龐首顏，張?jiān)獎(jiǎng)?/p>

（重慶交通大學(xué)信息科學(xué)與工程學(xué)院，重慶， 400074）

0 引言

隨著社會(huì)的發(fā)展，人們對(duì)安全的要求逐漸提高。智能監(jiān)控已經(jīng)逐漸從軍事偵查、氣象監(jiān)控、科學(xué)研究等專業(yè)領(lǐng)域走進(jìn)了人們的日常生活，逐漸在銀行、高速公路、智能小區(qū)等廣泛使用起來(lái)。運(yùn)動(dòng)目標(biāo)檢測(cè)一直都是視頻流分析的重點(diǎn)和難點(diǎn)，其檢測(cè)的準(zhǔn)確精度直接決定了后續(xù)的目標(biāo)跟蹤和識(shí)別等研究，是視頻圖像跟蹤識(shí)別系統(tǒng)中的重要環(huán)節(jié)。目前常用的運(yùn)動(dòng)目標(biāo)檢測(cè)方法有背景差分法［1］、幀間差分法［2］和光流法［3］。

幀間差分法是在連續(xù)的圖像序列中2個(gè)或3個(gè)相鄰幀間，采用逐像素的差分并閾值化來(lái)提取出圖像中的運(yùn)動(dòng)區(qū)域，它能較快地檢測(cè)出視頻圖像中發(fā)生變化的部分。由于連續(xù)兩幀圖像之間的時(shí)間間隔較短，差分圖像受光線、氣候等環(huán)境因素變化的影響較較小，因此具有很強(qiáng)的自適應(yīng)性。但當(dāng)連續(xù)兩幀圖像灰度和紋理比較接近時(shí)將無(wú)法得到完整的目標(biāo)，形成較明顯的目標(biāo)“空洞”，從而不利于目標(biāo)的后期進(jìn)一步分析與識(shí)別。

此處以單目固定機(jī)位攝像機(jī)輸出的視頻圖像序列為研究對(duì)象，針對(duì)對(duì)稱差分提出了一種改進(jìn)算法。首先通過(guò)三幀差分法快速得到運(yùn)動(dòng)目標(biāo)，這時(shí)候的運(yùn)動(dòng)目標(biāo)一般都伴隨著“空洞”和“重影”［4］，所以先對(duì)其進(jìn)行二值填充，得到較完整的運(yùn)動(dòng)區(qū)域二值填充圖。為了進(jìn)一步精確檢測(cè)運(yùn)動(dòng)目標(biāo)，結(jié)合Canny算子對(duì)中間幀進(jìn)行物體的邊緣處理［5］，得到其二值邊緣模板，然后與該運(yùn)動(dòng)區(qū)域的二值填充圖相“與”，從而順利分割出運(yùn)動(dòng)目標(biāo)。

1 運(yùn)動(dòng)目標(biāo)檢測(cè)及基本數(shù)學(xué)形態(tài)運(yùn)算

1.1 幀間差法運(yùn)動(dòng)目標(biāo)檢測(cè)

在連續(xù)的視頻流中采集某一時(shí)間段里的視頻序列圖像，設(shè)f（x，y，t）表示t時(shí)刻當(dāng)前幀，f（x，y，t－1），表示t時(shí)刻的前一幀，則幀間差分法為:

（1）先對(duì)連續(xù)2幀差分:

（2）對(duì)得到的差分結(jié)果進(jìn)行閾值化得到二值結(jié)果:

幀間差分法能有效的抑制在背景差分法中屬于背景的噪音，運(yùn)動(dòng)前景輪廓的提取也比較完整。在實(shí)驗(yàn)中可以發(fā)現(xiàn)，幀間差分法對(duì)光線等場(chǎng)景變換不太敏感，能夠適應(yīng)動(dòng)態(tài)的環(huán)境，因此表現(xiàn)出較好的穩(wěn)定性。但幀間差分法檢測(cè)出來(lái)的物體是前后兩幀相對(duì)變化的部分，出現(xiàn)“雙影”的概率較大。另外，由于檢測(cè)出來(lái)的物體是前后兩幀相對(duì)變化的部分，無(wú)法檢測(cè)重疊部分，導(dǎo)致檢測(cè)到的目標(biāo)發(fā)生“空洞”［6］。為了改進(jìn)差分運(yùn)算效果，提出了基于相鄰三幀的差分法。

1.2 三幀差分運(yùn)動(dòng)目標(biāo)檢測(cè)

在視頻序列中，設(shè) f（x，y，t）表示 t時(shí)刻當(dāng)前幀，其前后相鄰的兩幀分別用 f（x，y，t－1）和 f（x，y，t+1）表示，則三幀差分法為:

（2）利用公式（1）對(duì)差分結(jié)果閾值化得到二值結(jié)果。

1.3 Canny算子

常用的邊緣檢測(cè)算子［7］有Canny算子、Roberts算子、Sobel算子、Kirsch算子、Laplacian算子等。其中Roberts算子提取的邊緣比較粗，邊緣定位不是很準(zhǔn)確，Soble算子對(duì)灰度簡(jiǎn)便和噪聲較多的圖像處理效果比較好，常用于邊緣定位;Kirsch算子對(duì)灰度漸變和噪聲較多的圖像處理效果較好;LapLacian算子對(duì)圖像中的階躍邊緣點(diǎn)定位準(zhǔn)確，但對(duì)噪聲非常敏感，容易造成一些不連續(xù)的檢測(cè)邊緣。它們都是局域窗口梯度算子，對(duì)噪聲敏感，所以在處理實(shí)際圖像時(shí)效果并不是十分明顯。而Canny算子不容易受噪聲干擾，能夠檢測(cè)出真正的弱邊緣，不容易別噪聲“填充”，更容易檢測(cè)出真正的弱邊緣，所以此處的邊緣檢測(cè)采取Canny算子。

2 基于三幀差分及Canny算子相結(jié)合的運(yùn)動(dòng)目標(biāo)提取

對(duì)比幀間差分法，三幀差分法一定程度上解決了對(duì)目標(biāo)運(yùn)動(dòng)速度的敏感性，增加了系統(tǒng)的魯棒性。同幀間差分法相同，三幀差分法可以對(duì)噪聲進(jìn)行有效的抑制。幀間差分法和三幀差分法本質(zhì)上相同，都采用相鄰幀間的差值，尋找?guī)g不同的像素點(diǎn)，提取運(yùn)動(dòng)目標(biāo)，因此是有著相同計(jì)算模式的兩種算法。在選擇幀間差距的時(shí)候由于目標(biāo)運(yùn)動(dòng)速度的差異，也導(dǎo)致了三幀差分法的計(jì)算結(jié)果中部分目標(biāo)中心會(huì)有“空洞”出現(xiàn)。所以此處結(jié)合三幀差分自身的特點(diǎn)及運(yùn)動(dòng)目標(biāo)周圍的環(huán)境，制定算法。其具體的流程如圖1所示。

其具體步驟為:

圖1 程序流程圖

（1）分別對(duì)當(dāng)前幀 f（x，y，t），前一幀 f（x，y，t－1），后一幀 f（x，y，t+1）進(jìn)行平滑去噪;

（2）f（x，y，t），f（x，y，t－1），f（x，y，t+1）分別做差分，得到差分圖像 D1（x，y，t），D2（x，y，t）;

（3）分別對(duì)差分結(jié)果 D1（x，y，t），D2（x，y，t）進(jìn)行閾值二值化;

（4）對(duì)二值化后的差分結(jié)果進(jìn)行相“與”運(yùn)算，得到相“與”結(jié)果B（x，y，t）;

（5）對(duì) B（x，y，t）進(jìn)行區(qū)域填充;

（6）對(duì)平滑去噪后當(dāng)前幀f（x，y，t）進(jìn)行Canny算子邊緣檢測(cè)，得到當(dāng)前幀的物體邊緣結(jié)構(gòu);

（7）將當(dāng)前幀的邊緣結(jié)構(gòu)與步驟（5）的結(jié)果相“與”，得到運(yùn)動(dòng)目標(biāo)的邊界;

（8）將（7）得到的目標(biāo)邊界利用橢圓自適應(yīng)膨脹，進(jìn)一步完善不完整的邊界，從而得到封閉的邊界圖像，從而實(shí)現(xiàn)運(yùn)動(dòng)目標(biāo)的順利提取。

此外，考慮到三幀差分法的計(jì)算量較背景差分法有較大的增加，因此將幀間間隔從連續(xù)的3幀擴(kuò)大到相隔N幀的3幀，其中2≤N≤5，N的取值為經(jīng)驗(yàn)值，在這個(gè)范圍內(nèi)，目標(biāo)運(yùn)動(dòng)速度小范圍的波動(dòng)，程序仍然能夠保持準(zhǔn)確性和穩(wěn)定性。

3 實(shí)驗(yàn)結(jié)果分析

利用此處的方法在普通PC機(jī)（CPU為Intel（R）Pentium 2.00G Hz，內(nèi)存為2 GB）上，利用VC++6.0和Opencv1.0實(shí)現(xiàn)對(duì)圖像圖序列的處理，圖像序列的格式為 JPG，25幀/秒。檢測(cè)結(jié)果如圖2所示:

圖2（a）—（d）為圖像序列中每隔5幀提取的圖像;圖2（e）—（h）是三幀差分的結(jié)果;圖2（i）—（l）是此處算法提取的目標(biāo)邊緣結(jié)果;圖2（m）—（p）是目標(biāo)區(qū)域提取結(jié)果。可以看出三幀差分法檢測(cè)到的目標(biāo)很模糊，而且輪廓不清晰，而文中算法可以比較準(zhǔn)確的提取到目標(biāo)的運(yùn)動(dòng)邊界，且對(duì)車輛等剛體的邊緣提取效果明顯，解決了傳統(tǒng)三幀差分算法里的邊緣檢測(cè)不完整的問(wèn)題。此外，提取的目標(biāo)區(qū)域結(jié)果比較完整，尤其對(duì)面積較大的目標(biāo)提取效果良好，一定程度上解決了三幀差分算法易產(chǎn)生目標(biāo)“空洞”的缺點(diǎn)，能準(zhǔn)確的實(shí)現(xiàn)目標(biāo)區(qū)域的提取。

圖2 圖像序列檢測(cè)結(jié)果

4 結(jié)論

提出了基于三幀差分和Canny算子邊緣檢測(cè)相結(jié)合的運(yùn)動(dòng)目標(biāo)檢測(cè)方法。該方法的優(yōu)點(diǎn)在于當(dāng)有運(yùn)動(dòng)目標(biāo)存在時(shí)，能準(zhǔn)確地將運(yùn)動(dòng)邊緣檢測(cè)出來(lái);另外，該方法也較好的實(shí)現(xiàn)了運(yùn)動(dòng)目標(biāo)的提取。實(shí)驗(yàn)結(jié)果表明，該方法快速準(zhǔn)確，有一定的實(shí)用價(jià)值，不僅在光照變化和背景變化的條件下能夠檢測(cè)到目標(biāo)的邊緣，而且在運(yùn)動(dòng)目標(biāo)周圍背景存在過(guò)多邊緣時(shí)，仍能夠檢測(cè)到目標(biāo)的邊緣，而且目標(biāo)信息完整，抗噪性能佳。但該方法在運(yùn)動(dòng)目標(biāo)面積較小的情況下，填充效果不理想，是下一步需要繼續(xù)研究的方向。

［1］HARTAOHU I，HARWOOD D，DAVIS L.Real-time surveillance of people and their activities［J］.IEEE Trans Pattern Analysis and Ma2 chine Intelligence，2000，22（8）:809-830

［2］LIPTON A，F(xiàn)UJIYOSHI H，PATIL R.Moving target classification and tracking from real-time video［A］.Proc IEEE Workshop on Application of Computer Vision［C］.Princeton:NJ，1998:8-14

［3］MEYER D，DENZ LE J，N IEMANN H.Model based extraction of articulated objects in image sequences for gait analysis［A］.Proc IEEE Interl national Conference on I mage Processing［C］.Santa Barbara，California，1997:78-81

［4］陳春雨，姚秋香，喬玉龍.基于幀差法和邊緣檢測(cè)法的視頻分割算法［J］.濟(jì)南大學(xué)學(xué)報(bào):自然科學(xué)版，2012，26（1）:31-35

［5］張 鶴，吳謹(jǐn)，吳雪垠.結(jié)合對(duì)稱差分和邊界信息的運(yùn)動(dòng)目標(biāo)檢測(cè)方法［J］.信息技術(shù)，2011（11）:138-141

［6］莫林，廖鵬，劉勛.一種基于背景減除與三幀差分的運(yùn)動(dòng)目標(biāo)檢測(cè)算法［J］.微計(jì)算機(jī)信息，2009（12）:274-276

［7］GONZALEZ R C，WOODS R E.數(shù)學(xué)圖像處理［M］.2版.阮裘琦，阮宇智，譯.北京:電子工業(yè)出版社，2007