曾品善

摘 要 運動目標檢測處于人體行為識別過程的最底層，但目標檢測的結(jié)果直接影響到后續(xù)目標跟蹤的效果，同時也是高級處理階段如特征提取、人體行為識別等的基礎(chǔ)。本文介紹了常用的三種運動目標檢測方法，并分別對其優(yōu)缺點進行了分析。

關(guān)鍵詞 目標檢測 幀差法 背景消減法

中圖分類號：TP391.4 文獻標識碼：A

人體運動目標檢測是基于視頻的人體行為識別過程的重要階段，它為目標跟蹤和人體行為識別等后續(xù)工作提供基礎(chǔ)支撐。目標檢測又稱目標提取，是將人體目標從視頻圖像中提取出來。其原理是根據(jù)運動目標的幾何特性和統(tǒng)計特性，提取出視頻圖像中變化的像素點區(qū)域，從而達到人體運動目標和背景圖像相分割的目的。常用的目標檢測方法主要有幀差法、背景消減法和光流法。

（1）幀差法是對連續(xù)兩幀視頻序列圖像作差分運算，設(shè)置合適的閥值對差分圖像執(zhí)行閾值化操作，分離出前景像素區(qū)域和背景像素區(qū)域，從而判斷目標所在的區(qū)域。幀差法流程圖如圖1所示。

幀差法簡單易實現(xiàn)，計算量較小，對光照強弱程度不敏感，而且具有穩(wěn)定性，能夠很好的適應環(huán)境變化，如出現(xiàn)多個運動目標或背景的快速變化情況。

但該算法也存在不足之處。首先，閾值的選擇限制了它的使用，閾值過大容易漏掉圖像中有用的信息，閾值過小則不能抑制噪聲。其次，對于灰度均勻度較大的目標區(qū)域，采用幀差法將會使這部分產(chǎn)生出“空洞”，無法滿足檢測目標的完整性，其結(jié)果將會直接影響目標跟蹤的效果。另外，真正穩(wěn)定的場景是不存在的，抖動亦會影響算法實際效果。盡管幀差法無法提取出完整的目標區(qū)域，但由于其簡單易行、計算量小等優(yōu)點，該快速檢測算法得到了廣泛應用。

（2）背景消減法又稱背景差分法，是常用的運動目標分割方法，該算法假定可以獲得理想的背景圖像，首先為序列圖像建模，然后將當前幀圖像與背景模型進行差分運算，獲取運動目標。在背景穩(wěn)定的情況下，若差值很小，則認為場景內(nèi)沒有運動目標；若背景圖像中某一區(qū)域發(fā)生明顯變化，則意味著場景內(nèi)有運動目標，于是標記圖像中的變化區(qū)域，進而提取目標區(qū)域。背景差分法流程圖如圖2所示。

該方法的優(yōu)點是可以較容易的得到目標描述，并且無論目標處于靜止還是運動，都可以很好的進行識別和跟蹤。不過該方法的缺點是計算量比較大，每次背景更新都需要大量的計算，還需要建立相對合適的模型才能完成有效識別與跟蹤，在背景變化比較頻繁或者做大幅度運動時也不適用，比較適合在環(huán)境變化不是很大的情況下使用。典型算法有單高斯背景算法和混合高斯背景算法。

（3）光流法通過計算圖像的光流場，結(jié)合目標運動隨時間變化的光流場特征進行目標檢測。光流場是指圖像灰度模式運動的速度場，它是物體三維速度矢量在二維平面上的投影。光流法的基本思想是根據(jù)序列圖像中灰度值隨時間的變化來計算速度場，然后利用約束條件，推測出目標運動參數(shù)。

光流法的優(yōu)點是：①不需要場景的先驗信息；②能很好地處理攝像機移動等背景運動情況，不影響檢測目標；③可獲取目標速度等運動信息。這種方法的缺點是：①采用迭代運算，計算量大，很難滿足實時性要求；②易受噪聲、光照變化影響，產(chǎn)生錯誤檢測結(jié)果。

參考文獻

[1] 趙懷勛，姜瑩礁.基于顏色和方向梯度特征融合的粒子濾波跟蹤算法[J].計算機應用與軟件，2014，31（6）：260-263.

[2] 姜瑩礁，趙懷勛，等.基于聚類RBF神經(jīng)網(wǎng)絡(luò)的人體行為識別[J].計算機應用與軟件，2013，30（2）：47-50.