一种运动背景下移动目标的检测方法

j j
帧灰度图 1 ( a ) 和当前帧灰度图 1 ( b ) , 利用投影式 ( 2) 分别得 到当前帧和参 考帧的行、 列投影曲线。 如图 1 ( c) , ( d) 分别为参考帧和当前帧图像的列投 影曲线, 图 1( e) , ( f ) 分别为参考帧和当前帧图像 的行投影曲线 , 图 1 ( g ) , ( h ) 分别是参考帧和当前 帧的行相关曲线、 列相关曲线。 2. 1. 2 位移相关检测 将第 k 帧图像的行、 列灰度投影曲线与参考帧 r 图像的行列灰度投影曲线做互相关计算, 根据两 条相关曲线的谷值即可确定当前帧图像相对于参 考帧图像的行列位移矢量值。式( 3) 为进行列相关 运算的计算公式: C( w ) =
sequences w ith global mo tion. T hr ough analyzing the r elated cur ves, three point loca lly adaptive sear ching a lg or ithm is pr o po sed o n the basis of sing le pea k char acter istics, T he m otion vecto r s betw een the successiv e imag e f ra mes can be e sti m ated by using this a lg or ithm. T hr o ugh maping the backgr o und o f the curr ent ima ge fr ame based o n the backgr o und o f the ref er ence im age f ra me, the global m ot io n v ecto rs can be co mpensate d. T he backgr o und o f successive image f ra mes ar e fixed to the sa me po sitio n of the sa me imag e fr ame. T hen the mo ving objec ts ca n be dete cted ex actly by using a m etho d o f impr ov ed three successive imag e fr ame s subtr action and classed w ith their char acte ristics. Exper imental results de mon stra te that this metho d can ef fectively e xtr act and distinguish m ov ing o bjects with changing backgr ound. Key words o bject detect io n, gr ay scale pro jec tio n, mo ve compensa tio n, thr ee imag e fr ames subtr action Class Number T P391. 41
k- 1
出运动目标的位置和形状轮廓信息。 d 1= | f k ( x , y ) - f d= d 1 d 2 (x, y) | ( 4) ( 5) ( 6) d 2= | f k + 1 ( x , y ) - f k ( x , y ) |
( 这 里是 2m + 1 = 2 ! 7+ 1= 15 )
1
引言
运动目标的检测在机器人研究和智能视频监
法无法准确地检测出运动的目标。考虑到当摄像 机运动时背景只是产生了平移 , 可以忽略摄像机的 旋转和变焦。本文采用改进的灰度投影的算法估 计出图像序列帧间运动矢量, 通过对灰度投影相关 曲线的分析, 利用其具有单峰性的特点 , 提出了三 点局域自适应搜索算法代替全局搜索算法 , 减小了 运算量。从而快速的计算出相邻两帧之间的位移 矢量 , 以参考帧图像背景为参照, 映射当前帧的背 景信息, 成功的补偿了背景的运动。将连续三帧图
均匀选取 3 个点 , 计算这 3 个点处的 C( w ) 值找到 C( w ) 值最小的点。这里设找到的最小值点是第 8 个点。以最小值点 ( 8 ) 为中心在 ( m - 1 ) / 2 搜索宽 度内均匀选取 3 个点 , 计算这 3 个点处的 C( w ) 值 , 找到 C( w ) 值最小的点 . 设找到点是第 10 个点。以 点( 10) 为中心在 [ ( m - 1) / 2- 1] / 2 的搜索宽度内 均匀选取 3 个点 , 计算这 3 个点处的 C( w ) 值找到 C( w ) 值最小的点, 则该点即是所要求的相关值为 最小时的匹配点。该搜 索算法是利用 C ( w ) 分布 的单峰性特点在搜索过程中 自动判断 C( w ) 可能 减小的方向 , 并相应调整搜索的参数。搜索宽度为 2n - 1 时三点局域自适应搜索算法所需运算量为 3n, 而全局搜索算法的运算量为 2 n+ 1 - 1 。随着搜 索宽度的增大三点局域自适应搜索算法的速度优 势越明显。 2. 2 改进的连续三帧差分法提取运动目标 该方法分为三个步骤 : 1) 利用灰度投影算法估 计出第 k 帧相对于 k - 1 帧背景的位移矢量, 将 k 1 帧配准到第 k 帧 ; 同样的方法将第 k + 1 帧配准 到第 k 帧。2) 利用帧差分法对补偿后的图像进行 差分 , 得到差分图像 d 1 和差分图像 d 2 ; 3) 对差分 图像 d 1 和 d 2 进行∀ 与# 运算得到差分图像 d, 对差 2. 2. 1 改进的连续三帧差分法目标检测流程
L j= 1
G k( i, j ) G k ( i, j ) ( 1)
[ G k ( j + w - 1) - G r ( m + j ) ] 2 1 w 2m + 1 ( 3)
i
式中 Gk ( j ) 、 G r ( j ) 分别为第 k 帧和参考帧 r 的第 j 列 G k ( i, j ) - E G k( i, j ) - E ( 2) 的灰度投影值, L 为列的长度 , m 为位移矢量相对与 参考帧在一侧的搜索宽度。设 W m in 为 C( w ) 最小时 的 w 值, 则第 k 帧图像相对于参考帧图像在垂直方 向的位移矢量为 c = m + 1- W m in 。得到了水平方向 和垂直方向的位移矢量后, 就可以把当前图像像素
T P391. 41
A M ethod Of M oving Objects Det ect ion Based o n Non St ationary Backgro und
L uan Qinglei Chen Z hengw ei He Y ong ( Scho o l o f Ele ctric Enginee ring and A uto mation, Hef ei U niver sity o f T e chno log y, H efe i 230009) Abstract T he impr o ved gr ay scale pr o ject io n alg or ithm is pr opo sed based on the mo ving o bjects de tectio n o f video
总第 228 期 2008 年第 10 期
计算机与数字工程 Computer & D ig ital Eng ineer ing
V ol. 36 N o. 10 165
一种运动背景下移动目标的检测方法
栾庆磊 陈正伟 何 勇
合肥 230009) ( 合肥工业大学电气与自动化工程学院 摘 要
*
针对全局运动视频序列中的目标检测 , 提 出了改进的灰度投影 算法。通过 对灰度投影 相关曲线的 分析 , 根据
i
归一化后式( 2) 中 G k ( i ) , G k ( j ) 分别为第 k 帧图像 的第 i 行和第 j 列的灰度值的和, G k ( i, j ) 是第 k 帧 图像上( i , j ) 位置处的像素灰度值。对于给定参考
第 36 卷 ( 2008) 第 10 期
计算机与数字工程
167
向位移矢量的相反方向移动相应大小的像素距离, 或者将前一帧图像像素沿着位移矢量移动相应大 小, 从而成功补偿了图像序列背景的运动. 2. 1. 3 快速搜索算法的构建 传统灰度投影算法在求取行列的位移矢量时 采用的是全局搜索算法 ( FS ) [ 2] 见 式 ( 3 ) 。以搜索 宽度内一点所做的互相关计算量为一个运算单位 , 则检测两幅图像的帧间运动矢量所需的运算量为 2m + 2n + 2( 其中 m 为设定的行搜索宽度 , n 为设 定的列搜索宽度 ) 。采用该种全局搜索算法寻找最 佳匹配点计算量大, 耗时长。本文提出了一种三点 局域自适应搜索 算法代替全局搜 索算法。如图 2 所示这里以搜索 宽度 m 等 于 7 为例说明该搜索 算法 的 步 骤. 在 有效搜索范围内
2
2. 1
背景补偿和运动目标区域检测
灰度投影算法 灰度投影算法 [ 1] 能够充分利用图像灰度总体
分布的变化规 律, 较准确 地估计出图像 的运动矢 量。为了保证实时性 , 要求帧间运动矢量估计所用
图 1 当前帧与参考帧灰度投影曲线及相关曲线
基于这个原理, 人们提出了灰度投影算法: 将 图像的灰度分布按式 ( 1) 映射成行 X , Y 方向上的 独立的一维波形。为了消除由于光照不同造成的 相关误差 , 需要对投影矢量做均值归一化处理, 首 先求取投影矢量的均值 E, 再对式 ( 1) 进行变换 , 变 换后结果如式 ( 2) 所示 , 其中 E 是图像灰度值的均 值。经过投影变换得到了反映图像灰度分布特点 的各行、 列的灰度投影曲线。将当前帧图像的行、 列灰度投影曲线与参考帧图像的行、 列灰度投影曲 线做互相关计算 , 根据 2 条相关曲线的谷值即可确 定当前帧图像相对于参考帧图像的行、 列位移矢量 值。 G k ( i) = Gk ( j ) = G k ( i) = Gk ( j ) =