李秀麗+李旭健+高林

摘 要：為了克服幀間差分法和HS光流法在運(yùn)動(dòng)目標(biāo)檢測中的缺點(diǎn)，提高視頻運(yùn)動(dòng)目標(biāo)檢測準(zhǔn)確性，提出了一種將改進(jìn)的三幀差分法和基于灰度梯度優(yōu)化計(jì)算的光流法相結(jié)合的運(yùn)動(dòng)目標(biāo)檢測算法。首先利用改進(jìn)的三幀差分算法對圖像進(jìn)行預(yù)處理，使用最大類間方差法對圖像進(jìn)行二值化，獲得全局二值化閾值，得到準(zhǔn)確度較高的運(yùn)動(dòng)目標(biāo)區(qū)域；然后利用優(yōu)化灰度計(jì)算的光流法處理，排除光線等因素的干擾，從而更加準(zhǔn)確地提取運(yùn)動(dòng)目標(biāo)區(qū)域。實(shí)驗(yàn)結(jié)果表明，該方法能夠有效提高運(yùn)動(dòng)目標(biāo)檢測的準(zhǔn)確性。

關(guān)鍵詞關(guān)鍵詞：HS光流法；三幀差分法；灰度梯度優(yōu)化；最大類間方差法

DOIDOI：10.11907/rjdk.161773

中圖分類號：TP312

文獻(xiàn)標(biāo)識碼：A 文章編號：1672-7800（2016）008-0026-04

0 引言

隨著計(jì)算機(jī)技術(shù)的不斷發(fā)展，計(jì)算機(jī)視覺研究方興未艾，而運(yùn)動(dòng)目標(biāo)檢測在智能交通、軍事等領(lǐng)域成為熱點(diǎn)。視頻圖像中的運(yùn)動(dòng)目標(biāo)檢測在計(jì)算機(jī)視覺領(lǐng)域成為一個(gè)重要的研究課題。

傳統(tǒng)的視頻運(yùn)動(dòng)目標(biāo)檢測方法有背景差分法、幀間差分法和光流法。背景差分法是利用圖像序列中當(dāng)前幀圖像和背景圖像相對于參考模型進(jìn)行比較的一種檢測運(yùn)動(dòng)目標(biāo)方法[1]。此算法相對簡單，檢測效率較高，其性能依賴于所使用的背景建模技術(shù)。但是一旦圖像背景發(fā)生變化或被其它物體干擾時(shí)，就不能準(zhǔn)確地檢測出運(yùn)動(dòng)目標(biāo)，即背景差分法的抗干擾能力較弱。傳統(tǒng)的幀間差分法是用圖像序列中的連續(xù)兩幀圖像進(jìn)行差分，然后二值化該灰度差分圖像來提取運(yùn)動(dòng)信息[1-2]。這種方法的優(yōu)點(diǎn)是算法實(shí)現(xiàn)簡單，程序設(shè)計(jì)復(fù)雜度低，對光線等場景變化不太敏感，能夠適應(yīng)各種動(dòng)態(tài)環(huán)境，穩(wěn)定性較好。缺點(diǎn)是不能提取出對象的完整區(qū)域，只能提取邊界，同時(shí)依賴于選擇的幀間時(shí)間間隔。對快速運(yùn)動(dòng)的物體，需要選擇較小的時(shí)間間隔，如果選擇不合適，物體在前后兩幀中沒有重疊時(shí)會被檢測為兩個(gè)分開的物體。而對慢速運(yùn)動(dòng)的物體，應(yīng)該選擇較大的時(shí)間差，如果時(shí)間選擇不適當(dāng)，物體在前后兩幀中幾乎完全重疊時(shí)則檢測不到物體。光流法是給圖像中的每個(gè)像素點(diǎn)賦予一個(gè)速度矢量，形成圖像運(yùn)動(dòng)場。在不同的時(shí)刻，根據(jù)各像素點(diǎn)的速度矢量特征對圖像進(jìn)行動(dòng)態(tài)分析。當(dāng)圖像中有運(yùn)動(dòng)物體時(shí)，目標(biāo)和圖像背景存在相對運(yùn)動(dòng)，運(yùn)動(dòng)物體所形成的速度矢量必然和鄰域背景速度矢量不同，從而檢測出運(yùn)動(dòng)物體及位置[2，6-7]。它的優(yōu)點(diǎn)在于光流不僅攜帶了物體的運(yùn)動(dòng)信息，而且還攜帶了有關(guān)景物三維結(jié)構(gòu)的豐富信息，能夠在不知道場景任何信息的情況下檢測出運(yùn)動(dòng)對象。但是這種方法計(jì)算耗時(shí)，實(shí)時(shí)性和實(shí)用性都較差。

文獻(xiàn)[3]利用Harris角點(diǎn)作為特征像素點(diǎn)，用LK算法對這些特征點(diǎn)進(jìn)行稀疏光流計(jì)算，三幀差分起到了補(bǔ)充作用。Harris 角點(diǎn)檢測子對圖像的尺度變化非常敏感，小的尺度變化就會造成Harris 角點(diǎn)的復(fù)現(xiàn)率快速下降，圖像的尺度伸縮將使由Harris 檢測子提取的特征不具有重復(fù)性，效率不高。文獻(xiàn)[4]利用幀間差分和光流法相結(jié)合的方法檢測視頻序列中的運(yùn)動(dòng)目標(biāo)，相比之前的檢測方法有了一定的提高，但是光流法本身計(jì)算較復(fù)雜耗時(shí)，應(yīng)用性不強(qiáng)。

為了充分發(fā)揮三幀差分的作用，本文提出了一種改進(jìn)的三幀差分方法和優(yōu)化灰度圖像計(jì)算的光流法相結(jié)合的方法，簡化了計(jì)算過程，提高了計(jì)算效率。

1 改進(jìn)的視頻運(yùn)動(dòng)目標(biāo)檢測算法

為了克服上述算法的缺點(diǎn)和不足，本文提出一種改進(jìn)算法：首先利用改進(jìn)的三幀差分算法對圖像預(yù)處理，降低圖像背景對運(yùn)動(dòng)目標(biāo)的影響，經(jīng)過膨脹得到運(yùn)動(dòng)目標(biāo)的大致區(qū)域，接著對預(yù)處理過的圖像用基于灰度優(yōu)化的光流法計(jì)算光流，得到運(yùn)動(dòng)目標(biāo)的精確區(qū)域，檢測到運(yùn)動(dòng)目標(biāo)。算法流程如圖1所示。

1.2 提取運(yùn)動(dòng)目標(biāo)

HS光流法最早由Horm和Schunck在1981年提出，兩人結(jié)合了二維的瞬時(shí)速度場和圖像灰度，又根據(jù)圖像灰度守恒原理提出了古典的光流約束方程：

Ixu+Iyv+It=0（7）這個(gè)方法前提條件是場景中光照環(huán)境保持不變，即圖像的變化僅僅是由物體的運(yùn)動(dòng)產(chǎn)生。假設(shè)某個(gè)時(shí)刻t，點(diǎn)（x，y）在圖像中的亮度由I（x，y，t）表示，由于圖像中任意指定點(diǎn)的亮度是保持不變的，所以有：

dIdt=0（8）可以計(jì)算得到光流的約束方程，這個(gè)方程中包含了u和v兩個(gè)未知變量，一個(gè)方程中含有兩個(gè)未知變量顯然沒法解決問題。這里要添加平滑性約束條件，令約束方程成立。具體內(nèi)容為：圖像上任意一點(diǎn)光流并不是獨(dú)立存在的，光流在整個(gè)圖像范圍內(nèi)進(jìn)行平滑變化，因此給出了平滑約束方程為：

上述改進(jìn)方法減少了光流法的迭代次數(shù)，簡化了光流的計(jì)算過程，提高了光流計(jì)算的準(zhǔn)確性，為準(zhǔn)確檢測出目標(biāo)打下了基礎(chǔ)。

2 實(shí)驗(yàn)結(jié)果與分析

由于傳統(tǒng)的光流法與三幀差分法都有各自的優(yōu)缺點(diǎn)，為了充分利用兩者的優(yōu)點(diǎn)，改善它們的不足，本文提出一種結(jié)合改進(jìn)的三幀差分法和基于灰度變化率的改進(jìn)的光流法進(jìn)行運(yùn)動(dòng)目標(biāo)檢測。

本實(shí)驗(yàn)中，使用MATLAB軟件開發(fā)工具，使用的圖像資源是車輛檢測的官方視頻，本實(shí)驗(yàn)命名為cartracking.avi。視頻總長度為4s，視頻幀率設(shè)置為15幀/s。經(jīng)過多次實(shí)驗(yàn)后總結(jié)出閾值為T=25時(shí)能較好地去除圖像噪聲。

為了能夠清晰地體現(xiàn)本文方法的優(yōu)越性，對原有的視頻圖像分別進(jìn)行了傳統(tǒng)光流法實(shí)驗(yàn)、優(yōu)化灰度計(jì)算的光流法實(shí)驗(yàn)、傳統(tǒng)的三幀差分方法實(shí)驗(yàn)、改進(jìn)的三幀差分方法實(shí)驗(yàn)以及本文方法實(shí)驗(yàn)。實(shí)驗(yàn)中選取的經(jīng)驗(yàn)值為5，通過實(shí)驗(yàn)可以發(fā)現(xiàn)：

對圖3 （a）、圖3（b） 和圖3（c），使用傳統(tǒng)方法得到的檢測目標(biāo)區(qū)域圖像輪廓不太清晰，區(qū)域范圍不是很明確。

圖4是實(shí)驗(yàn)視頻中11幀（d） 、16幀（e） 和21幀（f） 三幀的檢測圖像，可以看出改進(jìn)的三幀差分檢測方法在出現(xiàn)重疊部分的區(qū)域，所檢測出的目標(biāo)區(qū)域清晰度明顯增加，檢測出的目標(biāo)信息更加全面，邊緣線相比傳統(tǒng)的方法較連續(xù)，檢測結(jié)果有比較大的提高。

圖5為經(jīng)典的HS光流法實(shí)驗(yàn)圖。 可以看出，光流的密度比較稀疏，沒有全面計(jì)算出運(yùn)動(dòng)目標(biāo)的運(yùn)動(dòng)光流，所以不能夠顯示整個(gè)運(yùn)動(dòng)目標(biāo)區(qū)域，距離理想中的檢測結(jié)果差距較遠(yuǎn)。利用改進(jìn)的光流法得到的運(yùn)動(dòng)目標(biāo)檢測結(jié)果計(jì)算的光流如圖6所示。

圖7為本文改進(jìn)算法的檢測結(jié)果?？梢钥闯?，本文方法可以清晰地檢測出運(yùn)動(dòng)目標(biāo)，清晰度超越了兩者結(jié)合之前的程度，同時(shí)檢測效率也得到了提高。

3 結(jié)語

本文針對三幀差分和光流法的優(yōu)缺點(diǎn)，提出了改進(jìn)的三幀差分與基于灰度梯度優(yōu)化計(jì)算的光流法相結(jié)合的方法，使用最大類間方差法進(jìn)行閾值選擇，能夠相對快速準(zhǔn)確地檢測運(yùn)動(dòng)目標(biāo)。改進(jìn)的三幀差分算法實(shí)現(xiàn)簡單，檢測效果有了明顯提升。此方法也可同時(shí)對多個(gè)目標(biāo)進(jìn)行檢測。優(yōu)化灰度計(jì)算后的光流法，算法較簡單，兩者相結(jié)合提高了檢測效率，具有一定的實(shí)用價(jià)值。本文不足之處在于研究的前提是光照環(huán)境保持不變，而在實(shí)際視頻情景中，光線強(qiáng)度是不斷變化的。因此本文是在理想條件下進(jìn)行的實(shí)驗(yàn)，考慮光線變化的工作有待下一步開展。

參考文獻(xiàn)：

[1] 屈晶晶，辛云宏.連續(xù)幀間差分與背景差分相融合的運(yùn)動(dòng)目標(biāo)檢測方法[J].光子學(xué)報(bào)，2014（7）：219-226.

[2] 季鳴，王紅茹，童偉.基于改進(jìn)差分和光流的新型運(yùn)動(dòng)目標(biāo)檢測方法[J].計(jì)算機(jī)系統(tǒng)應(yīng)用，2015（10）：111-115.

[3] 袁國武，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)檢測算法[J].小型微型計(jì)算機(jī)系統(tǒng)，2013（3）：668-671.

[4] 李春華，李寧.序列圖像運(yùn)動(dòng)目標(biāo)的新型快速檢測方法[J].小型微型計(jì)算機(jī)系統(tǒng)，2014（8）：1916-1921.

[5] 郝穎明，朱楓.二維Otsu自適應(yīng)閾值的快速算法[J].中國圖像圖形學(xué)報(bào)，2005（4）：484-488.

[6] 盛旭鋒，朱方文，李校祖，等.基于三幀時(shí)間差分法的獨(dú)居老人運(yùn)動(dòng)檢測[J].計(jì)算機(jī)工程與應(yīng)用，2010（13）：239-241.

[7] 胡覺暉，李一民，潘曉露.改進(jìn)的光流法用于車輛識別與跟蹤[J].科學(xué)技術(shù)與工程，2010（23）：5814-5817.

[8] 楊葉梅 .基于改進(jìn)光流法的運(yùn)動(dòng)目標(biāo)檢測[J].計(jì)算機(jī)與數(shù)字工程，2011（9）：108-160.

[9] 朱璐瑤.改進(jìn)的Horn-Schunck光流法在目標(biāo)追蹤中的應(yīng)用[J].中國體視學(xué)與圖像分析，2015（3）：218-226.

[10] 桂本燁，錢徽，朱淼良.一種優(yōu)化梯度計(jì)算的改進(jìn)HS光流算法[J].中國圖像圖形學(xué)報(bào)，2005（8）：117-123.

[11] XIAOWEI HAN，YUAN GAO.Research on moving object detection algorithm based on improved three frame difference method and optical flow[C].Proceedings of IEEE Conference on Instrumentation and Measurement，Computer，Communication and Control，2015.

（責(zé)任編輯：杜能鋼）