高 林，王昌宇

（沈陽理工大學自動化與電氣工程學院學院，遼寧 沈陽110159）

0 引言

運動目標檢測與識別的實用化是近幾年圖像識別領(lǐng)域重要研究方向，對運動目標圖像的分割、跟蹤和分類等在各個方面中都有重要應用。目前，應用較多的算法是三幀差分法、背景差分法和光流法。其中三幀差分法的優(yōu)點是速度快，背景不用積累，但是對于與運動速度較慢物體容易漏檢；背景差分法對于光照、天氣等外界環(huán)境變化比較敏感；光流法具有精度相對較高的優(yōu)點，但很難達到實時性[1]。本文所提出的運動目標檢測算法，能夠達到最大程度降低噪聲和最快速度反應目的。

1 應用光流法改進的三幀差分法

利用金字塔Lucas-Kanade光流法對傳統(tǒng)三幀差分算法進行改進。采用金字塔結(jié)構(gòu)來計算光流，可以減小光流計算的誤差。金字塔結(jié)構(gòu)是對圖像的各個層都計算光流矢量，首先計算出圖像金字塔最高層處的光流，然后將該光流定義為下一層金字塔的起始點，重復上述過程，直至計算到金字塔的最底層[5]。最后提取出可能存在運動目標的區(qū)域，根據(jù)不同的閾值在該區(qū)域內(nèi)提取各個目標，這樣便將光流法與傳統(tǒng)的三幀差分算法結(jié)合了起來。

Lucas-Kanade光流法需要滿足以下條件：

（1）相鄰的幀圖像的灰度值不變；

（2）該像素點鄰域內(nèi)的點具有相似的運動狀態(tài)；

（3）圖像運動隨時間的變化相對比較緩慢[3]。

設(shè)在 t時刻，像素點（x，y）坐標的灰度是 I（x，y，t），由相鄰的幀圖像的灰度值不變可知

由（1）式得，在 t+dt時刻像素點（x，y）對應點坐標為（x+dx，y+dy），灰度值變?yōu)镮（x+dx，y+dy，t+dt）。其中dt可以看作無限趨近0，于是有I（x，y，t）*t=0，將灰度值I中的參數(shù)x和y用含參數(shù)t的函數(shù)表示，即有灰度變化為I（x（t），y（t），t）.求偏導得，設(shè)（u，v）為光流，再令可以令，則式（2）可以寫成

根據(jù)光流法需要滿足的第2個條件求解該式，可利用Lucas-Kanade的方法求解光流，并得到當在該像素點與鄰域內(nèi)的點運動情況相似時的運動信息，在該點鄰域空間內(nèi)建立約束方程，聯(lián)立方程并求解光流矢量，即

將式（4）的解求出來便得到對應的光流，如果由Ix和Iy構(gòu)成的矩陣不可逆，此時就無法用光流矢量來表示運動目標的情況，因此在使用LK光流法的時候，常會選擇一些特征點并以此來計算光流[4]。

應用金字塔LK光流法改進三幀差分法算法的步驟如下：

（1）利用金字塔型LK光流法確定出視頻幀中可能存在運動目標的區(qū)域。

（2）在該區(qū)域外，三幀差分的閾值選取一個較高值，在該區(qū)域內(nèi)，三幀差分的閾值選取一個較低值，將較高閾值與較低閾值的差值定義為閾值差。

（3）在得到的低閾值區(qū)域，利用LK光流法計算并將其含有部分錯誤的角點信息除掉后的光流矢量作為起始角點，與三幀差分法得到的共同區(qū)域作為運動目標。同時需要進行一系列濾波處理，來消除仍然存在微小噪聲及干擾點[5]。

2 改進的三幀差分法與背景差分法結(jié)合

本文提出的運動目標檢測算法是利用光流法對三幀差分法改進并與背景差分法相結(jié)合的算法。該算法首先將當前幀的圖像與前一幀的圖像進行差分，差分后的區(qū)域設(shè)為Q，然后判斷該區(qū)域是否有光照突變，若有光照突變，則選用改進三幀差分對運動目標檢測；若沒有光照突變，則采用背景差分法對運動目標檢測。

算法流程圖1：

圖1 改進三幀差分法運算流程圖[6]

3 實驗結(jié)果與分析

為檢驗改進三幀差分法與背景法結(jié)合算法的可靠性，使用Opencv類庫對算法實現(xiàn)軟件編程，運動的點作為檢測目標，選取視頻的三幀圖像k-1、k和k+1進行分析。運用傳統(tǒng)三幀差分法檢測運動目標的實驗結(jié)果圖，如圖2所示。

圖2 傳統(tǒng)三幀差分法三幀圖片

經(jīng)過改進三幀差分法和背景差分法結(jié)合的算法檢測到的運動目標圖像如圖3所示。

圖3 改進的三幀差分法與背景法結(jié)合的三幀圖片

如圖1、2和3所示，為改進三幀差分法和背景差分法、傳統(tǒng)三幀差分法檢測到的連續(xù)的運動圖像。該算法對于前面所分析的傳統(tǒng)三幀差分法具有的對于運動速度較慢物體容易漏檢和容易在提取到的目標內(nèi)部形成較大的空洞等問題有了很大程度上的改善，基本能準確的檢測到運動的激光光點。

4 結(jié)論

本文提出的改進的三幀差分和背景差分結(jié)合的運動目標檢測的算法，在最大程度上綜合二者的優(yōu)點，避開了各自的弊端，從實驗結(jié)果可以看出該算法具有良好的實用性，能夠準確的實現(xiàn)對運動目標的實時位置檢測，對今后裝備制造領(lǐng)域會起到一定的推動作用。

參考文獻：

[1]李 濤，宿紹瑩，陳曾平，等.EW接收機的一種雷達脈動內(nèi)調(diào)制實時識別方法[J].現(xiàn)代電子技術(shù)，2013，36（2）：391-395.

[2]李 利．脈壓雷達信號的識別和估計算法研究及其實現(xiàn)[D]．哈爾濱：哈爾濱工程大學，2009：23-25．

[3]LI Yibing，WANG Yanhuan，LIN Yun．Recognition of radar signals modulation based on short time Fourier transform and reduced fractional Fourier transform[J]．Journal of information＆ computational science，2013，10（ 16）：5171－5178．

[4]李伯虎，柴旭東，候?qū)毚?，?一種基于云計算理念的網(wǎng)絡(luò)化建模與仿真平臺——“云仿真平臺”[J].系統(tǒng)仿真學報，2009，21（17）：5292-5299.

[5]謝 紅，原 博，解武.LK光流法和三幀差分法的運動目標檢測算法[J].應用科技，2016，43（3）：25-27.

[6]盧章平，孔德飛，李小蕾，等.背景差分與三幀差分結(jié)合的運動目標檢測算法[J].計算機測量與控制，2013，21（12）：3315-3318.