韓贊 祁晉東 張禧龍

（西藏大學(xué)，西藏拉薩 850011）

視頻目標(biāo)檢測是近幾年計算機(jī)視覺領(lǐng)域中最為活躍的分支，視頻檢測可以很精確地檢測到目標(biāo)的狀態(tài)，在視頻目標(biāo)檢測的基礎(chǔ)上，利用目標(biāo)的特征，可以為科學(xué)實(shí)驗(yàn)準(zhǔn)備好的素材，提供精確的預(yù)判，讓科學(xué)研究更加完善和深入；對于視頻目標(biāo)檢測而言，運(yùn)用幀間差法、光流法等方法，很大概率實(shí)現(xiàn)該有的效果，為學(xué)習(xí)研究提供大量的資料，實(shí)現(xiàn)合理化的評估預(yù)算。

在運(yùn)動目標(biāo)檢測中，視頻檢測是至關(guān)重要的，而運(yùn)用好的方法對于這些數(shù)據(jù)進(jìn)行收集及分析的話，得到的信息的價值是十分可觀的。而對于各種科研實(shí)驗(yàn)都在不斷地出現(xiàn)和完善，而有的實(shí)驗(yàn)需要許多的數(shù)據(jù)，而有一個好的視頻監(jiān)控預(yù)測，進(jìn)行檢測目標(biāo)的軌跡刻畫，并進(jìn)行收集，加上合理的分析運(yùn)用，得到的成果就顯而易見。

總的來講，如果能對視頻目標(biāo)進(jìn)行很好的收集和分析，可以最大程度的節(jié)省精力，提供精準(zhǔn)的實(shí)驗(yàn)資料，使所需實(shí)驗(yàn)推向更深層次，得到理想的結(jié)果，避免不必要的麻煩，提高安全性能，盡最大可能提取所需要的信息，使使用價值達(dá)到最大化。

1 算法簡介

1.1 三幀差分法

二幀差分法是通過計算相鄰兩幀圖像之間的差值來獲取運(yùn)動區(qū)域，由兩幀之間的差值判斷運(yùn)動范圍；當(dāng)檢測視頻中出現(xiàn)相對運(yùn)動物體時，兩幀之間相減，得到差值的絕對值，用閥值來判斷存在的運(yùn)動物體。三幀差分法是在二幀差分法的基礎(chǔ)上進(jìn)行改進(jìn)，將相鄰的三幀圖像歸為一組進(jìn)行差分，從而得到運(yùn)動物體軌跡上的細(xì)微變化。

選擇圖像的連續(xù)三幀I（j-1）、I（j）、I（j+1）。

計算相鄰兩幀差值：

選擇閥值T，進(jìn)行二值化：

在每一個像素點(diǎn)（x，y）將得到二值圖像邏輯相“與”，得到三幀圖像中的中間幀的二值圖像：

1.2 腐蝕膨脹

腐蝕：用3×3 的結(jié)構(gòu)元素去掃描圖像的每一個像素點(diǎn)，與其覆蓋的二值圖像做邏輯“與”，從而使二值圖像減少一圈。用公式表示為：

X 腐蝕B：E（x）={a|ba?X}，如圖1 所示：

圖1

膨脹：用3×3 的結(jié)構(gòu)元素去掃描圖像的每一個像素點(diǎn)，與其覆蓋的二值圖像做邏輯“或”，從而使二值圖像擴(kuò)大一圈?？梢钥醋魇歉g的對偶運(yùn)算，用公式表示：

如圖2 所示：

圖2

2 分析及實(shí)施

2.1 研究思路和方法以及重點(diǎn)和難點(diǎn)

2.1.1 研究思路

首先進(jìn)行視頻目標(biāo)檢測，編寫各個板塊代碼，在重疊或者不明顯的片段進(jìn)行顏色區(qū)分，再把各個板塊進(jìn)行測試，然后合成主板塊，進(jìn)行板塊與板塊間的合理區(qū)分，使用大量視頻目標(biāo)驗(yàn)證分析，進(jìn)行一定程度的優(yōu)化，加強(qiáng)各個板塊間的分辨率，得到相應(yīng)的基礎(chǔ)數(shù)據(jù)。

合理運(yùn)用數(shù)學(xué)方法進(jìn)行目標(biāo)軌跡運(yùn)算，并預(yù)判在短時間內(nèi)將發(fā)生的軌跡圖像，在兩個相似視頻物件中提取不同之處，在取定一個視頻目標(biāo)為模板，進(jìn)行合理的修改并完善，且檢測視頻間的斷流層，并進(jìn)行高度還原，可以用不同時間階段的模板，進(jìn)行長期分析觀察，進(jìn)行數(shù)據(jù)整理并收集。

2.1.2 研究方法

可以運(yùn)用Python,MATLIB 等軟件進(jìn)行數(shù)學(xué)編譯，在一定程度上進(jìn)行規(guī)劃，并反復(fù)進(jìn)行視頻目標(biāo)調(diào)控，運(yùn)用大量的視頻進(jìn)行測試，并記錄數(shù)據(jù)，觀察數(shù)據(jù)之間的聯(lián)系，進(jìn)行系統(tǒng)優(yōu)化調(diào)整，進(jìn)行每個步驟的連接和運(yùn)用，然后把每個版塊進(jìn)行串聯(lián)，運(yùn)用合理的代碼進(jìn)行計算分析，達(dá)到可實(shí)行的效果。

幀間差分法：利用視頻序列中連續(xù)兩幀間的變化來檢測靜態(tài)場景下的運(yùn)動目標(biāo)，運(yùn)用圖像序列中的第k 幀和第k+1 幀中像素點(diǎn)(x，y)的象素值，刻畫出視頻目標(biāo)的軌跡模擬，時間間隔小則目標(biāo)位置越精確，得到的圖像更具體現(xiàn)象。

光流法：微分法，快匹配法，基于能量的方法，基于相位的方法。有兩種假設(shè)：強(qiáng)度不變，全局光滑。在不同時刻的像素值需要向前加一個時間段，則產(chǎn)生光流場，得到平滑的軌跡圖像。

背景減除法：通過判定灰度等特征的變化，或用直方圖等統(tǒng)計信息的變化來判斷異常情況的發(fā)生和分割出運(yùn)動目標(biāo)。特別針對微小重復(fù)運(yùn)動的場合，運(yùn)用無參的核密度估計方法對視頻目標(biāo)進(jìn)行統(tǒng)計分析。

總的來說，由于幀間差分法的計算簡單、復(fù)雜度低的優(yōu)良性質(zhì)，軌跡跟蹤算法需要以幀間差分法為主體，再結(jié)合各個方法的優(yōu)良性質(zhì)，得到很精確的軌跡分析及模擬。

重點(diǎn)在于錄制視頻的機(jī)械對光的捕捉效應(yīng)是否明顯，視頻中目標(biāo)變化是否緩慢，是否受斷流層的影響，是否存在目標(biāo)形狀變化巨大，是否產(chǎn)生不可控因素對視頻目標(biāo)造成干擾，得到不確定的數(shù)值，而產(chǎn)生特殊值影響普遍結(jié)果，各個程序之間的鏈接是否會因?yàn)橐恍↑c(diǎn)誤差出現(xiàn)運(yùn)行失誤，分析出來的總模板是否因?yàn)樽幽０邋e誤而產(chǎn)生偏差，難點(diǎn)也在于此。

而視頻目標(biāo)的處理也是難點(diǎn)。首先要進(jìn)行視頻目標(biāo)的單一提取，排除光線變化；如果存在多個目標(biāo)的話，目標(biāo)之間會產(chǎn)生信號干擾，嚴(yán)重的話會產(chǎn)生信息混亂，導(dǎo)致表達(dá)效果出現(xiàn)偏差，讓重要的信息發(fā)生了遺漏，讓已經(jīng)出現(xiàn)的目標(biāo)不能被檢測；還有就是多個目標(biāo)是否存在重疊，在重疊部分產(chǎn)生軌跡陰影，影響系統(tǒng)分析識別。

由于大家采用了光流法、背景減除法，大部分都是用matlab來做，效果并不是很好，并且運(yùn)算量大，結(jié)果模糊，操作繁瑣，檢測還單一，運(yùn)動軌跡過于簡單等缺點(diǎn)?；谏厦娴谋尘跋?，采用python 來做，可以減少運(yùn)算時間，運(yùn)行效率，得到更加準(zhǔn)確清晰的結(jié)果，并改進(jìn)及優(yōu)化了算法，能合理的運(yùn)用幀間差分法去進(jìn)行視頻的預(yù)判，評估，還原，這樣就可以提供大量的數(shù)據(jù)，并進(jìn)行分析和處理，從而檢測出視頻運(yùn)動目標(biāo)，運(yùn)用python 中幀函數(shù)模擬其運(yùn)動軌跡，解決視頻運(yùn)動的物體軌跡。

2.2 實(shí)施方案

首先熟練運(yùn)用Python ，MATLAB 構(gòu)思數(shù)據(jù)代碼，準(zhǔn)備相應(yīng)的視頻材料，收集可靠的數(shù)學(xué)方法，進(jìn)行實(shí)驗(yàn)前的有效調(diào)控，擬定各個步驟的計劃，達(dá)到運(yùn)用于實(shí)踐中的要求，并盡量完善系統(tǒng)方法。

然后進(jìn)行相關(guān)數(shù)據(jù)的收集，得到可觀的實(shí)現(xiàn)可能性，進(jìn)行任務(wù)分工，主要分為材料的收集，檢測視頻是否存在錯誤斷層，如果有，編寫相應(yīng)還原視頻的代碼，檢測視頻光線差異變化，運(yùn)用代碼進(jìn)行調(diào)控，提煉視頻目標(biāo)信息，變成簡單方便的二維線性關(guān)系并計算相對運(yùn)動物體的運(yùn)動速率，并刻畫運(yùn)動物體軌跡，在短時間范圍內(nèi)，進(jìn)行未發(fā)生運(yùn)動物體的軌跡預(yù)算；在此基礎(chǔ)上，可以分辨兩個相似物之間的不同點(diǎn)，從而標(biāo)記，得到不同數(shù)據(jù)類型。

最后進(jìn)行實(shí)驗(yàn)評估，得到相應(yīng)實(shí)驗(yàn)數(shù)據(jù)，調(diào)試系統(tǒng)，減少誤差，調(diào)節(jié)各個模板的契合度，加大對特殊值和特殊環(huán)境的處理，達(dá)到系統(tǒng)成功運(yùn)行，并能使用。

3 系統(tǒng)模型流程圖

圖3 三幀差分法

圖4 彩色差分法

圖5 軌跡模擬畫圖

圖6 總流程圖

4 實(shí)驗(yàn)結(jié)果及分析

實(shí)驗(yàn)在windows10 系統(tǒng)下，使用IDLE (Python 3.7 64-bit)編程實(shí)現(xiàn)的，本次實(shí)驗(yàn)程序需要環(huán)境配置pip install numpy，pip install opencv-python，pip install matplotlib。

以下截圖來源為本人錄制，用了很多視頻素材進(jìn)行驗(yàn)證測試，進(jìn)行代碼調(diào)試，改進(jìn)，優(yōu)化，選取運(yùn)動目標(biāo)檢測最為明顯片段。

圖7 是視頻運(yùn)動檢測，小球?yàn)闄z測到的運(yùn)動物體，藍(lán)圈表示跟蹤運(yùn)動物體，該圖完全實(shí)現(xiàn)了幀間差分法對運(yùn)動物體的檢測；根據(jù)跟蹤的運(yùn)動物體，刻畫出的小球運(yùn)動軌跡，每幀停留時間：單位ms，100ms 即10fps 即每秒十幀，有空隙的地方表示該運(yùn)動物體在該幀與前一幀中物體沒有運(yùn)動。

圖7 視頻運(yùn)動檢測示意圖

5 結(jié)論

本次研究運(yùn)用了三幀差分法、二幀差分法、彩色幀間差分法、運(yùn)動軌跡算法等，完全實(shí)現(xiàn)了視頻目標(biāo)檢測及軌跡模擬刻畫?？梢赃\(yùn)用在視頻運(yùn)動目標(biāo)檢測；可以安裝攝像頭，對需要的目標(biāo)進(jìn)行監(jiān)控，特別是需要刻畫運(yùn)動軌跡的視頻；也可以用于視頻有效存儲，剔除視頻中無運(yùn)動物體部分，從而釋放存儲空間。但由于本次研究主要使用了幀間差分法，視頻需要機(jī)位固定，不然整個視頻圖像在檢測時，每一個像素點(diǎn)都是運(yùn)動的，這是需要進(jìn)一步改進(jìn)和完善的地方。