陳志勇, 彭力, 張紀(jì)寬

(江南大學(xué)物聯(lián)網(wǎng)工程學(xué)院,江蘇無(wú)錫214122)

動(dòng)態(tài)環(huán)境下改進(jìn)五幀差分的運(yùn)動(dòng)目標(biāo)檢測(cè)新算法

陳志勇, 彭力*, 張紀(jì)寬

(江南大學(xué)物聯(lián)網(wǎng)工程學(xué)院,江蘇無(wú)錫214122)

在噪聲、光照變化和背景不斷變換等動(dòng)態(tài)環(huán)境下運(yùn)動(dòng)目標(biāo)檢測(cè)存在著誤檢、漏檢現(xiàn)象。幀間差分法對(duì)動(dòng)態(tài)環(huán)境有較強(qiáng)的適應(yīng)性,但一般只能提取目標(biāo)的輪廓,不能完全檢測(cè)出目標(biāo),容易產(chǎn)生內(nèi)容空洞和虛假邊緣的現(xiàn)象。為此文中提出一種改進(jìn)五幀差分法的運(yùn)動(dòng)目標(biāo)檢測(cè)新算法。該算法首先利用中值濾波對(duì)每一幀圖像進(jìn)行去噪處理,然后對(duì)去噪后的圖像進(jìn)行文中的五幀運(yùn)算,最后通過(guò)新的動(dòng)態(tài)閾值分割算法和數(shù)學(xué)形態(tài)學(xué)處理完成對(duì)運(yùn)動(dòng)目標(biāo)的提取。實(shí)驗(yàn)結(jié)果表明,該算法的運(yùn)算復(fù)雜度較低,可以檢測(cè)動(dòng)態(tài)環(huán)境下的運(yùn)動(dòng)目標(biāo),大大提高了運(yùn)動(dòng)目標(biāo)檢測(cè)的準(zhǔn)確性。

五幀差分;中值濾波;動(dòng)態(tài)閾值;運(yùn)動(dòng)目標(biāo)檢測(cè)

智能的視覺分析已經(jīng)成為在智能環(huán)境、安全監(jiān)控和人機(jī)交互方面的關(guān)鍵技術(shù)之一,檢測(cè)運(yùn)動(dòng)目標(biāo)是已較基礎(chǔ)的技術(shù)[1]。針對(duì)視頻圖像的特殊性,常用于運(yùn)動(dòng)目標(biāo)檢測(cè)的方法[2]有光流法、幀間差分法、背景差分法等。光流法適合靜態(tài)和動(dòng)態(tài)背景,但由于其復(fù)雜的計(jì)算和較差抗噪聲性能,需要特殊的硬件實(shí)時(shí)處理。背景差分法[3]算法簡(jiǎn)單,能夠有效地提取出運(yùn)動(dòng)區(qū)域,但是場(chǎng)景變換比如樹葉搖擺、光線改變,都會(huì)影響運(yùn)動(dòng)目標(biāo)的提取。幀間差分法對(duì)于光線的變化、快速的背景更新有良好的自適應(yīng)性能。

文中在較復(fù)雜的環(huán)境下以幀間差分法為基礎(chǔ),提出了一種改進(jìn)的運(yùn)動(dòng)目標(biāo)檢測(cè)新算法,并提出一種新的動(dòng)態(tài)閾值算法。實(shí)驗(yàn)結(jié)果表明,該算法有較低的運(yùn)算復(fù)雜度,可以檢測(cè)復(fù)雜環(huán)境下的運(yùn)動(dòng)目標(biāo),提高了運(yùn)動(dòng)目標(biāo)檢測(cè)的效率和準(zhǔn)確性。

1 幀間差分法

幀間差分法[4](Frame difference)是運(yùn)動(dòng)目標(biāo)檢測(cè)領(lǐng)域常用的方法之一。它利用視頻圖像中相鄰兩幀圖像的差異來(lái)進(jìn)行運(yùn)動(dòng)目標(biāo)檢測(cè),即對(duì)視頻圖像中時(shí)間上相鄰的圖像求絕對(duì)差,然后用一個(gè)閾值來(lái)判斷是否存在運(yùn)動(dòng)物體。幀間差分法原理:假設(shè)視頻圖像中當(dāng)前第k幀和第k-l幀圖像各像素點(diǎn)的灰度值分別為Ik(i,j)和Ik-1(i,j),則它們的差分圖像為

對(duì)上述得到的差分圖像,通過(guò)設(shè)定閾值T來(lái)對(duì)圖像中的各個(gè)像素點(diǎn)進(jìn)行判斷,從而提取出視頻圖像中的運(yùn)動(dòng)區(qū)域:

基于幀間差分法的運(yùn)動(dòng)目標(biāo)檢測(cè)方法抗干擾能力較強(qiáng),對(duì)環(huán)境有較好的適應(yīng)性。

五幀差分法[5]是在三幀差分法的基礎(chǔ)上加以改進(jìn)的,可以在一定程度上有效地克服三幀差分法的不足。設(shè)預(yù)處理后的5幀圖像ft-2(x,y),ft-1(x, y),ft(x,y),ft+1(x,y),ft+2(x,y),其中ft(x,y)為中間幀,利用中間幀分別和前2幀和后2幀做差分運(yùn)算,得到的差分結(jié)果為

然后將差分后的結(jié)果D13(x,y)和D35(x,y),D23(x, y)和D34(x,y)分別進(jìn)行“與”運(yùn)算:

“與”運(yùn)算能夠有效地克制或運(yùn)算造成目標(biāo)重疊現(xiàn)象。最后對(duì)D1和D2進(jìn)行濾波處理,再用動(dòng)態(tài)閾值二值化處理,將其結(jié)果進(jìn)行“或”運(yùn)算,能夠有效地克制空洞現(xiàn)象,得到最終的目標(biāo)輪廓[6]:

另外,還有一種方法是將差分結(jié)果求和再取平均值。當(dāng)然,這種算法適合運(yùn)動(dòng)緩慢的目標(biāo),如果運(yùn)動(dòng)目標(biāo)運(yùn)動(dòng)快很容易出現(xiàn)重疊、拖拽現(xiàn)象。

2 改進(jìn)五幀差分法

2.1 中值濾波

在圖像處理中,進(jìn)行如邊緣檢測(cè)這樣的進(jìn)一步處理之前,通常需要首先進(jìn)行一定程度的降噪。中值濾波[7]是圖像處理中的一個(gè)常用步驟,它對(duì)于斑點(diǎn)噪聲(Speck le noise)和椒鹽噪聲(Salt-andpepper noise)來(lái)說(shuō)尤其有用。

文中在對(duì)圖像進(jìn)行差分之前,首先進(jìn)行中值濾波,去除圖像中的部分噪聲,有利于下面對(duì)運(yùn)動(dòng)目標(biāo)的提取。

2.2 改進(jìn)的算法

算法以5幀差分為基礎(chǔ),利用中值濾波對(duì)圖像進(jìn)行去噪處理,再用改進(jìn)的五幀差分法得到較為完整的運(yùn)動(dòng)目標(biāo)輪廓,最后通過(guò)后期處理,提取完整、準(zhǔn)確的運(yùn)動(dòng)目標(biāo)區(qū)域。

算法的整體流程如圖1所示。

圖1 改進(jìn)算法流程Fig.1 Flow chart of the im proved algorithm

簡(jiǎn)述整個(gè)算法流程。取出連續(xù)的5幀圖像,分別進(jìn)行中值濾波處理,以中間幀為基礎(chǔ)分別和其他4幀圖像進(jìn)行差分運(yùn)算。得到4個(gè)差分結(jié)果D13,D23, D34,D35,分兩組分別進(jìn)行取“與”、取“異或”操作。首先取“與”操作將同時(shí)存在的前景運(yùn)動(dòng)目標(biāo)取出,“異或”操作將差分后各自的運(yùn)動(dòng)目標(biāo)都取出,當(dāng)然這個(gè)操作中會(huì)比原來(lái)存在較多的噪聲,接著取“或”操作將相同的以及各自的運(yùn)動(dòng)像素合在一起,這時(shí)存在的前景運(yùn)動(dòng)目標(biāo)像素是最多的,但是重影現(xiàn)象和噪聲也增多。最后一步將生成的2幀取“與”操作,很好地改善重影和消除絕大部分的噪聲,然后經(jīng)過(guò)數(shù)學(xué)形態(tài)學(xué)處理獲取最終的前景運(yùn)動(dòng)目標(biāo)。

2.3 動(dòng)態(tài)閾值

傳統(tǒng)算法閾值T是固定值,且需人為設(shè)定,適應(yīng)性較差,對(duì)光照變化的場(chǎng)景不太適用[8]。文中提出一種新的基于時(shí)間的動(dòng)態(tài)閾值算法[2]。為了適應(yīng)光線變化,在固定閾值Threshold的基礎(chǔ)上增加一個(gè)動(dòng)態(tài)值ΔT,ΔT由光線變化和時(shí)間來(lái)決定:

則動(dòng)態(tài)閾值[9]:

其中ΔT反映了環(huán)境的整體變化情況。t(x,y)跟光線的變化有關(guān)。當(dāng)光線變化很小時(shí),t(x,y)取Threshold,這時(shí)相當(dāng)于取開始采用的最佳固定閾值Threshold;當(dāng)光線變化明顯時(shí),t(x,y)來(lái)自公式(12),其中FPS定義為幀率,此時(shí)t(x,y)的初始值為Threshold的二分之一。隨著光線的變化強(qiáng)度增強(qiáng),t(x,y)隨著時(shí)間在不斷減小,ΔT在逐漸增大,T也在不斷增大,這樣有效地抑制了光線整體變化帶來(lái)的影響。

2.4 數(shù)學(xué)形態(tài)學(xué)

數(shù)學(xué)形態(tài)學(xué)是由一組形態(tài)學(xué)的代數(shù)運(yùn)算子組成,它的基本運(yùn)算為膨脹(或擴(kuò)張)、腐蝕(或侵蝕)、開啟和閉合。基于這些基本運(yùn)算還可推導(dǎo)和組合成各種數(shù)學(xué)形態(tài)學(xué)實(shí)用算法,用它們可以進(jìn)行圖像形狀和結(jié)構(gòu)的分析及處理,包括圖像分割、邊緣檢測(cè)、圖像濾波、圖像增強(qiáng)和恢復(fù)等[10-11]。

將膨脹運(yùn)算和腐蝕運(yùn)算進(jìn)行簡(jiǎn)單組合,可以得到形態(tài)學(xué)中的開運(yùn)算和閉運(yùn)算。A用結(jié)構(gòu)元素B的開運(yùn)算定義為

A用結(jié)構(gòu)元素B的閉運(yùn)算定義為

開運(yùn)算一般能平滑圖像的輪廓,削弱狹窄的部分,去掉細(xì)長(zhǎng)的突出、邊緣毛刺和孤立半點(diǎn),斷開目標(biāo)物之間黏連時(shí)使用。閉運(yùn)算一般用來(lái)填充目標(biāo)內(nèi)的細(xì)小空洞和裂縫,連接斷開的臨近目標(biāo)。

3 實(shí)驗(yàn)結(jié)果對(duì)比

3.1 實(shí)驗(yàn)結(jié)果

以Matlab7.0進(jìn)行實(shí)驗(yàn)仿真,初始閾值Threshold=20,t(x,y)=10,FPS=30,為了驗(yàn)證算法的有效性,分別利用三幀差分法、五幀差分法,以及文中算法對(duì)一組光照改變后的AVI視頻序列圖像進(jìn)行測(cè)試,其中對(duì)五幀差分法進(jìn)行同樣預(yù)處理,檢測(cè)結(jié)果如圖2所示。

圖2 實(shí)驗(yàn)檢測(cè)結(jié)果Fig.2 Experimental test results

文中采用的視頻是在光線變化特別明顯的情況下提取的運(yùn)動(dòng)目標(biāo),光照時(shí)強(qiáng)時(shí)弱,采用背景差分時(shí)出現(xiàn)大量噪聲部分,周圍環(huán)境變化較大。

由檢測(cè)結(jié)果可以看出,三幀差分法和五幀差分法的檢測(cè)結(jié)果無(wú)明顯差別,都能檢測(cè)出運(yùn)動(dòng)目標(biāo),然而輪廓都不連續(xù)。而改進(jìn)的算法檢測(cè)出的目標(biāo)輪廓更接近目標(biāo)本身,并且明顯地解決了拖影和輪廓不很連續(xù)的現(xiàn)象,也消除了大部分空洞。運(yùn)用新的動(dòng)態(tài)閾值分割算法很好地適應(yīng)了環(huán)境的變化,在光線變化明顯的復(fù)雜條件下該算法的優(yōu)越性尤為突出。

本實(shí)驗(yàn)取出差分結(jié)果采用“與”和“異或”再進(jìn)行“或”邏輯操作,“與”操作取出差分中共同的運(yùn)動(dòng)目標(biāo),“異或”操作取出差分后遺漏的運(yùn)動(dòng)目標(biāo)以及部分噪聲,進(jìn)行“或”操作來(lái)補(bǔ)全原來(lái)遺漏的運(yùn)動(dòng)像素,保留了更多目標(biāo)信息,從而使檢測(cè)結(jié)果更加準(zhǔn)確。最后得出的2幀再進(jìn)行“與”很好地減少了重疊部分,很大程度上改善了運(yùn)動(dòng)目標(biāo)檢測(cè),檢測(cè)結(jié)果準(zhǔn)確、完整、目標(biāo)輪廓清晰,能滿足實(shí)時(shí)性檢測(cè)的要求。

3.2 結(jié)果分析

以識(shí)別率DR和誤檢率FAR對(duì)上述算法的效率和準(zhǔn)確度進(jìn)行分析,計(jì)算方法如下:

其中,AP為檢測(cè)到與實(shí)際相符的運(yùn)動(dòng)目標(biāo)數(shù)目;BP為誤檢出的非運(yùn)動(dòng)目標(biāo)數(shù)目;FN為未檢測(cè)出的目標(biāo)數(shù)目。在同等條件下3種方法的比較結(jié)果如表1所示。

表1 算法的識(shí)別率與誤檢率Tab.1 Recognition rate and error detection rate

3種算法都能達(dá)到95%以上的識(shí)別率,能有效地檢測(cè)出運(yùn)動(dòng)目標(biāo),而誤檢率變化較為明顯,文中所用的算法在誤檢率上有明顯改進(jìn),且檢測(cè)結(jié)果準(zhǔn)確、完整,目標(biāo)輪廓清晰,滿足實(shí)時(shí)性檢測(cè)要求。

4 結(jié) 語(yǔ)

結(jié)合五幀差分法和中值濾波,提出了一種新的運(yùn)動(dòng)目標(biāo)檢測(cè)算法。首先對(duì)連續(xù)5幀圖像通過(guò)中值濾波進(jìn)行去噪處理,然后對(duì)5幀連續(xù)去完噪的圖像進(jìn)行新的五幀差分算法,最后通過(guò)二值化處理和數(shù)學(xué)形態(tài)學(xué)處理完成對(duì)運(yùn)動(dòng)目標(biāo)的準(zhǔn)確檢測(cè)。實(shí)驗(yàn)結(jié)果表明,該算法能對(duì)運(yùn)動(dòng)目標(biāo)準(zhǔn)確提取,并且克服了傳統(tǒng)幀間差分法目標(biāo)輪廓不連續(xù)、空洞的缺陷,且計(jì)算簡(jiǎn)單,能夠?qū)崟r(shí)顯示。

[1]Cheung SC S,Kamath C.Robust techniques for background subtraction in urban traffic video[J].Proceedings of SPIE,2004, 5308(1):881-892.

[2]YANG J B,SHIM,YI Q M.A new method for motion target detection by background subtraction and update[J].Physics Procedia,2012,33:1768-1775.

[3]Parks D H,Fels SS.Evaluation of background subtraction algorithmswith post-processing[C]//Fifth International Conference on Advanced Video and Signal Based Surveillance 2008.Santa Fe,NM:IEEE,2008:192-199.

[4]鄔大鵬,程衛(wèi)平,于盛林.基于幀間差分和運(yùn)動(dòng)估計(jì)的Camshift目標(biāo)跟蹤算法[J].光電工程,2010(1):55-60.

WU Dapeng,CHENG Weiping,YU Shenglin.Camshift object tracking algorithm based on inter-frame difference and motion prediction[J].Opto-Electronic Engineering,2010(1):55-60.(in Chinese)

[5]舒欣,李東新,薛東偉.5幀差分和邊緣檢測(cè)的運(yùn)動(dòng)目標(biāo)檢測(cè)[J].計(jì)算機(jī)系統(tǒng)應(yīng)用,2014,23(1):124-127. ZHAO Gaochang,ZHANG Lei,WU Fengbo.Application of improved median filtering algorithm to image denoising[J].Journal of Applied Optics,2011,32(4):678-682.(in Chinese)

[6]賈偉,黃小天,謝椿,等.融合5幀差分與高斯模型的運(yùn)動(dòng)物料袋檢測(cè)[J].電子技術(shù)應(yīng)用,2013,39(10):139-142.

JIA Wei,HUANG Xiaotian,XIE Chun.Movingmaterial bag detectionmethod of a fused five frame difference and Gaussianmodel [J].Computer Technology and Its Applications,2013,39(10):139-142.(in Chinese)

[7]趙高長(zhǎng),張磊,武風(fēng)波.改進(jìn)的中值濾波算法在圖像去噪中的應(yīng)用[J].應(yīng)用光學(xué),2011,32(4):678-682. SHU Xin,LIDongxing,XUE Dongwei.Five frame difference and edge detection ofmoving target detection[J].Computer System and Application,2014,23(1):124-127.(in Chinese)

[8]陳鳳東,洪炳镕.基于動(dòng)態(tài)閾值背景差分算法的目標(biāo)檢測(cè)方法[J].哈爾濱工業(yè)大學(xué)學(xué)報(bào),2005,37(7):883-884.

CHEN Fengdong,HONG Bingrong.Object detectingmethod based on background image difference using dynamic threshold[J]. Journal of Harbin Institute of Technology,2005,37(7):883-884.(in Chinese)

[9]郝毫剛,陳家琪.基于5幀差分和背景差分的運(yùn)動(dòng)目標(biāo)檢測(cè)算法[J].計(jì)算機(jī)工程,2012,38(4):146-148.

HAO Haogang,CHEN Jiaqi.Moving object detection algorithm based on five frame difference and background difference[J]. Computer Engineering,2012,38(4):146-148.(in Chinese)

[10]Kim K,Chalidabhongse TH,Harwood D,et al.Real-time foreground-background segmentation using codebook model[J].Real-Time Imaging,2005,11:172-185.

[11]TIAN Y L,LU M,Hampapur A.Robust and efficient foreground analysis for real-time video surveillance[C]//IEEE Computer Society Conference on.Yorktown Height,NY:IEEE,2005,1:1182-1187.

(責(zé)任編輯:楊 勇)

New M oving Ob ject Detection A lgorithm Based on the Im ported Five Fram e Difference Under the Dynam ic Environm ent

CHEN Zhiyong, PENG Li*, ZHANG Jikuan
(School of Internet of Things Engineering,Jiangnan University,Wuxi214122,China)

The moving-objective detecting algorithm always detects incorrectly in complicated environment,which contains noise illumination change and background disturbance.The interframe differencemethod is one of the basic method in the moving target detection in dynamic environment.The interframe difference method to the dynamic environment has strong adaptability,but can’t detect the targets,and is prone to the edge of the hole and false phenomenon.In this paper,a new method by using five frame differences is proposed for motion targer detection.The median filter is used to deal with the noise of a frame image,then the screen image is denoised after five frames arithmetic,by dynamic threshold segmentation andmathematicalmorphology,the processing is completed to extract the moving object.The experimental results show that the algorithm has low computational complexity,and can detect moving targets in a complicated environment,greatly improve the efficiency of the moving target detection and accuracy.

five frame difference,median filtering,dynamic threshold,moving target detection

*通信作者:彭 力(1967—),男,河北唐山人,教授,博士生導(dǎo)師。主要從事視覺傳感器網(wǎng)絡(luò)、人工智能、計(jì)算機(jī)仿真等研究。Email:pengli@jiangnan.edu.cn

TP 391.41

A

1671-7147(2015)01-0034-04

2014-08-10;

2014-09-02。

江蘇省產(chǎn)學(xué)研聯(lián)合創(chuàng)新項(xiàng)目(BY2013015-33,BY2014024,BY2014023-362014,BY2014023-257)。

陳志勇(1990—),男,江蘇鹽城人,控制工程專業(yè)碩士研究生。