羅芳

摘 要：運(yùn)動圖像的檢測是目前智能監(jiān)控技術(shù)發(fā)展的前沿技術(shù)，能夠成功地將運(yùn)動目標(biāo)從背景圖像中檢測出來是該智能監(jiān)控識別系統(tǒng)最關(guān)鍵的一步。文章將傳統(tǒng)的圖像處理方法運(yùn)用在運(yùn)動對象上，通過實驗比較，分析背景差分法、光流法和幀間差分法的優(yōu)點和缺點，為視頻監(jiān)控下的圖像缺陷檢測或智能識別技術(shù)提供一定的參考。

關(guān)鍵詞：目標(biāo)檢測；視頻監(jiān)控；運(yùn)動圖像

視頻監(jiān)控識別系統(tǒng)技術(shù)是綜合多媒體技術(shù)、計算機(jī)網(wǎng)絡(luò)、工業(yè)控制和人工智能等技術(shù)的運(yùn)用產(chǎn)物[ 1 ]。針對視頻監(jiān)控下動態(tài)運(yùn)動目標(biāo)的圖像進(jìn)行前期處理分析，從圖像中提取感興趣的運(yùn)動目標(biāo)，是智能監(jiān)控分析系統(tǒng)中的重要過程。

視頻監(jiān)控中的人或動物處于運(yùn)動狀態(tài)，檢測動態(tài)目標(biāo)的運(yùn)動狀態(tài)從技術(shù)上分析，國內(nèi)外主要是利用算法將運(yùn)動的運(yùn)動對象從背景中分離出來，但運(yùn)動目標(biāo)時刻受到周邊環(huán)境、運(yùn)動目標(biāo)本身及設(shè)備等因素影響，所以能將運(yùn)動對象成功分割出來是智能監(jiān)控分析系統(tǒng)中一項非常有難度的工作[2]。

運(yùn)動目標(biāo)算法的檢測已在國內(nèi)外做了很多年，目前對運(yùn)動對象檢測的算法相對比較成熟，主流的方法主要有：一是利用灰度值的空間分布信息進(jìn)行圖形分割，通過檢測對象的突出特征比如邊緣、特殊點和線條的灰度值不同進(jìn)行分割圖形，但該方法容易丟失原始圖像的信息。二是利用視頻的時間序列方法分割圖形，該方法建立在固定的背景下，通過時間差或者幀間差進(jìn)行圖形減除運(yùn)算來完成圖形分割，目前常見算法有幀間差分法、光流法及背景減除法，本文將這3種研究算法運(yùn)用到人體行為檢測分割上，并通過實驗比較3種算法的優(yōu)缺點。

1 運(yùn)動目標(biāo)檢測的算法

1.1 幀間差分法

1.2 光流法

光流法是利用圖像運(yùn)動場的矢量變化來確定運(yùn)動目標(biāo)的光流變化，實現(xiàn)運(yùn)動目標(biāo)三維場景向二維平面的投影，如圖1所示。

2 實驗結(jié)果及實驗分析

本文采用上述3種目標(biāo)分割算法，對2段運(yùn)動目標(biāo)速度不同的視頻圖像進(jìn)行檢測分割實驗，視頻A是人體慢步走路的視頻，視頻B是騎著單車的視頻，時速在20Km/h的視頻。

2.1 幀間差分法實驗結(jié)果及實驗分析

本文采用連續(xù)圖像間隔2幀的圖像分別對視頻A和B進(jìn)行相減實驗，實驗結(jié)果如圖2-5所示。

圖2視頻A分別取自圖像第28幀和第37幀位置進(jìn)行實驗，實驗時的幀間運(yùn)動速度如圖4所示第29幀和31幀的速度時間差為62.0296ms；圖5視頻B中第37幀和39幀的速度時間差為55.2924ms，前者速度緩慢，后者由于運(yùn)動目標(biāo)移動速度加快，檢測出來結(jié)果背景雜質(zhì)比較多，容易丟失運(yùn)動目標(biāo)的特征。圖2為視頻B在第6幀時候差分檢測結(jié)果，第6幀與第8幀的速度為3.9463ms，從實驗結(jié)果分析，視頻B的運(yùn)行速度比較快，導(dǎo)致本文的系統(tǒng)運(yùn)算速度跟不上小車運(yùn)行的速度，所以檢測結(jié)果出現(xiàn)重影，視頻的細(xì)節(jié)動作捕捉不詳細(xì)，丟失了大部分的信息。

由此判斷，幀間差分法對運(yùn)動物體的速度把握非常重要，當(dāng)運(yùn)動目標(biāo)速度緩慢時，需要增大時間間隔，反之，運(yùn)動對象速度快時，應(yīng)當(dāng)適當(dāng)選擇間隔小時間差。對于視頻監(jiān)控而言，目標(biāo)運(yùn)動速度不確定，所以幀間差分法需要根據(jù)運(yùn)動目標(biāo)的速度進(jìn)行調(diào)整時間間隔，這樣會加大系統(tǒng)的運(yùn)算量，而且現(xiàn)實中不能很好地把握運(yùn)動目標(biāo)的運(yùn)行速度。

2.2 光流法法實驗結(jié)果及實驗分析

視頻A采用光流法對運(yùn)動目標(biāo)進(jìn)行檢測，實驗結(jié)果如圖6所示。

光流法實驗時捕捉到運(yùn)動目標(biāo)輪廓的關(guān)鍵運(yùn)動點，但是丟失了運(yùn)動區(qū)域的大部分細(xì)節(jié)內(nèi)容，顯然檢測效果不佳，而且算法復(fù)雜，光流場不容易建立。

2.3 背景減除法實驗結(jié)果及實驗分析

視頻A為固定場景和視頻B存在飄動的樹葉的動態(tài)場景，實驗時分別用背景減除法進(jìn)行分析比較。

實驗時，以同樣的視頻采集速度視頻A采用背景減除法進(jìn)行檢測，從圖7中的檢測結(jié)果圖中出現(xiàn)雙重人影，存在一定的干擾缺陷，但人體輪廓非常清晰，檢測的圖像結(jié)果比較完整。但是運(yùn)動目標(biāo)的輪廓和細(xì)節(jié)相比前文的兩種算法都比較清晰和完整。圖7中的視頻B，在動態(tài)的背景下，用背景減除法不能消除動態(tài)因素產(chǎn)生的干擾，但能完整的檢測運(yùn)動目標(biāo)。

3 結(jié)語

通過3種檢測方法的實驗比較，而視頻監(jiān)控下的動態(tài)行為，在面向不同的應(yīng)用場所，視頻監(jiān)控背景是動態(tài)也可能是固定場所，幀間差分法在運(yùn)動對象速度比較慢時檢測效果最佳，算法簡單，對于運(yùn)行速度較快的運(yùn)動對象，幀間之間的選取會影響到檢測效果；背景減除法在運(yùn)動對象速度較快時檢測效果最佳，適應(yīng)性強(qiáng)，但對于動態(tài)背景的檢測處理存在一定的缺陷[5]；光流法對撲捉運(yùn)動對象的輪廓效果最佳。針對以上3種傳統(tǒng)算法的優(yōu)缺點，如果應(yīng)用在視頻監(jiān)控下的人體行為檢測系統(tǒng)，需要結(jié)合三者優(yōu)缺點進(jìn)行改進(jìn)，才能取得更好的動態(tài)檢測效果。

[參考文獻(xiàn)]

[1]楊建全，梁華，王成友.視頻監(jiān)控技術(shù)的發(fā)展與現(xiàn)狀[J].現(xiàn)代電子技術(shù)，2006（21）：67-68.