三帧差分法

合集下载

运动目标检测方法的对比分析和仿真实现

）＝
Ｄ（，）ｔｅｋｘｙ＞ｈｓｌｈｄｒｏ）｝ ≤ｔｌｒ
．
Ｉ２（）
Ｒｃ：ｗ。，｛ｈＤ＋ｙ：：ｈ＝：。ｋｗｅｎ
＋ｌ
＋
ｄ（ｙ＞ｈｓｏ２ｔｈｘ）ｒｅｌ
，，
中图分类号
Ｔ３１４Ｐ９．１
文献标识码
Ａ
文章编号
１０７２（０１１０７— ８０２１）２—１２— ２１０
ＣｍｐｒｓｎａｄＳｍｕａｉｎｏｅＭｅｈｄｏｖｎｊｃｔｃｉｎｏａｉｎｉｌｔｆｈｔｏｓｆｒＭｏｉｇＯｂｅｔｅｔｏｏｔＤｅｏ
陕西西安
摘要
７０８；３武警石家庄指挥学院训练部，河北石家庄１０６．
００６）５０１
研究了目前运动目标检测常用的两种方法：三帧差分法及混合高斯模型背景差分法，并对两种运动目标
运动目标检测；三帧差分法；混合高斯
检测方法作了简述，且辅以典型的视频运动目标检测实例，给出了两种方法的实验结果，指出其适用范围及优缺点关键词
ห้องสมุดไป่ตู้
运动目标检测在视频分析、频编解码及视频监视
控等方面起着重要的作用。运动目标检测即实时的检
测运动目标，其提取出来。在序列图像处理中，并将运动目标的检测方法总体上可归纳为以下３类：流法、光
帧差法和背景差法。

一种基于OpenCV实现的三帧差分运动目标检测算法研究

ｃｎｆｌｉｈｅｌｉｅｕｒｍｅｔａｕｆｌｅｒａｔｌｔｍｅｒｑｉｅｎ．
ＫｙＷｏｄｔｒｅｆｍｅｄｆｒｎｉ，ｅｅｔｎｏｖｎｂｅｔＯｐｎＶｅｒｓｈｅ－ｒｉｅｅｔｌｄｔｃｉｆａｆａｏｍｏｉｇｏｊｃ，ｅＣ
ＣｌｓｍｂｒＴＰ０．ａｓＮｕｅ３】６
１引言
现实生活中，量有意义的视觉信息都包括在大运动之中。尽管人类的视觉即能看见运动物体又能看到静止的物体，是在许多场合，但比如重要场
ｔｎＳｍｅｓｍｕａｉｎｔｓｓａｅｃｒｉｄＯｔｂｈｌｏｉｈａｄｔｅｂｓｃｆａｉｅｅｃｔｏｉ．ｏｉｌｔｅｔｒａｒｅｕｙｔｅａｇｒｔｍｎｈａｉｒｍｅｄｆｒｎｅｍｅｈｄ，ｒｓｅｔｅｙｏｏｆｅｐｃｉｌ，ｍｏ的基础，取准确的获运动目标对于后面的处理具有重要意义，此，因研
徐卫星王兰英李秀娟
郑州４００）５Ｏ７（河南工业大学电气工程学院
摘
要
运动目标检测在视觉监控系统、医学图像分析、工业检测和军事等领域有着广泛的应用。运动目标检测处于
这些应用的最前端，检测结果的准确精度对后续处理有很大的影响。文中提出了一种三帧差分运动目标检测算法，利用
总第２５６期２１年第１期０１１

基于改进的三帧差分法运动目标检测

【中图分类号】ＴＮ９１１．７３
【文献标志码】Ａ
ＭｏｖｉｎｇＯｂｊｅｃｔｓＤｅｔｅｃｔｉｏｎＢａｓｅｄｏｎＩｍｐｒｏｖｅｄＴｈｒｅｅＦｒａｍｅＤｉｆｅｒｅｎｃｅ
ＤＩＮＧＬｅｉ，ＧＯＮＧＮｉｎｇｓｈｅｎｇ
ＣｏｌｌｅｇｅｏｆＥｌｅｃｔｒｏｎｉｃｓａｎｄｌｎｆｏｒｍ￣ｔｉｏｎＥｎｇｉｎｅｅｒｉｎｇ，ｎｊｉｇｎＵｎｉｖｅｒｓｉｔｙｆｏＴｅｃｈｎｏｌｏｇｙ， №ｎｊｉｎｇ２１１３１６，Ｃｈｉｎａ）【Ａｂｓｔｒａｃｔ】Ｔｏａｃｃｕｒａｔｅｌｙａｎｄｅｉｃｆｉｅｎｔｌｙｉｍｐｒｏｖｅｔｈｅｍｏｖｉｎｇｏｂｊｅｃｔｓｄｅｔｅｃｔｉｏｎ，ｔｈｉｓｐａｐｅｒｐｒｏｐｏｓｅｓａｎｉｍｐｏｒｖｅｄｔｈｒｅｅＬａｍｅｄｉｆｅｒｅｎｃｅａｌｇｏｒｉｈｔｍ，ｗｈｉｃｈ
ｈｒｔｅｓｈｏｌｄｅｘｒｔａｃｉｔｏｎｒｅｄｕｃｅｈｅｔｅｆｅｃｔｏｆｈｅｔｓｕｎｓｈｉｎｅａｎｄｎｏｉｓｅ．Ｅｘｐｅｉｍｅｒｎｔｌａｒｅｓｕｌｔｓｄｅｍｏｎｓｒａｔｔｅｈａｔｔｈｅｔｌｇａｏｒｉｈｍｔｃａｎｄｅｔｅｃｔｈｅｔｅｎｔｉｒｅｔｙｏｆｔｈｅｍｏｖｉａａｖｏｉｄｕｎｄｅｔｅｃｔｅｄｅｒｒｏｒ．Ｔｈｉｓａｌｇｏｉｒｔｈｍｃａｎａｃｃｕｒａｔｅｌｙａｎｄｅｉｃｆｉｅｎｔｌｙｄｅｔｅｃｔｈｔｅｍｏｖｉｎｇｏｂｊｅｃｔｓｄｅｔｅｃｔｉｏｎ．

三帧差法和Mean-shift结合的行人检测与跟踪研究

采用基于Ｍｅａｎ－ｓｈｉｆｔ的轮廓跟踪算法对行人进行实时跟踪。实验结果表明，该算法能够将不包含行人信息的区域进行筛选排除，在不降低检测效果的情况下明显提高了行人检测及跟踪的效率，具有较强的鲁棒性。
关键词：三帧差法；Ｍｅａｎ－ｓｈｉｆｔ；背景差分法；ＨＯＧ算子；支持向量机中图法分类号：ＴＰ３９１．４１文献标识号：Ａ文章编号：１０００ — ７０２４（２０１４）Ｏ１ — ０２２３ — ０５
姚倩，安世全，姚路
（１．重庆邮电大学计算机科学与技术学院，重庆４０００６５；２．重庆邮电大学移通学院，重庆４０１５２０）
摘要：为了快速、准确地对视频序列中的行人进行检测和跟踪，提出了一种基于运动区域的Ｍｅａｎ－ｓｈｉｆｔ行人检测和跟踪算法。采用改进的背景差分的三帧间差分法对运动区域进行提取，并通过离线训练的Ｈ（Ｘ３分类器对行人进行识别。提出
２０１４年１月
计算机工程与设计
Ｃ（）ＭＰＵＴＥＲＥＮＧＩＮＥＥＲＩＮＧＡＮＤＤＥＳＩＧＮ
Ｊａｎ．２０１４
Ｖｏ１．３５Ｎｏ法和Ｍｅａｎ — ｓｈｉｆｔ结合的行人检测与跟踪研究

基于三帧时间差分法的独居老人运动检测

人姿态识别和安全判断打好基础。
关键词：帧差分法；三运动检测；居老人独
Ｄ：０７８．ｓ．０２８３．１．．１文章编号：０２８３（００１— ２９０文献标识码：中图分类￣＇Ｐ９ＯＩ１．７／ｉｎ１０ — ３１００１０３ｊｓ２３７１０ — ３１２１）３０３ — ３Ａ：３１Ｔ
ｌ引言
数据表明，中国已经进入老龄化社会｝如何对老年人进行ｌ】，
照顾已经成为—个日益引起关注的问题，尤其独居老人的日常生活安全对构建和谐社会具有重要意义。利用摄像机的非接触
ｆａ — ｉｅｅｃｇＣｍｐｔｒＥｇｎｅｉｇａｄＡｐｅｔｎ，００４（３：３－４．ｒｍｅｄｆｒｎｉ．ｏｕｅｎｉｅｒｐｆａｉｓ２１。６１）２９２１ｆｎｎｎｉｏ
ＡｂｔａｔＣｈｎａｅｔｒｄｔｅｇｎｏｉｔ．ｈｅｄｒｙｈｖｅｏｎｎｒａｉｇｏｃｒ．ｈｅｔｎａｇｒｔｍｆｉｄｏｓｒｃ：ｉａｈｓｎｅｅｈａｉｇｓｃｅｙＴｅｌｅｌａｅｂｃｍｅａｉｃｅｓｎｃｎｅｎＴｅｄ￣ｃｉｌｏｈｏｎｏｒｏｉ
３ｆａ — ｉｅｅｃｎｒｐｌｄｔｈｍａｅｓｇｎａｉｎｏｎｉｄｏｌｅｖｎｌｗｌｎｈａｉｓｉｔｎｆｒｈｓｅ－ｒｍｅｄｆｒｎｉｇａｅａｐｉｏｔｅｉｇｅｍｅｔｔｆａｎｏｒｅｄｒｍｏｉｇｓｆｅｏｏｙａｄｔｅｂｓｅｔｃｍａｉｏｉ／ｒｏｈａｔｉｏｔｒ．ｅｘｅｉｎｓｓｏｔａｈｕｎｐｓｒｍａｅａｅｅｍｅｔｄｕｃｓｆｌ．ｈｅｌｔｒｑｉｅｎｓｃｉｔｐｓｕｅＴｈｅｐｒｍｅｔｈｗｈｔｔｅｈｍａｏｔｅｉｇｃｎｂｓｇｎｅｓｃｅｓｌＴｅｒａｉｖｙｕｕｙｍｅｅｕｒｍｅｔｉｓｔｆｅａｄｉｌｙｏｄｂｓｓｆｒｔｅｆｌｗｉｇｉｅｔｙｎｈｌｅｌｏｔｒｎｅｅｍｉｉｇｈｓｅｅｕｔ．ａｉｉｄ，ｎｔａｓａｇｏａｉｏｈｏｌｎｄｎｉｉｇｔｅｅｄｒｙｐｓｕｅａｄｄｔｒｎｎｉ／ｒｓｃｒｙｓｏｆｈｉＫｅｒｓｔｒｅｆａ－ｄｆｒｎｉｇ；ｔｎｄｔｃｉｎ：ｈｌｅｌｇｎ－ｉ— ｌｃｙｗｏｄ：ｈｅ－ｒｍｅｉｅｅｃｎｍｏｉｅｅｔｏｏｔｅｅｄｒａｉｇｎｐａｅｙ

帧差法

帧差法近些年来, 世界各地的学者们针对视频图像中的运动目标检测与跟踪问题做了大量而深入的研究, 提出了很多极其有效的算法难点主要在于视频序列中有各种不同的干扰因素, 这些因素主要包括: 光线明暗的变化、成像传感器本身的固有噪声、运动目标自身的形变或位移变化、背景中的杂波、运动目标的互相遮挡或者自遮挡等, 这些问题还有待于做进一步的研究。

目前, 常用的运动目标检侧方法有: 光流法、背景差分法和帧间差分法。

1.光流法光流法能够检测出运动目标较完整的运动信息, 不需要预先知道场景的任何信息, 能够较好的处理运动背景的情况, 并且可以用于摄像机运动的情况, 适用于帧间位移较大的情况。

但是由于透明性、阴影、多光源、遮挡和噪声等原因,利用光流法进行运动物体检测时, 计算量很大, 无法保证实时性和实用性, 故难以应用到实时系统, 同时对噪声比较敏感, 计算结果精度较低, 难以得到运动目标的精确边界。

2 .背景差分法操作简单, 能够提供完全的特征数据, 但对目标的检测能力较低, 尤其对天气、光照等噪声的影响极其敏感,3T 为预先设定的阈值, 可根据经验选取T , 若选取过大, 则检测的目标则可能出现较大的空洞甚至漏检, 若T 选取过小, 将出现大量噪声。

由于帧间差分法的不足, 就有学者提出了三帧差法, 三帧差法充分考虑了动像素的时间相关性, 对动态检测比较灵敏, 对随机噪声也有很好的抑制作用,但也存在一定缺陷, 即差分图像的检测阈值需手动设定, 大多数情况下只能依据实践经验。

三帧差分法的关键是选取合适的阈值对图像进行二值化。

运动目标自动跟踪是指对目标进行连续的检测并确定其运动轨迹[1].在视频监控领域中,目标智能识别与自动跟踪系统是近几年来的研究重点.在军事、国防和工业等领域有着广泛的应用前景.当前运动目标的检测方法主要有3类:光流法[2]、帧间差分法[3]和背景差分法[4].背景差分法具有简单、运算速度快等诸多优点,使得该法作为运动目标检测的基本方法被普遍采用.但该法暴露出若干问题:一种是因外部条件引起的,如对光线的变化、噪声等造成差分图像检测精度不高,甚至失效;另一种是由差分图像法本身内在局限引起的,主要有空洞[5]、拖影,以及运动目标被拉长等现象.光流法[6]虽然能够适用于静态背景和动态背景两种环境,有较好的适应性,但是其计算复杂度高,运算时间开销很大,不能满足实时性的要求.帧差法[7]比较简单,实时性高,它主要包括减背景方法和相邻帧相减法,即三帧差分法.减背景方法存在背景获取困难、受光照影响严重且更新困难等问题.三帧差分法受光照和阴影影响较小.笔者对三帧差分法进行改进,提出了一种简单有效的运动目标检测方法.1 运动目标实时跟踪系统1. 1 帧差法的基本原理帧间差分法的基本原理就是将前后两帧图像对应像素点的灰度值相减,在环境亮度变化不大的情况下,如果对应像素灰度相差很小,可以认为此处物是静止的;如果图像区域某处的灰度变化很大,可以认为这是由于图像中运动物体引起的,将这些区域标记下来,利用这些标记的像素区域,就可以求出运动目标在图像中的位置.一般采用的帧差法是在连续的图像序列[8]中2个或3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的运动区域.该运动目标实时跟踪系统是采用三帧差分来进行运动目标检测,这种方法不仅能提高运动目标检测[9]的速度,而且提高了所检测运动目标图像的完整性.均值滤波均值滤波是典型的线性滤波算法，它是指在图像上对目标像素给一个模板，该模板包括了其周围的临近像素(以目标象素为中心的周围8个像素，构成一个滤波模板，即去掉目标像素本身)，再用模板中的全体像素的平均值来代替原来像素值。

一种基于改进三帧差分和ViBe算法的运动目标检测算法

一种基于改进三帧差分和ViBe算法的运动目标检测算法谢红;原博;解武【摘要】近几年提出的ViBe算法具有运算速度快，目标提取准确率高的特点，但是它对光照的突然变化也非常敏感，而且由于它的模型初始化的方式，也容易形成“拖影”现象。

文中先通过引入传统三帧差分算法难以提取出完整的目标轮廓这一问题，提出一种结合边缘检测的改进三帧差分算法。

该算法在提取出完整的运动目标的同时不会附加冗余的边缘信息。

然后将该算法引入到ViBe算法中，使2种方法结合，一方面消除“拖影”现象，另一方面可以自适应地选择检测的方法，以消除光照突变造成的影响。

试验结果表明，该改进算法是一种适应性强、鲁棒性高的运动目标检测算法。

%The ViBe algorithm proposed in recent years has the characteristics of high computing speed and high accuracy of object extraction. But it is sensitive to the light mutation. And it is also easy to form the"smear" phe⁃nomenon because of its model initialization modes. Firstly, this article proposed the improved three⁃frame difference algorithm combined with edge detection by introducing the problem that the traditional three⁃frame difference algo⁃rithm is difficult to extract the complete contours of the targets. This algorithm can extract the complete moving tar⁃gets without additional redundancy edge information. Then this algorithm is introduced into the ViBe algorithm and is combined with it. The improved algorithm can eliminate the"smear" phenomenon. and it can select the suitable detection method adaptively to eliminate the impact caused by the light mutation. The experimental results show that, this method is an effective moving target detection method.【期刊名称】《应用科技》【年(卷),期】2016(043)006【总页数】7页(P46-52)【关键词】视觉背景提取算法;三帧差分法;边缘检测;“拖影”现象;光照突变【作者】谢红;原博;解武【作者单位】哈尔滨工程大学信息与通信工程学院，黑龙江哈尔滨150001;哈尔滨工程大学信息与通信工程学院，黑龙江哈尔滨150001;哈尔滨工程大学信息与通信工程学院，黑龙江哈尔滨150001【正文语种】中文【中图分类】TN911.73运动目标检测就是将视频序列中的运动目标与所在的背景图像相分离，从而可以获得目标的前景，也就是确切的运动目标。

图像处理算法之帧间差分法

图像处理算法之帧间差分法
1. 基本原理
帧间差分法是⼀种通过对视频图像序列的连续两帧图像做差分运算获取运动⽬标轮廓的⽅法。

当监控场景中出现异常⽬标运动时，相邻两帧图像之间会出现较为明显的差别，两帧相减，求得图像对应位置像素值差的绝对值，判断其是否⼤于某⼀阈值，进⽽分析视频或图像序列的物体运动特性。

其数学公式描述如下：
D(x,y)为连续两帧图像之间的差分图像，I(t)和I(t-1)分别为t 和t-1时刻的图像，T 为差分图像⼆值化时选取的阈值，D(x,y) = 1表⽰前景，D(x,y)= 0表⽰背景。

2. 优缺点
优点：算法实现简单，程序设计复杂度低，运⾏速度快；动态环境⾃适应性强，对场景光线变化不敏感。

缺点：“空洞”现象（运动物体内部灰度值相近）；“双影”现象（差分图像物体边缘轮廓较粗）；不能提取出运动对象的完整区域，仅能提取轮廓；算法效果严重依赖所选取的帧间时间间隔和分割阈值。

3. 三帧差法
⽬的：解决帧间差分法的“双影”问题。

算法步骤如下：
可在⼀定程度上消除帧间差分法的“双影”现象。

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

三帧差分法的问题
大家帮忙看看这个三帧差分法的代码哪里出了问题？参照论坛上的相邻帧差法，改造成三帧差分法。

clc;
clear;
targetavi='SampleVideo.avi'; %%原始视频
resultavi='result.avi'; %%检测结果视频%%%%%%%%%%%%%%%%%%%%%%读取视频
mov=aviread(targetavi);
%mov=mmreader(targetavi);
fnum=size(mov,2);
%%%%%%%%%%%%%%%%%%%%%%建立结果视频
aviobj = avifile(resultavi);
aviobj.Quality = 100;
aviobj.Fps = 15;
%pression='Indeo5';
pression='None';
%%%%%%%%%%%%%%%%%%%%%%帧间差分法
for i=2:fnum
x=mov(i-1).cdata(:,:,:);
y=mov(i).cdata(:,:,:);
z=mov(i+1).cdata(:,:,:);
m=rgb2gray(x);
m=medfilt2(m);
n=rgb2gray(y);
n=medfilt2(n);
o=rgb2gray(z);
o=medfilt2(o);
q=im2double(n);
w=im2double(m);
p=im2double(o);
c=q-w;%%前两帧差分
b=p-q;%%后两帧差分
t=40; %%阈值，此值可以调节
t=t/256;%%转化为double型数据
k=find(abs(c)>=t);%%find函数作用是找到图c中的值大于t的点坐标
d=find(abs(b)>=t);%%find函数作用是找到图b中的值大于t的点坐标
c(k)=255;%%二值化的一
b(d)=255;
k=find(abs(c)<t);
d=find(abs(b)<t);
c(k)=0;%%二值化的零
b(d)=0;
f=c&b;
imshow(f);
adata=cat(3,f,f,f);%%灰度图像生成视频必加此句
aviobj = addframe(aviobj,adata);%%生成视频
hold on;
drawnow;
hold off;
end
aviobj=close(aviobj);
显示的错误提示：
??? Error using ==> avifile.addframe>getInputType at 384
Invalid input argument. Each frame must be a numeric matrix, a MA TLAB movie structure, or a handle to a figure
or axis.
Error in ==> avifile.addframe at 58
inputType = getInputType(varargin{i});
Error in ==> ThreeFrameDifference at 61
aviobj = addframe(aviobj,adata);%%生成视频
TOP
Matlab中文函数大全上线，欢迎大
家完善！点。