運(yùn)動(dòng)目標(biāo)檢測方法

幀差法、光流法、背景減除法運(yùn)動(dòng)目標(biāo)檢測是指在序列圖像中檢測出變化區(qū)域并將運(yùn)動(dòng)目標(biāo)從背景圖像中提取出來。通常情況下，目標(biāo)分類、跟蹤和行為理解等后處理過程僅僅考慮圖像中對(duì)應(yīng)于運(yùn)動(dòng)目標(biāo)的像素區(qū)域，因此運(yùn)動(dòng)目標(biāo)的正確檢測與分割對(duì)于后期處理非常重要然而，由于場景的動(dòng)態(tài)變化，如天氣、光照、陰影及雜亂背景干擾等的影響，使得運(yùn)動(dòng)目標(biāo)的檢測與分割變得相當(dāng)困難。根據(jù)攝像頭是否保持靜止，運(yùn)動(dòng)檢測分為靜態(tài)背景和運(yùn)動(dòng)背景兩類。大多數(shù)視頻監(jiān)控系統(tǒng)是攝像頭固定的，因此靜態(tài)背景下運(yùn)動(dòng)目標(biāo)檢測算法受到廣泛關(guān)注，常用的方法有幀差法、光流法、背景減除法等。

(l)幀差法

幀差法是最為常用的運(yùn)動(dòng)目標(biāo)檢測和分割方法之一，基本原理就是在圖像序列相鄰兩幀或三幀間采用基于像素的時(shí)間差分通過閾值化來提取出圖像中的運(yùn)動(dòng)區(qū)域。首先，將相鄰幀圖像對(duì)應(yīng)像素值相減得到差分圖像，然后對(duì)差分圖像二值化，在環(huán)境亮度變化不大的情況下，如果對(duì)應(yīng)像素值變化小于事先確定的閾值時(shí)，可以認(rèn)為此處為背景像素:如果圖像區(qū)域的像素值變化很大，可以認(rèn)為這是由于圖像中運(yùn)動(dòng)物體引起的，將這些區(qū)域標(biāo)記為前景像素，利用標(biāo)記的像素區(qū)域可以確定運(yùn)動(dòng)目標(biāo)在圖像中的位置。由于相鄰兩幀間的時(shí)間間隔非常短，用前一幀圖像作為當(dāng)前幀的背景模型具有較好的實(shí)時(shí)性，其背景不積累，且更新速度快、算法簡單、計(jì)算量小。算法的不足在于對(duì)環(huán)境噪聲較為敏感，閾值的選擇相當(dāng)關(guān)鍵，選擇過低不足以抑制圖像中的噪聲，過高則忽略了圖像中有用的變化。對(duì)于比較大的、顏色一致的運(yùn)動(dòng)目標(biāo)，有可能在目標(biāo)內(nèi)部產(chǎn)生空洞，無法完整地提取運(yùn)動(dòng)目標(biāo)。

(2)光流法

光流法的主要任務(wù)就是計(jì)算光流場，即在適當(dāng)?shù)钠交约s束條件下，根據(jù)圖像序列的時(shí)空梯度估算運(yùn)動(dòng)場，通過分析運(yùn)動(dòng)場的變化對(duì)運(yùn)動(dòng)目標(biāo)和場景進(jìn)行檢測與分割。通常有基于全局光流場和特征點(diǎn)光流場兩種方法。最經(jīng)典的全局光流場計(jì)算方法是L-K(Lueas&Kanada)法和H-S(Hom&Schunck)法，得到全局光流場后通過比較運(yùn)動(dòng)目標(biāo)與背景之間的運(yùn)動(dòng)差異對(duì)運(yùn)動(dòng)目標(biāo)進(jìn)行光流分割，缺點(diǎn)是計(jì)算量大。特征點(diǎn)光流法通過特征匹配求特征點(diǎn)處的流速，具有計(jì)算量小、快速靈活的特點(diǎn)，但稀疏的光流場很難精確地提取運(yùn)動(dòng)目標(biāo)的形狀。總的來說，光流法不需要預(yù)先知道場景的任何信息，就能夠檢測到運(yùn)動(dòng)對(duì)象，可處理背景運(yùn)動(dòng)的情況，但噪聲、多光源、陰影和遮擋等因素會(huì)對(duì)光流場分布的計(jì)算結(jié)果造成嚴(yán)重影響;而且光流法計(jì)算復(fù)雜，很難實(shí)現(xiàn)實(shí)時(shí)處理。

(3)背景減除法

背景減除法是一種有效的運(yùn)動(dòng)對(duì)象檢測算法，基本思想是利用背景的參數(shù)模型來近似背景圖像的像素值，將當(dāng)前幀與背景圖像進(jìn)行差分比較實(shí)現(xiàn)對(duì)運(yùn)動(dòng)區(qū)域的檢測，其中區(qū)別較大的像素區(qū)域被認(rèn)為是運(yùn)動(dòng)區(qū)域，而區(qū)別較小的像素區(qū)域被認(rèn)為是背景區(qū)域。背景減除法必須要有背景圖像，并且背景圖像必須是隨著光照或外部環(huán)境的變化而實(shí)時(shí)更新的，因此背景減除法的關(guān)鍵是背景建模及其更新。針對(duì)如何建立對(duì)于不同場景的動(dòng)態(tài)變化均具有自適應(yīng)性的背景模型，減少動(dòng)態(tài)場景變化對(duì)運(yùn)動(dòng)分割的影響，研究人員已提出了許多背景建模算法，但總的來講可以概括為非回歸遞推和回歸遞推兩類。非回歸背景建模算法是動(dòng)態(tài)的利用從某一時(shí)刻開始到當(dāng)前一段時(shí)間內(nèi)存儲(chǔ)的新近觀測數(shù)據(jù)作為樣本來進(jìn)行背景建模。非回歸背景建模方法有最簡單的幀間差分、中值濾波方法、Toyama等利用緩存的樣本像素來估計(jì)背景模型的線性濾波器、Elg~al等提出的利用一段時(shí)間的歷史數(shù)據(jù)來計(jì)算背景像素密度的非參數(shù)模型等?；貧w算法在背景估計(jì)中無需維持保存背景估計(jì)幀的緩沖區(qū)，它