基于视频监控运动目标检测算法研究资料

混合高斯模型
❖ 设用来描述每个像素点背景的高斯分布共有
K个，分别记为(x, i,t ,
),i 1, 2,..., K 。各高
i,t
K
斯分布分别具有不同的权值i,t ( i,t 1)和
优先级 Pi i,t
i,t
1/
2
i 1
，它们总是按照优先级从高
到低的次序排序。 包括模型初始化、模型匹
配与参数更新、生成背景分布和检测前景四
优点：单高斯分布背景模型在室内(或 其他简单场景)进行运动目标检测可以 得到较好的效果，由于运算量小，处理 速度非常快，而且检测到的目标比较完 整。
缺点：当场景比较复杂时，模型会
变得不稳定，而且抗噪声干扰的能力较 差。
混合高斯模型
• 此方法是这样实现背景建模的：
• 混合高斯模型使用K（基本为3到5个）个高斯模型 来表征图像中各个像素点的特征；用当前图像中的 每个像素点与混合高斯模型匹配,如果成功则判定该 点为背景点, 否则为前景点； 获得后更新混合高斯 模型；通观整个高斯模型，主要是有方差和均值两 个参数决定。
❖ I I I ❖ u v
(1)
t x y
y

❖ 表示灰度对时间的变化率等于灰度的空间梯度与光流速度的点积。 ❖ 从不同角度对式(1) 引入不同约束条件，产生不同的光流分析方法。
Barron等人将光流计算分为4种:微分法、频域法、块匹配法和能量法， 其中微分法最为常用。下面介绍微分法（即基于梯度的算法）。该方法 以Hom&schiinck(简称HS)算法为代表。
可用于摄像机运动情形，提取目标完整信息（包括运动 信息），计算复杂度高，抗噪性能差。在摄像机固定的情况 下应用较少。
❖ 帧差法(Temporal difference)
通过比较相邻2或3帧图像差异实现场景变化检测，对 动态环境有较强适应性，但检测精度不高，难获得目标精确 描述。
❖ 背景减除法(Background subtraction)
❖ 设(x，y)点在时刻t的灰度为 I(x,y,t)，设光流w=(u，v)在该点的水平和
垂直移动分量u(x，y)和v(x，y):
dx
dy
u v
dt
dt
❖ 经过dt后对应点为I(x+dx,y+dy,t+dt)，当 dt 0 ，灰度I保持不变，得
到 整I理(x得,y,到t)=基I本(x+的d光x,y流+约dy束,t+方dt程)。: 此式由Taylor展开，忽略二阶无穷小，x
(Ixu I yv It )2 2 (u)2 (v)2
❖ 取值主要考虑x 图y 中的噪声情况。如果噪声较强，
说 明数据置信度较低，需要更多地依赖光流约束，
其取值较大;反之其取值较小。
光流法实验结果图
❖ 本文使用 Horn& Schunck 提出的光流算法 ，检测场景为两个人在室内聊天的场景。
背景建模法
❖ 原理：建立一个无运动目标的背景图像(第一 帧无运动目标的图像或前N帧无运动目标的 图像的均值或中值)，然后将当前图像的像素 值与背景图像的像素值相减，通过设置一定 的阈值，判断此像素点为背景像素点还是前 景像素点，从而分割运动目标。
❖ 优点：算法简单、实时性较高，能够完整的 分割出运动对象
Horn & Schunck算法
❖ Horn与Schunck于1981年引入了全局平滑性约束，
假设光流在整个图像上光滑变化，即速度的变化率
为零。
(u)2
u x
u y
2
0
(v)2
v x
v y
2
0
（2）
❖ 结合式（1）和式（2），得光流w=(u,v)应满足：
min (x, y)
❖ 从下面两张图可看出，由于检测所选用的两 帧是视频中连续的两帧，相隔时间非常短， 因此，场景中的两个人并没有明显的变化。
结论
❖ 由上面光流法实验结果图可看出，由于用于 检测的两帧图像中的两个人物有微小的运动 ，通过光流法能检测出有运动物体，并且通 过三幅图的对比可以看出，检测出来的运动 物体的轮廓与上图中两个有微小运动的人物 轮廓相符，如此，可验证光流法不但可以检 测出是否存在运动目标，并且，当运动目标 存在时，能获得运动目标的完整轮廓。
❖ 缺点：对背景的依赖性较高
流程
❖ 背景建模法通常分为背景模型建立、背景模 型更新、背景提取和目标判断四个步骤，
❖ 具体流程图如下所示：
主要介绍两种背景模型：
• 单高斯模型 • 混合高斯模型
单高斯模型
❖ 对每一个像素利用高斯函数建模，每一像素 点都认为服从均值和标准方差的分布，且每 一点的高斯分布是独立的。假定每个像素特 征在时间域上的分布可以由单个高斯分布来 描述
t i,t )2 是参数学习率。 衰减。
❖ 若无分布和 It 匹配，则最小权值分布被替换成均值
为 It ，标准差为 0，权值为 K,t (1)K,t1 的
部分。
It
模型匹配与参数更新
❖ 将新像素 It 与模型中的K个分布按序匹配，若 It 与某 分布满足式 It i,t1 D1i,t（1 D1为自定义参数），则 It
与该高斯分布匹配，其参数按下式更新。
❖
i,t (1 )i,t1
i,t (1 )i,t1 It
❖
式不中匹配0 的 分1布是仅自权定值义i2,t 按的 (1学i,习t)率(1i2,t，1)i,t(i,t1I
适用于摄像机静止情形，其关键是背景建模，性能与 监控场景复杂情况和系统要求有关。
光流法
❖ 光流法主要通过对序列图像光流场的分析， 计算出运动场后，对场景进行分割，从而检 测出运动目标。
❖ 光流法的核心是求解出运动目标的光流，即 速度。
❖ 简要介绍传统光流法的典型代表微分法。
光流法
❖ 根据视觉感知原理，客观物体在空间上一般是相对连续运动，在运动过 程中，投射到传感器平面上的图像实际上也是连续变化的，即灰度不变 性假设。根据这一基本假设，可以得到光流基本方程。
基于视频监控运 动目标检测算法
研究
内容提要
❖ 研究背景 ❖ 运动目标检测方法
光流法 帧差法 背景建模法 ❖ 算法评价
研究背景（1）
❖ 对序列图像的运动分析是当前计算机视觉领域的一 个重要研究方向，广泛应用于：
高级人机交互 智能监控 视频会议 医疗诊断 基于内容的图像存储与检索
运动目标检测方法
❖ 光流法（Optical flow）