基于背景减法和帧差法的运动目标检测算法研究
Abstract
Thedetectionofmovingtargetsisanimportanttopicinthefieldofcomputervision,andhas awiderangeofapplicationsintheaerospace,videosurveillance,intelligenttransportationand otherfields.Studyingmovingtargetdetectionalgorithmofvideoimagesequencehasimportant theoreticalvalueandpracticalsignificance.Thispaperfocusesontheanalysisofseveralcommon movingtargetdetectionalgorithmswhichbasedonbackgroundsubtractionandframedifference.Themainworkofthispaperisasfollows:
(3)Tosolvetheproblemofincompletecontourwhenthecolorofthetargetandbackground aresimilar,thispaperhascarriedontheimprovementbasedonanalyzodfortargetdetection.Firsttheimprovedframedifferencemethodisadoptedon thetargetforthemovingobjectdetection,thenwecarrytheCannyoperatorontheresultabove toextracttheedgeinformation,andfinallytheoutcomefromCannyoperatorandtheresultfrom framedifferencearedonewiththeORoperation.Thismethodcansolvetheproblemofthe similarcolorbetweentargetandbackgroundbetterandcangetmoreaccuratemovingtargets.Experimentalresultsshowthat,theproposedalgorithmwhichbasedonedgedetectionalgorithm andframedifferencealgorithmcanbeappliedtocomplexenvironment.Alsotheproposed algorithmhasslightcolorlimitationsandbetterapplicability.
(1)分析了运动目标检测的应用背景、研究现状和目标检测中要用到的一些视频图像处理理论。对视频序列中常用的光流法、帧差法和背景减法等运动目标检测算法进行研究，分别介绍了它们的基本原理和一些改进算法。特别是针对背景减法，分析了常见的几种背景减法的建模方法。
⑵在分析现有背景建模方法的基础之上，发现采用传统混合高斯模型建模进行目标检测时，其学习速率不可根据背景的改变而改变，影响了背景的更新效率，本文提出了一种改进的运动目标检测算法。改进的算法把学习速率分成背景建模初期和背景形成以后这两个阶段，在这两个阶段里均采用自适应的学习速率，使得模型可以更即时地更新，从而能够及时更新背景，消除运动目标的残影，提高检测准确率。实验结果表明，本文算法可以更准确地检测出运动目标，较好地消除阴影，并具有较好的自适应性和稳健性。
(2)ThefixedlearningrateisadoptedbytraditionalGaussianmixturemodel,inotherwords,thelearningratecannotchangealongwiththebackground,whichreducestheefficiencyof backgroundupdating.Animprovedmovingtargetdetectionalgorithmisproposedbasedonthe backgroundmodelingalgorithms.Thelearningrateisdividedintotwostagesbytheimproved algorithms,whicharetheearlystageofbackgroundmodelingandthestageaftertheformationof background.Theadaptivelearningrateisadoptedbybothofthestages,sothatmakesthe backgroundupdatingimmediately,eliminatestheblurofamovingtarget,andimprovesthe detectionaccuracy.Theexperimentalresultsshowthattheimprovedalgorithmcandetect movingtargetsmoreaccurately,eliminateshadows,andwithabetteradaptabilityandrobustness.
(1)Analyzedthebackgroundofmovingobjectdetection,thecurrentsituationandvideo imageprocessingtheoryoftargetdetection.Studiedthreemovingtargetdetectionalgorithms,whichareopticalflowmethod,theframedifferencemethodandbackgroundsubtraction.The principlesofthesealgorithmsandimprovedalgorithmsareanalyzed.Atlast,thispaperstudied themodelingmethodsofthebackgroundsubtraction.
⑶在分析传统帧差法进行目标检测的基础之上，针对运动目标颜色与背景灰度值相似情况下出现检测的目标轮廓不完整的问题，本文进行了改进。先用改进的帧差法进行运动目标检测，再将Canny算子作用于此目标，以提取出边缘信息，最后将目标边缘与原目标取“或”操作。此方法能够较好地解决运动目标和背景颜色差别较小时，检测的运动目标轮廓不完整的问题，从而得到更加准确的运动目标。实验结果表明，本文提出的改进的基于边缘检测与帧差法的运动目标检测算法可用于比较复杂的环境，对目标色彩的局限性小，具有较好的实用性。
硕士学位论文
论文题目:
基于背景减法和帧差法的运动目标检测算法研究
研究
方向图像处理
专业
名称通信与信息系统
研究生姓名余启明
导师姓名、职称任克强教授
2013年6月5日
江西•赣州
运动目标检测是计算机视觉领域的一个重要课题，在航空航天、视频监控以及智能交通等领域有着广泛的应用前景。研究视频图像序列中运动目标检测算法具有重要的理论价值和实践意义。本文在分析几种常见运动目标检测算法的基础上，着重研究了背景减法和帧差法。本文所做的主要工作如下：
基于帧间差分和背景差分的运动目标检测算法
英文回答：The motion target detection algorithm, which is based on frame differencing and background differencing, is aputer vision technique utilized for the detection of moving objects within a video sequence. Frame differencing entails theputation of the absolute variance between successive frames in order to identify regions of alteration, whereas background differencing involves the subtraction of a previously captured background image from the current frame to isolate moving objects. Through the integration of these two methodologies, the algorithm is capable of proficiently detecting and tracking objects within a video sequence, rendering it a valuable tool for a variety of applications such as surveillance, traffic monitoring, and human activity recognition.运动目标检测算法是基于帧差异和背景差异的，是用于检测视瓶序列内移动物体的截肢者视觉技术。
摄像头图像处理中的运动目标检测算法研究
摄像头图像处理中的运动目标检测算法研究在现代社会中，摄像头已经成为了重要的安防设备，其监控功能可帮助人们对不同的场所进行监管。
为了达到更加高效的监控效果，针对摄像头的图像处理技术也不断得到了升级。
其中，运动目标检测算法在影像处理领域占据了重要地位。
本文将探讨现行的运动目标检测算法，并且对其优化方向进行一定的探究。
一、运动目标检测算法的基本概念运动目标检测算法可以简单地理解为将物体的运动从视频图像中提取出来，并且对运动物体进行跟踪、标记等处理。
对于一个图像序列，首先需要确定图像中哪些部分是属于静态背景，哪些部分是属于运动目标。
在确定了背景和目标之后，需要检测出目标的运动区域，然后再对目标的区域进行跟踪、标记等处理。
二、基于背景减法的运动目标检测算法背景减法是运动目标检测最常用的方法之一。
这种方法需要先进行背景模型训练，然后对每一帧视频图像进行背景响应判断，得出像素点是否属于背景。
其判断规则一般是比较像素点亮度值与背景平均值的大小，如果像素值大于平均值则属于运动目标，否则属于背景。
优点：该方法简单易实现，需要的计算量较小，且对遮挡等情况处理能力较强。
缺点：由于这种方法没有考虑到背景中像素点有比较剧烈的变化或者运动目标的颜色与背景相近，会出现错误检测率高的问题。
三、基于帧间差分的运动目标检测算法帧间差分法是一种基于背景减法的改进方法。
该方法通过相邻两帧图像的像素点差值来检测出运动目标。
在这种方法中，每一帧图像都需要和前一帧图像进行比较，得出像素点之间的差值。
优点：该方法能够明显地检测出物体的空间移动，其计算量也并不大。
缺点：帧间差分法对摄像头本身存在的震动等情况无法处理，而且在遮挡、噪声等情况下会造成误检。
四、基于背景模型与帧间差分结合的运动目标检测算法该算法是在前两种算法的基础上进行结合的一种方法。
其主要是利用背景模型进行分类判断，将影响帧间差分法判断的噪声进行去除，并且对背景平均值进行动态更新，以保证图像处理的效果。
基于帧差法和背景差法的运动目标检测
ｔ ｉ ｏ ｎ ｌｇ ａ ｏ ｒ ｉ ｈ ｍ ｔ ｉ ｓ ｐ ｕ ｔ ｆ ｏ ｒ ｗａ ｒ ｄ ｂ ａ ｓ ｅ ｄ ｏ ｎ ｃ ｏ ｍｂ ｉ ｎ ａ ｉｏ ｔ ｎ ｏ ｆ ｔ ｈ ｒ ｅ ｅ ｆ ｒ ａ ｍｅ ｄ ｉ ｆ ｆ ｅ ｒ ｅ ｎ ｃ ｅ ｍｅ ｈｏ ｔ ｄ ａ ｎ ｄ ｂ ａ ｃ ｋ ｇ ｒ ｏ ｕ ｎ ｄ ｓ ｕ ｂ ｔ ｒ ａ ｃ ｉｏ ｔ ｎ ｍｅ ｈｏ ｔ ｄ ． Ｉ ｔ ｕ ｓ ｅ ｓ ｔ ｈ ｒ ｅ ｅ ｆ ｌ ａ ｍｅ ｄ ｉ ｆｅ ｅｎ ｒ ｃ ｅ ｍｅ ｈｏ ｔ ｄ ｎｄ ａ ｂ ａ ｃ ｋ ｇ ｒ ｏ ｕ ｎ ｄ ｓ ｕ ｂ ｔ ｒ ａ ｃ ｉｏ ｔ ｎ ｍｅ ｈｏ ｔ ｄ ｔ ｏ ｏ ｂ ｔ ａ ｉ ｎ ｔ ｈ ｅ ｆ ｏ ｒ ｅ ｇ ｒ ｏ ｕ ｎ ｄ ｔ ａ ｒ ｇ ｅ ｔ ｉ ｍａ ｇ ｅ ｗｈ ｉ ｃ ｈ ａ ｒ ｅ ｍｅ ｒ ｇ ｅ ｄ ｉ ｎ ｔ ｏ ｈｅ ｔ ｉｎ ｆ ａ ｌ ｆ ｏ ｒ ｅ — ｇ ｒ ｏ ｕ ｎ ｄ ｉ ｍａ ｇ ｅ ｈｅ ｔ ｎ ． Ｔ ｈ ｅ ｅ ｘ ｅｒ ｐ ｉｍｅ ｎｔ ｉ ｓ ｃ ａ ｒ ｒ ｉ ｅ ｄ ｏ ｕ ｔ ｕ ｓ ｉ ｎ ｇｔ ｈｅ ｔ ｒ ａ ｆ ｆ ｉ ｃ ｖ ｉ ｄ ｅ ｏ ｓ ａ ｈｅ ｔ ｅ ｘ ｅｒ ｐ ｉｍｅ ｎ ｔ ａ ｌ ｓ ｍ ｐ ａ ｌ ｅ ｓ ， ｎｄ ａ ｈｅ ｔ ｍｏ ｖ ｉ ｎ ｇ ｖ ｅ ｈ ｉ ｃ ｌ ｅ ｓ ｉ ｎｔ ｈｅ ｖ ｉ ｄ ｅ ｏ ａ ｔ ｅ ｄ ｅ ｔ ｅ ｃ ｔ ｄ． ｅ Ａｃ ｃ ｏ ｒ ｄ ｉ ｎ ｇ ｔ ｏ ｈｅ ｔ ｅ ｘ ｅｒ ｐ ｉ ｍｅ ｎ ｔ ａ ｌ ｒ ｅ ｓ ｕ ｌ ｔ ｓ ， ｈｅ ｔ ｌｇｏ ａ ｉｔ ｒ ｈ ｍ Ｃ ａ ｌ ｌ ｄ ｅ ｔ ｅ ｃ ｔ ｈｅ ｔ ｍｏ ｌ ｅ ｃ ｏ ｍｐ ｌ ｅ ｔ ｅ ｖ ｅ ｈ ｉ ｃ ｌ ｅ ｃ ｏ ｎ ｔ ｏ ｕ ｒ ｃ ｏ ｍｐ ａ ｒ ｅ ｄ ｗｉ ｈ ｔ ｏ ｈｅ ｔ ｒ ｓ ． Ｆｒ ｏｍ ｔ ｈｅ ｎ ｕ ｍｅ ｒ ｉ ｃ ｌ ａ ａ ｎ ｌｙ ａ ｓ ｉ ｓ ， ｉ ｔ ｃ ｎ ａ ｂ ｅ ｓ ｅ ｅ ｎｔ ｈａ ｔｔ ｈｅ ａ ｌ ｇ ｏ ｉ ｒ ｈ ｍ ｔ ｃ ａ ｌ ｌ ｅ ｆ ｆ ｅ ｃ ｉ ｔ ｖ ｅ ｌ ｙ ｒ ｅ ｄｕ ｃ ｅｔ ｈｅ ｎ ｏ ｉ ｅ ｉ ｓ ｎｔ ｈ ｅｔ ａ ｒ ｇ ｅ ｔ ｉ ｍａ ｇ ｅ， ｎｄ ａ ｄ ｅ ｔ ｅ ｃ ｔｔ ｈ ｅｍｏ ｖ ｉ ｎ ｇ
一种基于背景减法和帧差的运动目标检测算法
一种基于背景减法和帧差的运动目标检测算法陈文会，张晶，樊养余，马爽（西北工业大学电子信息学院，陕西西安710072）摘要：针对帧差分法易产生空洞以及背景减法不能检测出与背景灰度接近的目标的问题，提出了一种将背景减和帧差法相结合的运动目标检测算法。
首先利用连续两帧图像进行背景减法得到两种差分图像，并用最大类间与类内方差比法得到合适的阈值将这两种差分图像二值化，然后将得到的两种二值化图像进行或运算，最后利用图像形态学滤波得到准确的运动目标。
实验结果表明，该算法简单、易实现、实时性强。
关键词：运动目标检测；背景差分；帧差法；最大类间与类内方差比法；形态学滤波中图分类号：TP391.4文献标识码：A文章编号：1674－6236（2013）03-0024-03A method based on background subtraction and frame difference algorithmfor moving target detectionCHEN Wen -hui ，ZHANG Jing ，FAN Yang -yu ，MA Shuang（School of Electronics and Information ，Northwestern Polychechnical University ，Xi ’an 710072，China ）Abstract:For the frame difference method is easy to produce the hollow and background subtraction is not detected if background is close to the target problem ，a method of detection combining background subtraction and frame difference is presented.The first use of two successive frames of image background subtraction from the two image difference ，and the maximum between class and within class variance ratio method to obtain the proper threshold will be the two difference images of the two values ，and then obtained the two values of the two image or operation ，finally using image morphological filtering to obtain accurate moving target.The experimental results show that ，the algorithm is simple ，easy to realize and strong real -time performance.Key words:moving target detection ；background subtraction ；frame difference ；maximum between class and within classvariance ratio method ；morphological filtering收稿日期：2012-09-11稿件编号：201209065作者简介：陈文会（1963—），男，陕西西安人，副教授。
基于帧间差分法的目标运动检测算法
基于帧间差分法的目标运动检测算法
摘要
针对目前视频监控领域中，目标运动检测技术在视频分析研究中具有很大的应用价值，本文提出了一种基于帧间差分法的目标运动检测算法。
该算法通过采用基于帧间差分法的处理技术来实现对目标物体的运动检测，提高了目标物体的跟踪精度和算法的鲁棒性。
实验证明该算法较传统方法具有更好的检测效果和更高的遥测率，具有一定的实际应用价值。
关键词：帧间差分法；目标运动检测；跟踪精度；算法鲁棒性；遥测率。
一、背景介绍
目标运动检测技术在视频图像处理领域中具有广泛的应用价值，特别是在视频监控领域中有着广泛应用。
目标运动检测技术可以通过对视频图像进行处理，对图像中的目标物体进行跟踪和检测，从而实现对目标物体的监控。
目前，针对目标物体的运动检测技术主要有两种：基于背景差分法和基于帧间差分法。
其中，基于帧间差分法的目标运动检测技术在处理速度和检测精度方面具有许多优势。
本文旨在。
基于隔帧差分和背景减去法的运动车辆检测算法
最后 应 用一种 新 的双权值 更新策 略对 背景进行 更 新 。实验 表 明 ， 该 算法建 立的 背景 可 靠 ， 抗 干扰 性 强， 改善 了车辆 的检ห้องสมุดไป่ตู้测效 果 ， 具有很 好 的 实用价值 。
・
１ ０ ４・
工业仪表与 自动化装置
２ ０ １ ３年第 ３ 期
基 于 隔 帧差 分 和 背景 减 去 法 的
运动车辆检 测算法
郝维来 ， 吴 旨竞
（ 黑龙 江科技 大学 计 算机 学院 ， 哈尔滨 １ ５ ０ ０ ２ ２ ） 摘要 ： 为 了解 决单一检 测算 法在复 杂场景 中不 能 完整检 测 出运动 车辆 的 问题 ， 提 出一种 复 杂场 景 中运 动车辆 的检 测算 法。该 算 法利 用 当前 较 为新 颖 的 稀 疏去 噪 方 法 对检 测 的视 频序 列进 行 去
ｒ ｉ ｔ ｈｍ ｉ ｍｐ ｒ ｏ ｖ ｅ ｓ ｔ ｈ ｅ ｄｅ ｔ ｅ ｃ ｔ ｉ ｏ ｎ ｅ ｆ ｆ ｅ ｃ ｔ ｏ ｆ ｔ ｈ ｅ ｖ ｅ ｈ ｉ ｃ ｌ ｅ ａ ｎ ｄ ｉ ｔ ｈ ａ ｓ ｔ ｈ ｅ ｖ ｅ ｒ ｙ ｇ ｏ ｏ ｄ ａ ｐ ｐ ｌ ｉ ｃ ａ ｔ ｉ ｏ ｎ ｖ ａ ｌ ｕ ｅ ．
关键 词 ： 运 动 车辆检 测 ； 隔帧差分 ； 稀疏 去噪 ； 双权值 ； 相机抖 动 中图分类 号 ： Ｔ Ｐ ３ ９ １ 文献 标志码 ： Ａ 文章编 号 ： １ ０ ０ ０— ０ ６ ８ ２ （ ２ ０ １ ３ ） ０ ３— ０ １ ０ ４— ０ ６
Ｍｏ ｖ ｉ ｎ ｇ ｖ ｅ ｈｉ ｃ ｌ ｅ ｓ ｄ ｅ ｔ ｅ ｃ ｔ ｉ ｏ ｎ ａ ｌ ｇ ｏ ｒ ｉ ｔ ｈｍ ｂ ａ ｓ ｅ ｄ ｏ ｎ ｄ ｉ ｓ ｃ ｏ ｎｔ ｉ ｎ ｕ ｏ ｕｓ ｆ ｒ ａ ｍ ｅ－ － ｄｉ ｆｅ ｒ ｅ ｎｃ ｅ
基于背景差法和帧间差法的运动目标检测方法
E! 基于背景 差 法 和 帧 间 差 法 相 结 合 的 运 动 目 标检测和自适应背景更新方法
!! 本文所研究的运动检测和背景更新方法 实 现 的 步 骤 如下 $ & 开辟静态内存 " 对图像进行初始化准备采集 ) K !! % & 采集图像 " 定义参数 S" 作为图像序列计数 ! ! !! % 采集第 K 幅图像G 判 断 S 是 否 等 于 K" 是" 则存储到内 ( K" 存" 作为静态模板 ) 如果 S 不等于 K 则 把 接 下 来 的 L 幅 图 像放到开辟的动态内存 ) & 每一幅图像和静态模板图像做差 $ L !! % % & f WK ) T@ K K O !!’ ’ )X 式中 $ f 为差值图像 " WK @ K K ) 为 实 时 采 集 的 动 态 图 像" 为静态内存重的模板图像 " ) XK" !" L! & 进行图像预处理 ) N !! %
! " #$ ’ H + / % , * " %( " % " . % + ’ /$ " % & ’ (0 , 1 " (’ /0 , . W * ’ 8 / (( + ) ) " * " / . + / / ( -, . ’ % " * $ + / ’ 8 1 ) * , $ " 1( + ) ) " * " / . + / ] (S 0 ) ( .3 ’ 0 ) B ( )!] ( )] ( ) * ) . ( 1 ( !a != < < < <R
改进的背景减法与五帧差分法相结合的运动目标检测
ＰＡＮ Ｚｈ ｅ ｎ ｇ — ｒ ｏ ｎ ｇ， ＺＨＯＮＧ Ｚｈ ｅ ｎ — ｚ ｈ ｅ ｎ， ＺＨＡＮＧ Ｎｉ ｎ ｇ （ Ｃ ｏ ｌ ｌ ｅ ｇ ｅ ｏ ｆ Ｅ ｌ ｅ ｃ ｔ ｉ ｒ ｃ ａ ｌ ａ ｎ ｄ Ｉ ｎ ｆ ｏ ｒ ｍａ ｔ ｉ ｏ ｎ Ｅ ｎ ｇ ｉ ｎ ｅ ｅ ｒ ｉ ｎ ｇ ， Ｌ ａ ｎ ｚ ｈ ｏ ｕ Ｕｎ ｉ ｖ ｅ ｒ ｓ ｉ ｔ ｙ ｏ ｆ Ｔ ｅ ｃ ｈ ｎ ｏ ｌ ｏ ｇ ｙ ， Ｌ ａ ｎ ｚ ｈ ｏ ｕ ７ ３ ０ ０ ５ ０， Ｃ ｈ ｉ ｎ ａ ）
ｈ ｉ ｓ ｔ ｏ ｇ ｒ ａ ｍ ｅ ｑ ｕ ａ ｌ ｉ ｚ ａ ｔ ｉ ｏ ｎ ｔ ｏ ｒ ｅ ｄ ｕ ｃ ｅ ｔ ｈ ｅ ｉ ｎ ｌｕ ｆ ｅ ｎ ｃ ｅ ｏ ｆ ｎ ｏ ｉ ｓ ｅ ．Ａ ｎ ｄ ｔ ｈ ｅ ｂ ｉ ｎ ａ ｒ ｙ ｉ ｍａ ｇ ｅ ｏ ｆ ｔ ｈ ｅ ａ ｐ ｐ ｒ ｏ ｘ ｉ ｍａ ｔ ｅ ｒ ａ ｎ ｇ ｅ ｏ ｆ ｔ ｈ ｅ ｔ ａ ｒ ｇ ｅ ｔ
ｍ ｅ ｔ ｈ ｏ ｄ ．Ｆ ｉ ｒ ｓ ｔ ｌ ｙ ， ｔ ｈ ｅ ｉ ｆ ｖ ｅ ａ ｄ ｊ ａ ｃ ｅ ｎ ｔ ｉ ｆ ＇ ａ ｍｅ ｓ ｏ ｆ ｔ ｈ ｅ ｖ ｉ ｄ ｅ ｏ ａ ｒ ｅ ｐ ｒ ｏ ｃ ｅ ｓ ｓ ｅ ｄ ｂ ｙ ｇ ｒ ａ ｙ ｌ ｅ ｖ ｅ ｌ ｔ ｒ ａ ｎ ｓ ｆ ｏ ｒ ｍ ａ ｔ ｉ ｏ ｎ ， ｍ ｅ ｄ ｉ ａ ｎ ｉ ｆ ｌ ｔ ｅ ｒ ｉ ｎ ｇ ａ ｎ ｄ
Ｍｏ ｖ ｉ ｎ ｇ Ｏｂ ｊ ｅ ｃ ｔ Ｄｅ ｔ ｅ ｃ ｔ ｉ ｏ ｎ ｏ ｆ Ｉ ｍｐ ｒ ｏ ｖ ｅ ｄ Ｂａ ｃ ｋ ｇ ｒ ｏ ｕ ｎ ｄ Ｓ ｕ ｂ ｔ ｒ ａ ｃ ｔ ｉ ｏ ｎ ｉ ｎ Ｃｏ ｍｂ ｉ ｎ ａ ｔ ｉ ｏ ｎ
基于帧差法和背景差分法的背景提取及检测模型
三基本假设
1.只针对该视频呈现信息，不考虑雨天、夜间等因素对视频分析的干扰。 2.将只有部分进入视频的车按整个计算。 3.不考虑车辆追尾和骤停等情况。 4.不考虑车辆经过或风出动时摄像头的轻微扰动。 5.除车辆以外道路上没有其它运动物体，即车辆是在场景中唯一运动的物体。 6.车辆在检测过程中，并无频繁换车道。 7.不考虑运动物体的临时停靠：由于高速公路停车危险很大，且现象较少，所以 假设没有静止的车辆。
关键词：直方图分析法
背景更新
HIS阴影检测
数学形态学
虚拟线圈检测
一问题重述
改革开放以后，随着经济的高速发展，交通问题越来越开始影响着人们的生 产和生活，由于汽车拥有量的急剧增加，城市交通问题日益严重，因此交通问题 开始成为人们关心的社会热点。 在我国， 近年来， 交通事故发生率居全世界之首， 公路交通死亡人数直逼十五万人，有效的交通监测和管理已迫在眉睫。 传统的视频监控由人工进行视频监测发现安全隐患或异常状态， 或者用于事后分 析，这种应用具有其固有的缺点，难以实现实时的安全监控和检测管理。因此， 及时适时的智能交通系统开始逐渐被运用起来。 智能交通系统指对交通系统的规 划、设计、实施与运行管理过程都实行智能化，交通运输系统的运营管理与组织 生产智能化其实质就是借助各种科技手段和高新技术，特别是信息技术、计算机 处理技术、数据通讯传输技术、电子控制技术、运筹学、人工智能等将其综合应 用，以实现交通故障处理的智能化，加强道路监管，保证人民的生产生活的正常 运转， 有效地预防了许多交通事故的发生。在不需要人干预或者很少人干预的 情况下， 通过对摄像机拍录的视频序列进行分析以实现车辆的定位、 识别和跟踪, 并在此基础上分析和判断车辆的行为，对车辆的行为给出语义描述，做到了既能 完成日常管理，又能在发生异常情况时做出及时反应。 在这里， 智能交通系统主要要用到视频分析， 即要做到智能区分监控对象的外形、 动作，主动收集数据和分析数据，根据预设条件执行报警、记录、分析等。对于 视频分析而言， 其关键技术是建立合理的数学模型。所以我们要对该视频进行处 理，分析其所包含的信息。关键是要通过提取合理有用的信息，解决以下问题： 一：根据提供的视频，建立提取附录提供的视频图像的数学模型。 二：结合已提取的背景，建立计算车流量数学模型。
基于背景差分法和帧间差分法的视频运动检测
Ｊｉｌ汛Ｐ删ｉ舵ｅ
Ｅ｜ｅｃ打ｉｃ ＰｏＷｅｒ
Ｄｅｓｉ醪Ｉ凇ｍＨｔｅ，Ｃ｝ｔｄｎｇｃｈｕｎ．、３∞２２－ｃｈｉＭ）
Ａｂｓｔｒａｃｔ
Ｉｎｔｒｏｄｕｃｅ ｓｏｍｅ ａｌｇｏｒｉｔｈｍｓ ｆｏｒ Ｖｉｄｅ０ ｍｏｔｉｏｎ ｄｅｔｅｃｔｉｏｎ ｉｎ ｉｍａｇｅ
ｏｎ
ｓｅｑｕ朗ｃｅｓ．Ａ
ｎｅｗ
ｍｏｔｉ∞ｄｅｔｅｃｔｉ∞
不能提取出对象的完整区域，只能提取出边界； 同时依赖于选择的帧间时间间隔。对快速运动的 物体，需要选择较小的时间间隔，如果选择不合 适，当物体在前后两帧中没有重叠时，会被检测 为两个分开的物体：而对慢速运动的物体，应该 选择较大的时问差，如果时间选择不适当，当物
体在前后两帧中几乎完全重叠时，则检测不到物
１１２
得到的运动检测图像包含了更多日标的信息，不 仅包含目标轮廓而且还有目标轮廓内的目标相关 点，从而将运动目标从背景图像中分离出来，最 终得到视频序列图像中运动存在与否的二值化图 像。 ４．２算法描述 ｌ、对序列图像进行３×３中值滤波预处理， 去掉图像随机噪声。减少以后运算的复杂度，克 服噪声对图像处理结果的干扰。 ２、从视频图像序列中选取出背景图像 所阢砂，使其只包含固定的背景图像： ３、在视频图像序列中选取连续的两帧图像， 其中前一帧图像Ｒ．１似∥，当前帧图像＾伍砂； ４、计算当前帧与背景帧的差得ＦＤ化∥，从 图像中提取出完整的目标；
第４期增Ｗ
基１背景ｔ分池和帧问麓丹｝＾的祝％镕动柠ｄ
５结束语
实验表明．利用背景艽沾和帧间兹分让改进 后的视捌运动｜｜鞠、榆删；Ｚ注，对桃颇罔像序列中 的运动物体检ｊ则乳有更¨的教果，并且逆尊：速度 快。麻匿看到，嫂进后的锥法要求背景‘ｏ遥动物 体的对比艘夫于５％以ｈ才能检测出移动的物 体。同时，荠分法巾存在的些缺点¨，然没有得 到解决，这些问题还ｆＪ待进步研究。，