摘 要：運(yùn)動目標(biāo)檢測是圖像處理的基本方法，也是圖像分割和圖像識別的基礎(chǔ)。運(yùn)動目標(biāo)檢測的準(zhǔn)確性和實(shí)時(shí)性是視頻分析和處理的關(guān)鍵。針對傳統(tǒng)的運(yùn)動目標(biāo)檢測易受噪聲和光線的影響，出現(xiàn)虛假目標(biāo)等不足，文章提出了一種改進(jìn)的運(yùn)動檢測方法。該方法將邊緣檢測和幀間差分法相結(jié)合的方法來測運(yùn)動目標(biāo)，提高了準(zhǔn)確性。

關(guān)鍵詞：運(yùn)動目標(biāo)檢測；幀差法；邊緣檢測；sobel

智能視頻是計(jì)算機(jī)視覺和視頻圖像分析相結(jié)合的一門技術(shù)，通過攝像頭記錄的視頻自動分析[1]，實(shí)時(shí)對動態(tài)場景中的運(yùn)動目標(biāo)進(jìn)行監(jiān)測和分析。隨著現(xiàn)代計(jì)算機(jī)技術(shù)發(fā)展和圖像處理技術(shù)的進(jìn)步，智能視頻已被廣泛應(yīng)用于交通流量控制、汽車自動駕駛以及監(jiān)控和安防等領(lǐng)域。傳統(tǒng)的視頻監(jiān)控系統(tǒng)，單純的依靠監(jiān)控人員對大量的圖像信息進(jìn)行篩選，工作量大，效率低。智能視頻監(jiān)控是基于傳統(tǒng)的視頻監(jiān)控，通過圖像處理技術(shù)自動檢測出運(yùn)動的目標(biāo)，提高工作效率的一種方法。

運(yùn)動目標(biāo)檢測不僅是智能視頻監(jiān)控的基礎(chǔ)，更是目標(biāo)定位、識別和跟蹤的前提。光流法、幀間差分法、背景差分法是運(yùn)動目標(biāo)檢測的基本方法。背景差分法基本原理是利用當(dāng)前圖像和背景圖像的差分通過閾值分割來提取運(yùn)動目標(biāo)，原理簡單，易于實(shí)現(xiàn)，可以較好地提取出運(yùn)動目標(biāo)的信息，但是該方法對于環(huán)境背景的要求較高，對背景的變化非常敏感。光流法檢測準(zhǔn)確率高，對靜態(tài)和動態(tài)背景都具有較好的適應(yīng)性，但計(jì)算復(fù)雜，實(shí)時(shí)性差，抗噪聲效果差，對硬件要求高，不能滿足實(shí)際應(yīng)用的需求[2]。幀間差分法對進(jìn)行差分運(yùn)算，實(shí)時(shí)性較強(qiáng)，對視頻中光線敏感性不敏感，是運(yùn)動目標(biāo)檢測常用的方法之一。幀間差分法用相鄰差分法檢測目標(biāo)，能較好地適應(yīng)環(huán)境變化較大的目標(biāo)檢測，但對于變化不明顯的像素點(diǎn)難以進(jìn)行有效檢測，兩幀目標(biāo)重疊部分不易檢測、出現(xiàn)虛假目標(biāo)等問題[3]。邊緣是圖像分割的重要依據(jù)，也是紋理分析和圖像識別的重要基礎(chǔ)。圖像的邊緣不易受噪聲和亮度的影響，將邊緣檢測和三幀幀差法相結(jié)合檢測運(yùn)動目標(biāo)能提高算法的準(zhǔn)確性和可靠性。首先將連續(xù)三幀進(jìn)行邊緣檢測，然后將相鄰相近做幀差，或者兩幅差分圖像，最后將將兩幅差分圖像做或運(yùn)算，即得到運(yùn)動目標(biāo)區(qū)域。

1 邊緣檢測

1.1 邊緣算子

邊緣是圖像的最基本特征，指圖像周圍像素灰度有階躍變化或屋頂狀變化的像素集合，是圖像分割的重要依據(jù)。Sobel算子方法簡單，處理速度快，并且所取得的邊緣光滑、連續(xù)，對噪聲具有平滑作用，也是邊緣檢測常用的方法之一。Sobel算子是基于一階微分的邊緣檢測算法，它是以像素為中心的鄰域內(nèi)做灰度的加權(quán)運(yùn)算，根據(jù)該點(diǎn)是否處于極值狀態(tài)來檢測邊緣。其基本原理是，設(shè)f（x，y）為像素點(diǎn)的灰度值：

Sobel算子是邊緣提取中最常用的算子之一，它結(jié)合了高斯平滑和微分，其邊緣提取的結(jié)果對噪聲有一定的魯棒性。傳統(tǒng)的sobel邊緣檢測只能檢測水平和垂直這兩個(gè)方向的的邊緣，檢測效果不是很好，使用8個(gè)方向的模板進(jìn)行邊緣檢測，能更好的檢測紋理復(fù)雜的邊緣。

1.2 閾值選取

通過閾值將圖像二值化可將圖像的前景和背景分割，提取出來運(yùn)動目標(biāo)，而閾值選擇是否恰當(dāng)決定了能不能正確地提取出來運(yùn)動目標(biāo)。假如選擇太大或者太小，都有可能出現(xiàn)將前景運(yùn)動目標(biāo)判為背景或背景判為前景運(yùn)動目標(biāo)。采用固定值是閾值選取的簡單方法，這樣更易處理，但是若光線或者場景發(fā)生變化，致使檢測效果差。最大類間方差法是一種自適應(yīng)閾值確定方法，它將最佳門限將圖像的直方圖分成目標(biāo)和背景兩部分，使兩部分的類間方差為最大 。這種方法計(jì)算簡單，而且適應(yīng)性強(qiáng)，在一定條件下受圖像對比度與亮度變化的影響較小。

2 幀間差分法

幀間差分法是是運(yùn)動目標(biāo)檢測的經(jīng)典算法，視頻序列是由按時(shí)間分割成的多幀圖像組成，相鄰的兩幅圖像背景基本不會發(fā)生變化，而運(yùn)動的物體由于發(fā)生了距離的變化，導(dǎo)致了幀間相同位置上像素發(fā)生了改變。幀間差分法就是根據(jù)像素的時(shí)間差分通過二值化來檢測運(yùn)動目標(biāo)。當(dāng)目標(biāo)運(yùn)動速度較慢時(shí)，目標(biāo)出現(xiàn)的區(qū)域有可能變化不大，形成類似于隨機(jī)噪聲的孤立點(diǎn)，為了避免目標(biāo)的丟失，通常采用三幀幀差法。

三幀差分法是將中間幀分別與前后兩幀做差分運(yùn)算，將差分運(yùn)算的結(jié)果進(jìn)行“與”操作，就可將運(yùn)動目標(biāo)的輪廓提取出來。三幀差法法能準(zhǔn)確快速地檢出出運(yùn)動目標(biāo)，實(shí)時(shí)性強(qiáng)。在某一視頻序列中，設(shè)連續(xù)三幀為ft-1、ft、ft+1，將中間幀分別與前后兩幀做差分得到Dn-1、Dn，最后將差分結(jié)果做“與”操作得到最后結(jié)果gk，如公式1。

3 測試結(jié)果與分析

為了驗(yàn)證算法的可靠性，連續(xù)幾周對輸電線路進(jìn)行實(shí)時(shí)監(jiān)控。如圖1所示，當(dāng)有吊車在輸電線路下作業(yè)時(shí)，該算法能自動檢測出正在作業(yè)的吊車。如圖2所示，算法自動檢測出正在作業(yè)的挖掘機(jī)。

4 結(jié)束語

運(yùn)動目標(biāo)檢測一直是視頻分析的難點(diǎn)和重點(diǎn)。文章將邊緣檢測和幀間差分法相結(jié)合實(shí)時(shí)對運(yùn)動目標(biāo)檢測，算法簡單，計(jì)算速度快，準(zhǔn)確性高。

參考文獻(xiàn)

[1]侯宏錄，李寧鳥，劉迪迪，等.智能視頻監(jiān)控中的運(yùn)動目標(biāo)檢測研究[J].計(jì)算機(jī)科學(xué)技術(shù)與發(fā)展，2012，22（2）.

[2]丁磊，宮寧生.基于改進(jìn)的三幀差分法運(yùn)動目標(biāo)檢測[J].電視技術(shù)，2013（1）.

[3]Valera M and Velastin S A. Intelligent Distributed Surveillance Systems： A Review [J].IEE Proceedings Vision， Image and Signal Processing，2005，152（2）：192-204.