視頻中運動目標檢測技術(shù)

1、運動目標檢測技術(shù) 內(nèi)部討論資料張明軍 研究意義 視頻圖像中包含了太多的信息量，不利于 計算機的處理。但是，一般來說，對其中 運動的物體會更感興趣。而對靜止的背景 圖像，一般來說，對它們的關注程度少得 多，往往也不包含主要的信息。 運動目標檢測的常見方法 幀差法 背景減除法 光流法 幀差法 基本原理 主要是考慮到運動物體在相鄰的幀之間有位移， 而背景圖像在相鄰的幀之間的位置是相對固定 的，如果用相鄰的幀進行點對點的相減，那么 運動物體區(qū)域的差值會很大，背景部分的差值 接近于0 (理想狀態(tài)下是0) 幀差法 二幀差分數(shù)學模型 運動目標 前一幀后一幀差分圖 幀差法 存在的問題 能夠檢測到運動目標，但檢

2、測到的目標不完整， 且在目標內(nèi)部存在“空洞”，位置也不夠精確， 在運動物體的運動方向上被拉伸了，檢測出來 的目標區(qū)域要比實際的物體大一些。 幀差法 二幀差分法的改進：三幀差分法 提取連續(xù)三幀圖像來分別計算相鄰兩幀圖像的 差分圖像，然后又將所得到的兩個差分圖像進 行對應像素的相與操作，從而提取出運動目標。 前一幀中一幀后一幀 差分差分 與操作 幀差法 結(jié)論 幀差法簡單，具有很強的適應性； 提取出的運動目標區(qū)域不夠完整(有空洞)； 幀差法一般用來做目標檢測的預處理，結(jié)合其 它的方法共同完成目標檢測。 背景減除法 基本原理 選取一個圖像或多個圖像的綜合作為場景的背 景圖像，檢測時，用當前幀和存儲的背

3、景圖像 差分，經(jīng)過對差分結(jié)果二值化，找到運動目標 區(qū)域。 背景減除法 背景圖像的獲取方法 當場景中沒有運動目標時，拍攝場景圖像作為 背景圖像。 在背景場景按季節(jié)、時間有規(guī)律變化的密閉環(huán)境下， 檢測效果很好。 但是，在開放環(huán)境下，例如馬路、車站、銀行門口 等場景，存在許多隨機的變化，這種簡單的方法往 往不行。 因此，需要背景自動更新 背景減除法 背景減除法 背景圖像的獲取方法之二：自動建立 從理論上看，只要背景不變化，背景減除法就 能夠得到理想的運動目標檢測結(jié)果。 但是，由于存在光照變化、攝像機抖動、云彩 飄動和樹木搖動等影響，背景都會隨著時間有 所變化，所以定義（建立）背景和更新背景是 很有必

4、要，也是難點。 背景減除法 光流法 主要思想 光流是一個空間運動的物體在被觀測面上的像 素運動的瞬時速度場，是場景中可見點的三維 速度矢量在成像平面上的投影，是一種二維運 動估算的方法。 對于此方法，很多資料顯示該方 法耗費資源，復雜度高，實用價 值不大。因此，在此不深入學習， 不介紹其數(shù)學模型。 目標檢測典型算法比較 算法名稱算法名稱獲得的信息獲得的信息算法復雜度算法復雜度 存在的難度存在的難度適用范圍適用范圍 二幀差分法二幀差分法目標邊界較小空洞(1)攝像頭同定場景； (2)實時性要求高； (3)對目標信息要求不高； 三幀差分法三幀差分法目標邊界、 位置 小空洞、滯后性(1)攝像頭同定場景

5、； (2)實時性要求高； (3)對目標信息要求不太高； 簡單背景減簡單背景減 除法除法 目標位置、 大小、形狀 等 中背景選取機制(1)攝像頭同定場景； (2)對目標信息要求高； (3)背景已知或容易獲??； (4)受光照、光線、天氣等影響小 高斯混合建高斯混合建 模法模法 目標位置、 大小、形狀 等 較大(1)背景更新機 制； (2)陰影問題 (1)攝像頭同定場景； (2)實時性要求不高； (3) 對目標信息要求高； (4)容易受光照、光線、天氣等影響 光流法光流法目標位置、 大小、形狀 等 大(1)復雜度高； (2)難以滿足實 時性 (1)攝像頭固定和運動皆可； (2)實時性要求不高； (3

6、)需要有特殊的硬件支持 目標檢測典型算法優(yōu)缺點 算法名稱算法名稱優(yōu)點優(yōu)點缺點缺點 二幀差分法二幀差分法(1)對運動目標敏感； (2)計算簡單； (3)檢測速度快、實時性高、樣易實現(xiàn)。 (1)當光線劇烈變化時，該算法完全失效； (2)對移動緩慢或與背景顏色一致的運動不能完全提取出相關 特征像素點； (3)相鄰兩幀中的目標重疊部分不能被檢測出來，檢測出的目 標區(qū)域不完全，在運動物體內(nèi)部容易產(chǎn)生“空洞”現(xiàn)象。 (4)檢測出的運動0標的位置不精確，比實際的物體大，在運動 方向上被拉伸。 三幀差分法三幀差分法(1) 一定程度上克服了二幀差分法中的空 洞現(xiàn)象； (2)運動目標的定位比二幀差分法更準確； (

7、3)算法簡單，實時性高、運算量小。 (1)檢測出的運動目標輪廓容易受到目標運動速度的影響，在 幀間時間間隔很小或運動目標速度較慢時，無法檢測出運動 目標的重疊區(qū)域，內(nèi)部形成空洞； (2)因為提取了視頻流中的三頓做差分處理，所以提取的運動 目標輪廓有一幀時間的滯后性。 簡單背景減除法簡單背景減除法(1)算法簡單，易于實現(xiàn)； (2)在背景圖像已知的情況下，檢測出的 運動目標區(qū)域完整，且位置精確，實時 性好。 (1)對光照變化、背景抖動等變化極為敏感； (2)背景圖像的選取顯得特別重要，如果選擇的背景不能很好 的反映實際場景，將會嚴重影響目標的檢測。 高斯混合建模法高斯混合建模法(1)能夠在一定程度上克服光照變化等背 景擾動； (2)能夠檢測出完整的運動目標且位置精 確，魯棒性好。 (1)有一定的算法復雜度； (2)對廣泛存在的陰影敏感； (3)對背景模型更新機制要求很高。 光流法光流法(1)光流攜帶了大量的運動信息； (2)支持攝像機運動時的運動目標檢測； (3)在不知道場景任何先驗 知識的情