一种准确而快速的运动目标检测算法

文章编号:1671 1742(2008)04 0370 04

一种准确而快速的运动目标检测算法

曾 脉1, 左志宏1, 常晓夫2, 何 煊

2(1.电子科技大学计算机科学与工程学院,四川成都610054;

2.中科院研究生院计算机与通信学院,北京100080)

摘要:运动目标的检测是计算机视觉和图像编码研究的主要内容,有着广泛的应用领域。减背景法是常用的

方法之一,但其受环境光照影响;而帧差法又不能完全提取出目标的所有相关点。针对传统运动目标检测算法的

不足,提出基于动态阈值的减背景法与帧差法相结合的运动目标检测算法。实验证明,算法既能完全提取出目标

的所有相关点,又适应复杂变化的环境,运动目标检测的精确度和速度都有了明显的提高。

关 键 词:减背景法;帧差法;动态阈值;运动目标检测

中图分类号:T P391 文献标识码:A 收稿日期:2008 03 031 引言

运动目标检测[1]目的是在视频流中将变化的区域从背景图像中提取出来。运动目标检测不仅是计算机视觉方面的一个重要研究问题,也是智能监控、运动分析、人机接口的基础部分。其有效性、准确性以及快速化对于后期目标分类、目标跟踪以及高层的行为理解都极其重要,而运动目标检测由于背景图像的随机变化使之成为相当困难而又必要的工作。

目前,运动目标检测常用方法有3种。

(1)光流法(Optical flow)。光流法[2]利用运动估计进行分割和跟踪运动目标的一种方法。采用运动目标随时间变化的光流特性,如Meyer [3]等通过计算位移向量光流场来初始化基于轮廓的跟踪算法,从而有效地提取和跟踪运动目标。光流场的计算一直以来都是计算机视觉领域的一个研究重点,其中最为经典的算法是L K (Lucas&Kanade)法和H S(H orm &Schunck)法。虽然光流法能在摄像机运动的情况下也能检测出独立的运动目标,但是由于光流场的计算相当复杂,且抗噪性能差,如果没有特别的硬件装置,难以应用于实时处理中。

(2)帧间差分法(Inter frame difference)。帧间差分法[4]是在连续的图像序列中两个或三个相邻帧间采用基

于像素的时间差分并且阈值化来提取图像中的运动区域。连续帧差法对动态环境有很好的适应性,但位置不准确,运动目标的外接矩形在运动方向上被拉伸,不能完全提取出目标的所有相关点,容易在运动实体内部产生空洞现象。

(3)减背景法(Background subtraction)。减背景法通过当前图像与背景图像之间的差分来检测运动区域,这种方法是目前运动检测中最常用的一种方法。其优点是位置准确,速度快,只需要获取当前的一幅图像。不足之处是受环境光线变化的影响,在非受控环境下,需要加入背景图像更新机制。此外,要求整个场景的背景变化不能太大,如果对背景的恢复不准确,将对整个目标检测造成全局影响。

2 运动目标检测

2.1 传统的减背景法检测运动目标

减背景法通过当前图像与背景图像之间的差分来检测运动区域,其数学表达式为:

S (i,j )=F (i,j )-B(i,j )

(1)其中F(i,j )为前景图像灰度值,B (i,j )为背景图像灰度值。

对减背景结果进行二值化处理,数学表达式为:

S (x ,y )=1 |F (i,j )-B (i,j )|>th 10 |F (i,j )-B (i,j )| th 1

(2)

第23卷第4期

2008年8月成 都 信 息 工 程 学 院 学 报JOURNAL OF CHENGDU UNIVERS ITY OF INFORM ATION T ECH NOLOGY Vol.23No.4Aug.2008

式(2)中:th1是灰度阈值,大小决定了识别目标的灵敏度;二值图S(i,j)的值为1的区域就是检测到的目标区域。

优点:减背景法能较好地提取运动目标的所有相关点,但对光照和外部条件造成的动态场景变化过于敏感。

2.2 传统的连续帧间差法检测运动目标

连续帧间差法通过连续的图像序列中两个或三个相邻帧间采用基于像素的时间差分并且阈值化来提取图像中的运动区域。

假设运动物体在t时刻,图像为(x,y),像素处的灰度值为I(x,y,t);在t+1时刻,(x,y)像素处的灰度值变化为I(x,y,t+1),则t+1时刻与t时刻(x,y)像素处的灰度差是

S(x,y)=I(x,y,t+1)-I(x,y,t)(3)因此,对于场景中的静态物体(如背景),S(x,y)为零;而对于场景中运动物体的轮廓,S(x,y)一般不为零。所以,可利用S(x,y)来检测物体的运动。利用阈值法对S(x,y),可以有效地抑制噪声,提取运动信息,获得S (x,y),其数学表达式为:

S(x,y)=1 |I(x,y,t+1)-I(x,y,t)|>th2

0 |I(x,y,t+1)-I(x,y,t)| th2

(4)

式(4)中th2为灰度阈值。

优点:连续帧差分法对动态环境有很好的适应性,速度快,易于硬件实现,但不能完全提取出目标的所有相关点,在运动实体内部容易产生空洞现象。

2.3 一种准确快速的运动目标检测算法

提出的一种准确快速的运动目标检测算法,是基于动态阈值的减背景法与帧差法相结合的运动目标检测算法

考虑到灰度阈值th1、th2的值关系着检测目标的灵敏度,但上面提到的th1、th2都是固定值,只适合于理想的情况,对于光线变化等复杂的环境不太适用。环境光线的变化将导致获取前景图像与背景图像时灰度值的变化,如果其变化超过了指定的阈值,传统算法将不能实现目标的准确检测。故在新算法中,采用动态阈值。

又考虑到减背景法与连续帧差分法各自的优缺点,故将减背景法与连续帧差分法相融合进行运动目标检测,既能完全提取出目标的所有相关点,又对动态环境有很好的适应性。正是基于此,采用了基于动态阈值的帧差法与背景差法相结合的运动目标检测算法。

具体实现步骤如下:

步骤一 采集运动图像序列中一张静止灰度图像作为背景图像,表示为f0(x,y);

步骤二 采集运动图像序列中的连续两帧灰度图像,分别设f k-1(x,y)、f k(x,y)为第k-1帧和第k帧图像,第k帧图像为当前帧图像;

步骤三 计算k和k-1的连续两帧灰度值差分S1(x,y),其数学表达式为:

S1(x,y)=f k(x,y)-f k-1(x,y)(5)步骤四 计算当前帧第k帧图像f k(x,y)与静态背景图像f0(x,y)的差分S2(x,y),其数学表达式为: S2(x,y)=f k(x,y)-f0(x,y)(6)步骤五 对S1(x,y)、S2(x,y)进行二值化,用基于动态阈值的方法;

其数学表达式为:

S1(x,y)=1 |f k(x,y)-f k-1(x,y)|>T h1+ th1

0 |f k(x,y)-f k-1(x,y)| T h1+ th1

(7)

S2(x,y)=1 |f k(x,y)-f0k(x,y)|>Th2+ th2

0 |f k(x,y)-f0k(x,y)| Th2+ th2

(8)

其中 th1、 th2分别是连续帧差法、减背景法的二值化阈值,其数学表达式为:

th1= 1

M N !N-1

i=0

!M-1

j=0

|f k(x,y)-f k-1(x,y)|(9)

th2= 1

M N !N-1

i=0

!M-1

j=0

|f k(x,y)-f0k(x,y)|(10)

371

第4期 曾脉等:一种准确而快速的运动目标检测算法

为抑制系数,参考值为2;M N 表示每副图像的大小,其数值表示检测区域的像素个数。 th 1、 th 2反映了环境的整体变化情况。如果图像光照变化明显,则动态阈值 th 1、 th 2将明显增大,这就有效地抑制了光线变化带来的影响。如果图像光照变化较小,动态阈值 th 1、 th 2是一个很小的值,在假定检测区域的像素足够多的前提下,将趋近于0。

步骤六 求取S 1(x ,y )、S 2(x ,y )的公共部分B (x ,y ),即取S 1(x ,y )、S 2(x ,y )的交集。B (x ,y )若为结果1,则检测到运动目标信息;若B (x ,y )为0,则没有运动目标信息。其数学表达式为:

B(x ,y )=1 |S 1(x ,y )?S 2(x ,y )|=10 |S 1(x ,y )?S 2(x

,y )|=0

(11)3

实验结果和分析基于VC6.0开发环境,在主频3GH z 、内存1.5GB

计算机上用提出的算法对大量图像进行测试,测试结果如图1#图6所示。由实验结果可见

,因为光照、风吹、以及局部场景的变化,用基于减背景法的图像如图4所示,

会有一些噪声点和漏检点;同时因为与前一帧动作相关联故基于连续帧间差分法的图像如图5所示

,有一些失真,运动目标出现空洞;而采用的基于动态阈值的减背景法与帧差法相结合的方法,其效果如图6所示,表明它既 图1 连续两帧中有运动物体的图像(第164帧)

图2 连续两帧中有运动物体的图像(第165帧)

图3 静态背景图(第零帧)

图4 基于减背景法的运动目标图像

图5 基于帧间差法的运动目标图像

图6 基于新算法的运动目标图像

372成 都 信 息 工 程 学 院 学 报 第23卷

适应了局部场境和自然环境的变化又取出了运动目标的所有相关点,还有快速的优点。显然,新方法的提取结果能为运动目标跟踪以及高级行为理解等后续处理奠定了基础。

4 结论

减背景法和帧差法都是运动目标检测常用的方法,但是这两种方法都有特定的适用环境,在现实中常常融合一种或多种方法来解决实际的问题。提出的基于动态阈值的减背景法与帧差法相结合的方法,从图6结果可以看出,它既完全提取出运动目标的所有相关点,又适应复杂变化的环境和场景,而且用动态阈值的方法有效地克服图像光照变化产生的影响,运动目标检测的精确度有了明显的提高,因而有较强的实用性。

参考文献:

[1] 王亮,胡卫明,谭铁牛.人运动的视觉分析综述[J].计算机学报,2002,25(3):225-237.

[2] Barron J L,Fleet D J,Beauchem in S.Performance of optical flow techniques[J].International Journal of Com

puter Vision,1994,12(1):42-77.

[3] LiptonA,Fujiyoshi H ,PatilR.Moving target classification and tracking from real time video [J].In:Proc.

Fourth IEEE Workshop on Applications of Computer V ision,Princeton,NJ,1998,10:8-14.

[4] Meyer D,Denzler J,Niemann H.Model based extrac tion of articulated objects in image sequences for gait analysis[A].

In:Proc IEEE International Conference on Image Proc essing[C].SantaBarbara,California 1997:78-81.

[5] Ismail Haritaoglu,David Harw ood,and Larry S.Dav is.W4:Real Time Surveillance of People and Their Activ

ities [J].In:IEEE Transactions on Pattern Analysis and Machine Intelligence,2000,8(22):809-829.

[6] Munchurl Kim,Jae Gark Choi,Daehee Kim,Hyung Lee,Myoung Ho Lee,Chieteuk Ahn,and Yo Sung Hoetal.

A VOP generation tool:automatic segmentation of moving objects in image sequences based on spatio tem poral information[J].IEEE Trans on Circuits and Systems for Video Technology,1999,9(8):1216-1226.

[7] J.B.Kim,H.J.Kim.Efficient reg ion based motion segmentation for video monitoring system [J].Pattern

Recog nition Letters,2003,24:113-128.

[8] Lucas B,Kanade T.An iterative image reg istration technique w ith an application to stereov ision[A ].Proc.

DARPA IU Work shop[C].M enlo Park,California,1981:121-130.

An accurate and rapid moving target detection method

ZENG M ai 1, ZU O Zhi hong 1, CHANG Xiao fu 2, H E Xuan 2

(1.College of Computer Science &Engineer ing ,U EST C,Cheng du 610054,China; 2.College of Computing &Communication Eng i neering ,Graduate U niversit y,Chinese Academy of Sciences,Beijing 100080,China)

Abstract:The moving target detection is the main research content of the computer vision and image encoding w hich has an extensive application prospect.One of the common methods is based on the background subtraction.But it is influenced by the light and environmental change and the inter frame difference cannot g et all the related pixels of the object.In view of the faults of the traditional methods a moving object detecting method is proposed based on the combination of the background subtraction and the inter frame difference using the dynamic threshold.T he calcula tion results show that the algorithm ha the advantages that it not only gets all the related pixels of the object,but also adapts to the complex environmental change so that the accurateness and rapidness are increased.

Key words:background subtraction algorithm;inter frame difference algorithm;dynamic threshold;target detection 373第4期 曾脉等:一种准确而快速的运动目标检测算法