張兆陽(yáng)，強(qiáng) 祥，陳琦瑋，汪一鳴，吳 澄

（1．蘇州大學(xué) 電子信息學(xué)院，江蘇 蘇州215000；2．蘇州大學(xué) 城市軌道交通學(xué)院，江蘇 蘇州215000）

一種非靜止背景下的運(yùn)動(dòng)目標(biāo)檢測(cè)方法

張兆陽(yáng)1，強(qiáng) 祥2，陳琦瑋1，汪一鳴2，吳 澄2

（1．蘇州大學(xué) 電子信息學(xué)院，江蘇 蘇州215000；2．蘇州大學(xué) 城市軌道交通學(xué)院，江蘇 蘇州215000）

對(duì)于運(yùn)動(dòng)中的攝像機(jī)所拍攝視頻的分析，會(huì)發(fā)現(xiàn)目標(biāo)和背景都在運(yùn)動(dòng)的現(xiàn)象，因此難以較好地對(duì)運(yùn)動(dòng)目標(biāo)進(jìn)行檢測(cè)。針對(duì)此問(wèn)題提出了一種適應(yīng)該類對(duì)象的運(yùn)動(dòng)目標(biāo)檢測(cè)技術(shù)，該方法采用徑向運(yùn)動(dòng)補(bǔ)償和像素值重分配來(lái)實(shí)現(xiàn)較好的運(yùn)動(dòng)補(bǔ)償，并通過(guò)幀差分方法來(lái)提取視頻序列中的運(yùn)動(dòng)目標(biāo)。在現(xiàn)代有軌電車障礙物檢測(cè)系統(tǒng)中運(yùn)行的實(shí)驗(yàn)結(jié)果表明，該方法可以較好地消除運(yùn)動(dòng)目標(biāo)周圍背景對(duì)運(yùn)動(dòng)目標(biāo)的干擾，為識(shí)別運(yùn)動(dòng)目標(biāo)奠定了良好的基礎(chǔ)。

背景；運(yùn)動(dòng)補(bǔ)償；幀差分；運(yùn)動(dòng)目標(biāo)檢測(cè)

在現(xiàn)實(shí)生活中，人類的視覺(jué)所捕捉到的物體既有運(yùn)動(dòng)的也有靜止的，在大部分的場(chǎng)合里，比如重要場(chǎng)所的安防、汽車的自動(dòng)駕駛、軍事目標(biāo)的跟蹤中，人們往往只對(duì)運(yùn)動(dòng)的目標(biāo)感興趣。而運(yùn)動(dòng)目標(biāo)的檢測(cè)是目標(biāo)跟蹤、目標(biāo)分類、目標(biāo)行為理解的基礎(chǔ)，獲取比較準(zhǔn)確的運(yùn)動(dòng)目標(biāo)對(duì)于后續(xù)的處理具有重要意義[1-2]。

一般的運(yùn)動(dòng)目標(biāo)檢測(cè)，其背景往往是靜止的，人們采用諸如光流法[3-4]、模板匹配法、特征提取法和圖像差分法[5-6]等運(yùn)動(dòng)目標(biāo)檢測(cè)方法將運(yùn)動(dòng)目標(biāo)從靜止的背景中分離出來(lái)。這方面的研究已經(jīng)取得了大量成果。但是在一些特殊場(chǎng)合，會(huì)出現(xiàn)運(yùn)動(dòng)目標(biāo)和背景都在運(yùn)動(dòng)的現(xiàn)象，例如在有軌電車障礙物檢測(cè)系統(tǒng)中安裝在現(xiàn)代有軌電車車頭正前方的攝像頭所拍攝的實(shí)時(shí)視頻序列，由于攝像機(jī)本身跟隨有軌電車運(yùn)動(dòng)，所以連續(xù)圖像幀上的背景也在發(fā)生運(yùn)動(dòng)，當(dāng)有行人或車輛穿越軌道時(shí)，就出現(xiàn)了背景和前景目標(biāo)均發(fā)生運(yùn)動(dòng)的情況，此時(shí)簡(jiǎn)單運(yùn)用光流法或模板匹配、特征提取等方法，并不能將運(yùn)動(dòng)目標(biāo)準(zhǔn)確地從背景中分離出來(lái)。

而針對(duì)這種運(yùn)動(dòng)背景下的目標(biāo)檢測(cè)，常用的方法有基于三幀差分的背景差分法、基于塊匹配的運(yùn)動(dòng)估計(jì)算法以及灰度投影算法等。

基于三幀差分的背景差分法[7-8]首先獲取相鄰三幀圖片，并對(duì)相鄰的每?jī)蓭瑘D像作差分計(jì)算，得到兩張差分圖像，然后分別做二值化處理，接著將兩張二值化后的圖像進(jìn)行邏輯與運(yùn)算，再將得到的結(jié)果和背景圖像相減來(lái)提取運(yùn)動(dòng)目標(biāo)，該方法對(duì)于背景和目標(biāo)都運(yùn)動(dòng)的復(fù)雜背景下的目標(biāo)提取有一定的作用，但是該方法僅適用于背景變化不大的情況，對(duì)于背景變化復(fù)雜且有攝像頭變焦的情況，處理效果并不理想。

基于塊匹配的運(yùn)動(dòng)估計(jì)算法[9]是將圖像分割成相互不重疊的小區(qū)域，每個(gè)區(qū)域都用一個(gè)平移運(yùn)動(dòng)模型來(lái)進(jìn)行運(yùn)動(dòng)估計(jì)。然后在相鄰兩幀圖像中進(jìn)行最優(yōu)小區(qū)域的匹配，通過(guò)運(yùn)動(dòng)參數(shù)模型計(jì)算每個(gè)區(qū)域中心的位移矢量（ΔX，ΔY），最后根據(jù)位移矢量進(jìn)行圖像差分得到運(yùn)動(dòng)區(qū)域。該方法首先需要對(duì)相鄰兩幀圖像進(jìn)行塊匹配，但是在電車上所搭載的攝像頭拍攝的行車前方視頻中，由于背景復(fù)雜，背景中也可能存在與目標(biāo)有相似特征的物體，并且目標(biāo)本身存在幾何尺寸變化的問(wèn)題，所以塊匹配的結(jié)果并不準(zhǔn)確，從而影響位移矢量的計(jì)算。因此該方法也不適用文中研究的環(huán)境。

灰度投影算法[10-12]首先是將相鄰兩幀圖像的灰度分布映射成x，y方向上獨(dú)立的一維直方圖，從而得到反應(yīng)圖像灰度分布特點(diǎn)的行、列的灰度投影曲線。然后通過(guò)對(duì)比相鄰兩幀圖像的灰度投影曲線的峰值位置，得到圖像背景在x，y方向上的運(yùn)動(dòng)矢量。最后將前一幀圖像沿著位移矢量移動(dòng)相應(yīng)的大小，從而補(bǔ)償圖像中背景的運(yùn)動(dòng)。該方法可以在背景發(fā)生平移的情況下準(zhǔn)確地進(jìn)行背景運(yùn)動(dòng)補(bǔ)償，但是在文中所研究的現(xiàn)代有軌電車障礙物識(shí)別中，由于攝像機(jī)本身跟隨有軌電車運(yùn)動(dòng)，所以背景物體并不是在圖像上做簡(jiǎn)單的平移運(yùn)動(dòng)，所以該方法也不適用于文中研究的環(huán)境。

文中針對(duì)攝像機(jī)本身跟隨電車運(yùn)動(dòng)的實(shí)際情況，以有軌電車障礙物識(shí)別中的運(yùn)動(dòng)目標(biāo)為對(duì)象，進(jìn)行運(yùn)動(dòng)目標(biāo)檢測(cè)的研究。首先，考慮到視頻序列具有幀間連續(xù)性的特點(diǎn)，即在視頻序列中目標(biāo)的運(yùn)動(dòng)在時(shí)間上具有連貫性，使得可以利用圖像序列檢測(cè)出單幀圖像中很難檢測(cè)出的目標(biāo)[13]，因此采用幀間差分的方法檢測(cè)運(yùn)動(dòng)目標(biāo)[14-15]。其次，因?yàn)橐恍╊愃颇繕?biāo)的運(yùn)動(dòng)的背景也會(huì)被當(dāng)作目標(biāo)誤檢測(cè)出來(lái)。因此，在進(jìn)行圖像差分之前，對(duì)相鄰的視頻幀先進(jìn)行運(yùn)動(dòng)補(bǔ)償。文中為此提出一種針對(duì)背景運(yùn)動(dòng)特點(diǎn)的運(yùn)動(dòng)補(bǔ)償算法，可以準(zhǔn)確地提取出真正的運(yùn)動(dòng)目標(biāo)。

1　運(yùn)動(dòng)補(bǔ)償算法

考慮到文中研究的視頻序列。因?yàn)閿z像機(jī)安裝在駕駛室前部，所以攝像機(jī)本身也會(huì)跟隨電車沿行車方向運(yùn)動(dòng)，因此在獲得的視頻序列中，圖像背景中物體的位置會(huì)發(fā)生變化，而且在電車行進(jìn)的過(guò)程中背景中的物體也會(huì)因?yàn)殡x電車的距離越來(lái)越近，大小也會(huì)發(fā)生變化。通過(guò)仔細(xì)分析，這些位置和大小的變化是有規(guī)律可循的。為了更好地進(jìn)行運(yùn)動(dòng)補(bǔ)償從而更加準(zhǔn)確地從相鄰幀間差分中提取出運(yùn)動(dòng)目標(biāo)，文中提出采用徑向運(yùn)動(dòng)補(bǔ)償和像素值重分配的運(yùn)動(dòng)補(bǔ)償算法。

1.1徑向運(yùn)動(dòng)補(bǔ)償

因?yàn)閿z像機(jī)跟隨電車沿行車方向運(yùn)動(dòng)，造成背景物體位置的變化，不同于普通視頻中的背景物體的平移，文中研究的視頻中背景物體還發(fā)生了變焦。所獲得的視頻序列幀中的物體都會(huì)以圖像幀幾何中心為基點(diǎn)，做徑向移動(dòng)。其運(yùn)動(dòng)模型如圖1所示。

在圖1中，O點(diǎn)為圖像幀的幾何中心，假設(shè)A、B、C三點(diǎn)為前一幀圖像中3個(gè)靜止的獨(dú)立物體的位置，在電車向前行進(jìn)的過(guò)程中，通過(guò)研究和分析背景在時(shí)間序列中的變化規(guī)律，發(fā)現(xiàn)圖像幀上的靜止物體會(huì)以O(shè)點(diǎn)為基準(zhǔn)點(diǎn)，沿徑向作發(fā)散式移動(dòng)，所以在后一幀的圖像上A’、B’、C’三點(diǎn)為該3個(gè)獨(dú)立物體對(duì)應(yīng)可能出現(xiàn)在下一時(shí)刻圖像中的位置。

根據(jù)以上規(guī)律，在被圖像幾何中心和兩條對(duì)稱軸所區(qū)分開的4個(gè)區(qū)域里，背景物體按其所在區(qū)域的位置，向不同方向移動(dòng)不同的距離。具體運(yùn)動(dòng)距離和方向計(jì)算如圖2所示。

圖1　有軌電車前方圖像中背景物體運(yùn)動(dòng)模型

圖2　徑向運(yùn)動(dòng)補(bǔ)償模型

在圖2中，以O(shè)點(diǎn)為坐標(biāo)原點(diǎn)，建立坐標(biāo)系。例如圖上的點(diǎn)A，可以得到它與O點(diǎn)在X，Y軸方向上的距離差為ΔA_x，ΔA_y，計(jì)算公式如（1）所示。

式中，jA和iA為點(diǎn)A在圖像上的列坐標(biāo)jO和iO行坐標(biāo)，和為點(diǎn)O在圖像上的列坐標(biāo)和行坐標(biāo)。從而可以得到點(diǎn)A在徑向運(yùn)動(dòng)中在X，Y軸方向上的運(yùn)動(dòng)補(bǔ)償值如公式（2）（3）所示。

在公式（2）（3）中move為運(yùn)動(dòng)補(bǔ)償系數(shù)，依據(jù)有軌電車運(yùn)動(dòng)速度而定。從而可以計(jì)算出A點(diǎn)在下一幀圖像上的位置A′（i，j）。計(jì)算公式（4）如下：

式中iA和jA為點(diǎn)A的行坐標(biāo)和列坐標(biāo)。如圖2所示，同理可以得到點(diǎn)B、C到B′、C′的運(yùn)動(dòng)補(bǔ)償矢量。

1.2像素值重分配

通過(guò)徑向補(bǔ)償算法，可以解決在行車過(guò)程中，因?yàn)閳D像背景中物體的位移對(duì)圖像幀差分算法的干擾，但是在背景中物體位置不斷變化的過(guò)程中，其大小也在發(fā)生改變。當(dāng)電車在向前行駛的過(guò)程中，攝像機(jī)拍攝到的連續(xù)幀圖像中，圖像上的物體都會(huì)離攝像機(jī)越來(lái)越近，因此背景物體不僅會(huì)以圖像幾何中心為基準(zhǔn)點(diǎn)向外做徑向運(yùn)動(dòng)，其大小也會(huì)隨時(shí)間的推移，在圖像中不斷變大。

按照電車行進(jìn)過(guò)程中物體的變化規(guī)律，將整幅圖像，以幾何中心為原點(diǎn)，分成A、B、C、D 4個(gè)部分。并且在每個(gè)區(qū)域里再分割成5個(gè)子區(qū)域，所以可以得到5*4即20個(gè)子區(qū)域，每個(gè)區(qū)域按照不同的像素分配原則進(jìn)行像素重新分配。區(qū)域劃分如圖3所示。

圖3　圖像區(qū)域劃分示意圖

圖3中，4個(gè)大區(qū)域A、B、C、D再分成1、2、3、4、5,5個(gè)子區(qū)域。在區(qū)域A中，第一個(gè)子區(qū)域A1按照2*2的模板進(jìn)行像素重分配，分配公式如（5）（6）（7）（8）所示。

式中P（i，j）代表圖像P在i行j列的像素值。最后將不同的像素點(diǎn)分配到同一個(gè)坐標(biāo)位置的像素值進(jìn)行疊加即可以得到像素重新分配后的結(jié)果。在A2、A3、A4、A5子區(qū)域按照3*3、4*4、5*5、6*6的模板進(jìn)行像素值重分配，不同子區(qū)域的像素值重分配原則類似，模板如圖4所示。

圖4　A區(qū)域像素分配模板

而在其他剩下的B、C、D，3個(gè)區(qū)域里，像素重新分配的方法大致相同，但所用模板發(fā)生了變化，例如在A區(qū)域里，模板系數(shù)從右下角位置開始向左上角逐漸減小。而在B區(qū)域里，模板系數(shù)從左下角開始逐漸減小。圖5為B區(qū)域里各個(gè)子區(qū)域的像素分配模板。

其他區(qū)域模板按類似規(guī)律分配。雖然每個(gè)部分的模板不一樣，但是每個(gè)模板里系數(shù)的和都等于1，且相同大小的模板中每一個(gè)層級(jí)的系數(shù)是一樣的。通過(guò)按照上述模板對(duì)整個(gè)圖像上各個(gè)位置的像素值進(jìn)行重新分配，從而可以對(duì)圖像中物體幾何尺寸的改變進(jìn)行補(bǔ)償。

圖5　B區(qū)域像素分配模板

1.3運(yùn)動(dòng)目標(biāo)檢測(cè)實(shí)現(xiàn)步驟

步驟一，獲取兩張相鄰幀的原始彩色圖像，按照本文研究要求，兩幀之間時(shí)間相差0.1 s。

步驟二，將獲得的彩色圖像灰度化，減少處理的信息量，并對(duì)每一幀圖像進(jìn)行濾波等預(yù)處理操作，減少圖像噪聲干擾。

步驟三，對(duì)前一幀圖像，按照像素值重分配算法，對(duì)圖像各個(gè)位置的像素值進(jìn)行重新分配。

步驟四，根據(jù)徑向補(bǔ)償算法，通過(guò)計(jì)算出每一個(gè)像素點(diǎn)的ΔA_x，ΔA_y從而根據(jù)公式（2）（3）得到圖像上每一個(gè)點(diǎn)的在X、Y軸方向上的運(yùn)動(dòng)補(bǔ)償值delta_X和delta_Y。

步驟五，對(duì)處理后的前后兩張圖片進(jìn)行幀差分操作。如公式（9）所示。

Pk（i，j）代表第K幀圖像的第i行第j列的像素值，Pk-1（i，j）代表通過(guò)步驟三像素重新分配后的第K-1幀圖像（即前一幀圖像）的第i行第j列的像素值。P（i，j）代表通過(guò)差分后圖像P在第i行第j列的像素值。

步驟六，對(duì)上一步所得到的差分圖像P進(jìn)行二值化操作。即可得到較好反應(yīng)運(yùn)動(dòng)目標(biāo)的二值圖像。

2　實(shí)驗(yàn)結(jié)果及分析

本實(shí)驗(yàn)采用搭載在現(xiàn)代有軌電車上的攝像頭獲取連續(xù)的視頻序列幀，每幀圖像之間相隔0.1 s，圖像中不僅目標(biāo)在移動(dòng)，背景也會(huì)由于攝像機(jī)的運(yùn)動(dòng)而發(fā)生較大的變化。圖6 （a）為前一幀原始圖像，圖6（b）為當(dāng)前幀原始圖像，圖6（c）為前一幀的灰度圖像，圖6（d）為當(dāng)前幀的灰度圖像。

圖7（a）為直接相鄰幀差分后的結(jié)果圖，圖7（b）為運(yùn)用傳統(tǒng)灰度投影算法進(jìn)行運(yùn)動(dòng)補(bǔ)償后的幀差分結(jié)果圖，圖7（c）為運(yùn)用文中提出的運(yùn)動(dòng)補(bǔ)償算法后的幀差分結(jié)果圖。

通過(guò)實(shí)驗(yàn)結(jié)果比較可以看出，因?yàn)楸尘笆菍?shí)時(shí)變化的，所以通過(guò)直接相鄰幀差分后的結(jié)果中運(yùn)動(dòng)目標(biāo)周圍還殘留了大量的背景物體，對(duì)后續(xù)的運(yùn)動(dòng)目標(biāo)檢測(cè)會(huì)產(chǎn)生較大的干擾。而傳統(tǒng)的灰度投影算法，是將一幀圖像進(jìn)行平移后再進(jìn)行差分的，雖然效果較直接相鄰幀差分法有所改善，但是并不完全適用于本文研究的場(chǎng)景中。所以在移動(dòng)目標(biāo)附近仍然會(huì)殘留比如電線桿、圍欄等背景物體。而在運(yùn)用本文提出的運(yùn)動(dòng)補(bǔ)償算法后，移動(dòng)目標(biāo)附近的背景物體基本被消除干凈，較前兩種算法，干擾已經(jīng)大大減少。而且實(shí)驗(yàn)中外界環(huán)境的變化對(duì)本算法結(jié)果的影響也最小，這也說(shuō)明了本算法對(duì)動(dòng)態(tài)環(huán)境有很強(qiáng)的適應(yīng)性。

圖6　相鄰兩幀的原始圖像及灰度圖像

圖7　3種算法的實(shí)驗(yàn)結(jié)果圖

3　結(jié)束語(yǔ)

文中針對(duì)所研究的現(xiàn)代有軌電車障礙物識(shí)別這個(gè)平臺(tái)下的運(yùn)動(dòng)目標(biāo)檢測(cè)技術(shù)，提出了一種新的運(yùn)動(dòng)補(bǔ)償算法，采用徑向運(yùn)動(dòng)補(bǔ)償和像素值重分配來(lái)適應(yīng)本文所研究的對(duì)象和環(huán)境。實(shí)驗(yàn)表明，本算法可以充分適應(yīng)有軌電車的特殊環(huán)境和特殊運(yùn)動(dòng)規(guī)律，基本消除運(yùn)動(dòng)目標(biāo)周圍背景對(duì)運(yùn)動(dòng)目標(biāo)的干擾，并且該算法運(yùn)算速度快，滿足實(shí)時(shí)性的要求，為下一步更加準(zhǔn)確地從視頻序列中提取出運(yùn)動(dòng)目標(biāo)并識(shí)別目標(biāo)奠定了良好的基礎(chǔ)。

[1]徐衛(wèi)星，王蘭英，李秀娟.一種基于OpenCV實(shí)現(xiàn)的三幀差分運(yùn)動(dòng)目標(biāo)檢測(cè)算法研究[J].計(jì)算機(jī)與數(shù)字工程，2011 （11）:141-144.

[2]張森悅，李一波.復(fù)雜條件下的運(yùn)動(dòng)目標(biāo)檢測(cè)方法研究綜述[J].沈陽(yáng)航空航天大學(xué)學(xué)報(bào)，2008，25（3）:59-63.

[3]Rathod M P R，Patel M A H.A Novel Approach forMoving Object Detection from Dynamic Background[J].International Journal of Engineering Research&Applications，2015，5 （3）：1-4.

[4]袁國(guó)武，陳志強(qiáng)，龔健，等.一種結(jié)合光流法與三幀差分法的運(yùn)動(dòng)目標(biāo)檢測(cè)算法 [J].小型微型計(jì)算機(jī)系統(tǒng)，2013，34（3）:668-671.

[5]萬(wàn)纓，韓毅，盧漢清.運(yùn)動(dòng)目標(biāo)檢測(cè)算法的探討 [J].計(jì)算機(jī)仿真，2006，23（10）:221-226.

[6]薛麗霞，羅艷麗，王佐成.基于幀間差分的自適應(yīng)運(yùn)動(dòng)目標(biāo)檢測(cè)方法[J].計(jì)算機(jī)應(yīng)用研究，2011，28（4）:1551-1552.

[7]白曉方.復(fù)雜背景下目標(biāo)檢測(cè)與跟蹤技術(shù)研究 [D].太原：中北大學(xué)，2014.

[8]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，2009，25（12）:274-276.

[9]張娟.基于單目視覺(jué)運(yùn)動(dòng)背景下的動(dòng)目標(biāo)檢測(cè)有關(guān)問(wèn)題的研究[D].西安：西北大學(xué)，2009.

[10]張旭光，韓廣良，孫巍，等.復(fù)雜背景下運(yùn)動(dòng)目標(biāo)的提取[J].光電工程，2006，33（4）:10-13.

[11]王建平，欒慶磊，何勇.無(wú)特定背景條件下運(yùn)動(dòng)目標(biāo)的分割算法研究[J].計(jì)算機(jī)應(yīng)用與軟件，2010，27（3）:255-259.

[12]李計(jì)添，何永強(qiáng)，陳財(cái)森，等.一種基于灰度投影算法的車載電子穩(wěn)像方法[J].紅外技術(shù)，2010，32（6）:328-332.

[13]崔文超，洪新華，吳正平.一種運(yùn)動(dòng)背景下目標(biāo)快速定位方法[J].三峽大學(xué)學(xué)報(bào)：自然科學(xué)版，2007，29（2）:163-166.

[14]朱明旱，羅大庸，曹倩霞.幀間差分與背景差分相融合的運(yùn)動(dòng)目標(biāo)檢測(cè)算法 [J].計(jì)算機(jī)測(cè)量與控制，2015，13（3）: 215-217.

[15]熊英.基于背景和幀間差分法的運(yùn)動(dòng)目標(biāo)提取[J].計(jì)算機(jī)時(shí)代，2014（3）:38-41.

[16]胡斌，王國(guó)平，李國(guó)強(qiáng).采用多目標(biāo)改進(jìn)差分進(jìn)化算法的環(huán)境經(jīng)濟(jì)發(fā)電調(diào)度[J].陜西電力,2013(1):24-27.

[17]郝維來(lái),吳旨競(jìng).基于隔幀差分和背景減去法的運(yùn)動(dòng)車輛檢測(cè)算法[J].工業(yè)儀表與自動(dòng)化裝置，2013(1):104-109.

A method for moving objects detection in non-stationary background

ZHANG Zhao-yang1，QIANG Xiang2，CHEN Qi-wei1，WANG Yi-ming2，WU Cheng2
（1.School of Electronic and Information Engineering，Soochow University，Suzhou 215000，China；2.School of Urban Rail Translation，Soochow University，Suzhou 215000，China）

For the video sequence taken bymoving camera,the target and background in it are also moving.Thus,it is hard to detect the moving target.This paper presents a detection technique for the moving target.It adapts to the real-time video frame sequence which is taken by the obstacle detecting system of modern tramcar.Through radial motion compensation andredistribution of pixel values,motion compensation is implemented effectively.Thereby,the moving target can be extracted from the video sequence by frame difference.The experimental results which is run in obstacle detecting system of modern tramcar indicate that this technique can perfectly eliminate interference of background surrounding the moving target. Moreover,it lays a solid foundation for moving targetrecognition.

background；motion compensation；frame difference；moving objects detection

TN919.8

A

1674－6236（2016）22-0127-04

2016-03-21稿件編號(hào)：201603269

江蘇省科技廳基金基于機(jī)器視覺(jué)和雷達(dá)的有軌電車軌道障礙物探測(cè)技術(shù)（BY2015039-12）；2014深圳市城市軌道交通重點(diǎn)實(shí)驗(yàn)室開放基金

張兆陽(yáng)（1991—），男，吉林長(zhǎng)春人，碩士研究生。研究方向：圖像處理。