(xiàn)象；圖2（b）是原始圖像鎖定的乒乓球位置圖像；圖2（c）是采用本文提出的算法得到的結(jié)果圖像，相比較傳統(tǒng)的三幀差分法得到的結(jié)果圖，白色部分的運動乒乓球輪廓比較圓滑，球型大小和真實大小基本相同，表明本文算法可以很好的消除圖像在差分時出現(xiàn)的“空洞”現(xiàn)象，提高了運動目標檢測的準確性。

圖1 連續(xù)三幀的原始圖像Fig.1 Original image of three consecutive frames

圖2 結(jié)果對比Fig.2 Result comparison chart

3 結(jié)束語

本文根據(jù)傳統(tǒng)的三幀差分法容易出現(xiàn)“空洞”現(xiàn)象的缺點，提出了一種改進的三真差分法的運動目標檢測算法。實驗結(jié)果表明文本提出的方法可以很好的消去“空洞”現(xiàn)象，對運動目標檢測更加準確和完整，整體的計算比較簡單，可以實現(xiàn)實時性處理，這為后面的實時識別系統(tǒng)打下了良好的基礎。