運動目標(biāo)檢測方法

幀差法、光流法、背景減除法運動目標(biāo)檢測是指在序列圖像中檢測出變化區(qū)域并將運動目標(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應(yīng)于運動目標(biāo)的像素區(qū)域，因此運動目標(biāo)的正確檢測與分割對于后期處理非常重要然而，由于場景的動態(tài)變化，如天氣、光照、陰影及雜亂背景干擾等的影響，使得運動目標(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，運動檢測分為靜態(tài)背景和運動背景兩類。大多數(shù)視頻監(jiān)控系統(tǒng)是攝像頭固定的，因此靜態(tài)背景下運動目標(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動目標(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間差分通過閾值化來提取出圖像中的運動區(qū)域。首先，將相鄰幀圖像對應(yīng)像素值相減得到差分圖像，然后對差分圖像二值化，在環(huán)境亮度變化不大的情況下，如果對應(yīng)像素值變化小于事先確定的閾值時，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動物體引起的，將這些區(qū)域標(biāo)記為前景像素，利用標(biāo)記的像素區(qū)域可以確定運動目標(biāo)在圖像中的位置。由于相鄰兩幀間的時間間隔非常短，用前一幀圖像作為當(dāng)前幀的背景模型具有較好的實時性，其背景不積累，且更新速度快、算法簡單、計算量小。算法的不足在于對環(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。對于比較大的、顏色一致的運動目標(biāo)，有可能在目標(biāo)內(nèi)部產(chǎn)生空洞，無法完整地提取運動目標(biāo)。

(2)光流法

光流法的主要任務(wù)就是計算光流場，即在適當(dāng)?shù)钠交约s束條件下，根據(jù)圖像序列的時空梯度估算運動場，通過分析運動場的變化對運動目標(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光流場兩種方法。最經(jīng)典的全局光流場計算方法是L-K(Lueas&Kanada)法和H-S(Hom&Schunck)法，得到全局光流場后通過比較運動目標(biāo)與背景之間的運動差異對運動目標(biāo)進(jìn)行光流分割，缺點是計算量大。特征點光流法通過特征匹配求特征點處的流速，具有計算量小、快速靈活的特點，但稀疏的光流場很難精確地提取運動目標(biāo)的形狀?？偟膩碚f，光流法不需要預(yù)先知道場景的任何信息，就能夠檢測到運動對象，可處理背景運動的情況，但噪聲、多光源、陰影和遮擋等因素會對光流場分布的計算結(jié)果造成嚴(yán)重影響;而且光流法計算復(fù)雜，很難實現(xiàn)實時處理。

(3)背景減除法

背景減除法是一種有效的運動對象檢測算法，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)行差分比較實現(xiàn)對運動區(qū)域的檢測，其中區(qū)別較大的像素區(qū)域被認(rèn)為是運動區(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)境的變化而實時更新的，因此背景減除法的關(guān)鍵是背景建模及其更新。針對如何建立對于不同場景的動態(tài)變化均具有自適應(yīng)性的背景模型，減少動態(tài)場景變化對運動分割的影響，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態(tài)的利用從某一時刻開始到當(dāng)前一段時間內(nèi)存儲的新近觀測數(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背景模型的線性濾波器、Elg~al等提出的利用一段時間的歷史數(shù)據(jù)來計算背景像素密度的非參數(shù)模型等?；貧w算法在背景估計中無需維持保存背景估計幀的緩沖區(qū)，它