运动目标检测.ppt

基于背景减法和帧差法的运动目标检测电子与通信工程1670737应 用运动目标检测概 述运动目标检测是指对序列图像使用基于信号检测的方法自动分离出运动像素点和静止像素点，将变化区域从背景图像中提取出来，一般是确定目标所在区域和颜色特征，即检测出场景中相对运动的目标的过程。运动目标检测通常处于计算机图像、视频处理工作底层，是各种后续高级处理或应用，如目标跟踪、目标分类、目标行为理解等的基础。智能监控系统能够处理从摄像机捕捉到的视频数据，并控制整个视频监控系统，从而赋予视频监控类似人类的智能，运动目标检测广泛应用于智能交通系统中，可以通过目标检测技术来判断道路交通状况，如：车辆超速、违规、交通事故等，也可监测交通流量，以使交通指挥人员做出合理的调度。运动目标检测在军事、安检和航空航天等领域也得到越来越多的研究，一些项目已经在实际应用中取得了相当不错的效果。04纹 理01颜 色03流 光02边 缘 运动目标检测的基础纹理：它是量化物体表面强度变化的量，一般需要生成描述算子灰度共生矩阵等使用纹理特征进行运动目标检测。颜色：目标的外观颜色与背景不同，可以对其进行检测。在图像处理中，RGB颜色空间与HSV颜色空间都有广泛应用。边缘：目标的边缘通常会有较大的亮度变化，而边缘检测可以捕捉这变化。边缘这一特性不易受阳光等外界因素影响，比较简单精确。流光：它是一个定义了每个像素运动矢量的密集场。先假定连续帧中对应像素的亮度值恒定，接着根据亮度约束进行计算，常应用于运动目标分割和跟踪。本文主要研究帧差法与背景减法。帧差法利用前后帧的边缘特性，背景减法中主要基于目标的颜色特性。在进行运动目标检测时，运动目标的特性与背景存在差异才能检测出来。一些常见的目标特性可以概括如下：帧差法定义原理基本步骤帧差法是最为常用的运动目标检测和分割方法之一，在图像序列相邻两帧或三帧间对应像素灰度值发生变化，通过这些差异提取出图像中的运动区域。将相邻帧图像对应像素值相减得到差分图像，然后对差分图像二值化，在环境亮度变化不大的情况下，如果对应像素值变化小于事先确定的阈值时，可以认为此处为背景像素；如果图像区域的像素值变化很大，将这些区域标记为前景像素背景减法背景减法，或称背景差法，是目前运动检测中的主流方法，它是利用含有运动目标的当前图像与背景图像的差分来检测运动区域的一种技术，将当前帧与背景图像进行差分比较实现对运动区域的检测，其中区别较大的像素区域被认为是运动区域，而区别较小的像素区域被认为是背景区域。定义首先，用事先存储或者实时得到的背景图像序列作为背景模型，将当前含运动目标的图像帧和背景模型相减，其次，将计算结果在一定阈值T限制下进行二值化，判断出当前图像中出现的偏离背景模型值较大的像素，则为出现的运动目标像素。由于运动目标与背景在灰度或色彩上存在差异，相减、阈值操作后得到的结果直接给出了目标的位置、大小、形状等，从而可得到较完整的目标信息。步骤原理基于MATLAB的帧差法实验MATLAB语法结构简单，并具有极强的数值计算、图形文字处理、数据分析和图形绘制等功能，效率比较高。本文涉及的背景法与帧差法都是在MATLAB环境中实现运动目标检测。两帧差分法是最简单的运动目标检测方法之一，由于其运算量比较小，容易实现。然而由于两帧差法进行运动目标检测是前后两帧求差的运算，可能会携带两帧的运动细节，从而检测出的目标可能会比实际目标要大，或不准确。本文用三帧差分法代替两帧差分法进行目标检测。三帧差分法就是先对图像进行两帧差分，再对差分后的图像进行“与”运算，从而可以得到两个差分图像的相同区域，避免了两帧差中检测出的目标被拉长拉高的现象。实验数据以静态背景下的视频为例，以常见的车辆与行人作为要检测的运动目标。得到运动图像后，一般要进行连通性分析，常用的方法是先计算某一连通区域的面积，如果其面积大于事先设定的阈值，那么判断此区域为运动前景，否则为噪声，要去除。运用三帧差分所检测出的运动目标，可以有效的检测出运动物体，能够较清晰地得到运动物体的轮廓。帧差法流程图图4-1 三帧差分法帧差法程序帧差法程序使用帧间差分法，需要考虑如何选择合理的时间间隔，这一般取决于运动目标的速度。对于快速运动的目标，需要选择较短的时间间隔，如果选择不当，最坏情况下目标在前后两帧中没有重叠，被检测为两个分开的目标；对于慢速运动的目标，应该选择较长的时间间隔，如果选择不当，最坏情况下目标在前后两帧中几乎完全重叠，根本检测不到目标。帧差法结果图4-2 第97帧图4-3 第98帧图4-4 第99帧图4-5 二值化图4-6 第97帧基于MATLAB的背景减法实验用事先存储或者实时得到的背景图像序列作为背景模型，将当前含运动目标的图像帧和背景模型相减，其次，将计算结果在一定阈值T限制下进行二值化，判断出当前图像中出现的偏离背景模型值较大的像素，则为出现的运动目标像素。相减后的图像，一般要进行连通性分析，判断此区域是否为运动前景或者为噪声。去噪，剔除过小噪声。本文选取某一原始帧作为背景，实际中是对背景图像序列每一个像素进行统计建模得到背景模型，常采用的建模方法有很多，例如高斯背景建模，背景建模对目标检测的准确性起了重要作用。背景减法流程图图4-7 背景减法背景减法程序背景减法程序背景减法结果图4-3 第一帧图4-4 第98帧图4-5 背景帧图4-6 当前帧图4-7 二值化后图4-8 检测结果帧差法与背景减法的比较分析帧差法与背景减法都比较简单，普遍应用的运动目标检测方法。但是对于帧差法，运动过快或者运动过慢的目标，检测的准确率大大降低，甚至检测不出，在动态背景下也不适用，易受外界环境变化的干扰。背景减法的关键在于背景模型，最简单的背景模型获取方法是在场景没有运动目标时采集图像作为背景，但这种背景存在局限性。目前很多人致力于不同背景模型，减少动态场景变化对运动目标检测的影响，如，W4模型、均值滤波法和高斯背景模型等建模方法，获取良好的背景与背景模型不断更新能保证基于背景减法检测出更精确的目标。背景减法越来越受到重视，逐渐成为主流的运动目标检测，有广泛的研究前景。