视频中运动目标检测方法的研究与应用

l 数码监控系统在金融、交通、超市、安全保密等许多领域有着广泛的应用，其基本的功能是通过摄像机将监控现场采集的视频信号传输给计算机进行处理，包括对视频的采集、压缩、存储、网络传输、报警处理、运动目标检测和视频检索回放等。在数码监控系统中，运动目标的检测对于及时报警、提高硬盘空间的利用率、提高数码监控系统的智能化程度、减轻监控人员的劳动强度、减少漏报警和误报警等有着重要意义。视频运动目标检测算法主要有基于相邻帧差的算法和基于背景图像与当前帧差的算法。对于基于相邻帧差的算法来说，当场景中运动目标没有显著运动时，相邻帧差会在目标检测时留下大面积的本应属于目标而却末被检测到的区域。对于基于背景图像与当前帧差的算法来说，运动目标检测涉及到背景图像的估计，而且当场景中有目标从静止开始突然运动，会出现错误的检测结果。总之，基于相邻帧差和基于背景图像与当前帧差的算法往往不能准确地检测视频中的运动目标。就视频的背景而言，由运动目标所形成的图像序列可分为两种情况：一种是静止背景，一种是变化背景。前一种情况通常是摄像机和场景处于相对静止状态，后一种情况是摄像机和场景发生了相对运动。从背景的处理方法上看，一般是采用突出目标或消除背景的方法。前一种情况可采用消除背景的方法，如简单的帧间差分或自适应背景对消方法。后一种情况处理起来比较复杂，若采用消除背景的方法，则通常需要先进行帧间配准；若采用突出目标的方法，则需要在配准的前提下进行多帧能量积累和噪声抑制。视频中目标运动会导致在目标运动时间内视频图像的连续变化，本文针对这一特征，提出一种使用序列图像分析的方法对视频中运动目标进行检测，笔者在研究开发的NELL 数码视讯系统中将这种运动目标的检测策略加以实DVS2000施，在实际运用中取得了很好的效果。

运动目标检测流程

2 视频中基于序列图像的运动目标检测流程如图所示。1这种方法利用图像配准来稳定背景，以消除摄像机与景物的相对运动；在图像序列I 0 I 1 I 2… I n 中，相邻图像I k 和I k-1两两求差，得到个差分图像n

D 1 D 2… D n ，将每个差分图像D k 乘C(C ＞次方后，对差分图像进行进行累加提高信噪比，结果再l)D 开次方增强了图像变化，得到累积图像，以突出目标和C 消除干扰。使用个分段差分图像的累积图像，来区分周期2和非周期性运动目标。

D 通过累加合并过程，在得到的累积图像中，目标的 运动过程显示为一条较亮的痕迹，而背景相对暗淡、模糊。由于背景一般比较稳定和封闭，因此即使图像比较模糊，运动目标的痕迹仍然可以显示得特别清楚。

图运动目标检测流程

1 视频中运动目标检测方法的研究与应用

丰洪才，邓华来，刘年波

（武汉工业学院计算机与信息工程系，武汉）

430023摘　要：介绍了一种在视频中运用序列图像检测运动目标的方法。采用累积差分图像的策略，突出目标、消除干扰，去除背景并降低平均噪声；将图像序列分为两个阶段，分别求取差分图像的累积图像，以便消除背景中周期性的运动；结合形态学分析方法去除噪声、斑点，求取目标的运动轨迹和定位目标。

关键词：运动目标检测；序列图像；差分图像；累积图像

Research & Application of Moving Object Detecting Method in Video

FENG Hongcai , DENG Hualai , LIU Nianbo (Department of Computer & Information Engineering, Wuhan Polytechnic University, Wuhan 430023)

【】Abstract

T his paper introduces a method of detecting moving object using sequence images in video. For wiping of background and depressing average noise, it uses a strategy of images difference to highlight object and to avoid molestation. For wiping of periodicity moving in background, it divides sequence images into two parts, and calculates cumulating images of difference images for each part. For finding out the moving track and detecting moving object, it combines with analysis method of morphologic to wipe off noise and stain.

【】Key words ；；；Moving object detection Sequence images Difference images Cumulating images

第30卷　第24期Vol.30 № 24计　算　机　工　程Computer Engineering

2004年12月 December 2004

・ 多媒体技术及应用・

中图分类号： TP 274

文章编号：1000—3428(2004)24 —0134—03

文献标识码：A

—134—

突出目标及消除干扰的策略

3 突出目标的一个常用的策略是分析序列差分图像，即将同一背景不同时刻的两幅图像进行比较，可以反映出一个运

动物体在此背景下的运动结果。它的原理是将相邻的两图像

作差分，在得到的差分图像中，不变的部分被消除了，留下的仅仅是由运动或噪音引起的变化部分。从差分图像中，很容易发现运动信息。将时刻的差分图像k D k 定义如下：

D k = | I k - I k-1 |2

(1)其中，I k 表示在时刻得到的图像，k I k-1表示在时刻得

k-1到的图像。因为运动目标的灰度分布不均匀，场景在不同位置的灰度也可能不相同，因此D k 中取I k 和I k-1差分的绝对值以保全运动信息。为了突出灰度值的变化， D k 中取I k 和I k-1差分的平方，加强运动像素和未运动像素的灰度反差。差分图像的平均降噪

3.l 差分图像实质上是不同时刻的相同位置像素的灰度值的差分，而噪音往往表现为同一个位置在不同的时刻灰度值的明显变化，因此差分在突出运动像素的同时也突出了受到噪

音干扰的像素，所以在差分图像中灰度值较大的像素可能是真实的运动区域的像素，也可能是受到干扰的像素，下面分析差分图像的降噪，以区分真实的运动目标和噪声。

考虑由I 0 I 1 I 2… I n 构成的图像序列，根据式可得到一(1)系列的个差分图像n D 1 D 2 D 3… D n ，为了便于分析降噪的效果，下面仅讨论在没有运动目标的条件下的降噪。设每个图像I k 可表示如下：

I k ，＝＋(x y) d n k ，(x y) (2)

表示理想的图像，d n k ，表示第帧图像上像素，的

(x y)k

(x y)噪声灰度，假设这些噪声都来自同一个互不相干的方差为δ的零均值噪声，根据式有

(1)D k =|n k ，(x y)-n k-1，(x y)| 2

(3) 展开式有

(3) D k =n k 2

，(x y)+ n k-1 2

，(x y)-2 n k ， (x y)n k-1，(x y) (4) 则D k 的均值为

E(D k ＝)E(n k 2，(x y)+ n k-1 2

，(x y)-2 n k ， (x y)n k-1，(x y))

＝E(n k 2，(x y))+E( n k-1 2，(x y))-E(2 n k ， (x y)n k-1，(x y)) (5)

因为噪声的均值为

＝ u E(n k ，＝(x y))0 (6)

方差为

δ＝E(n k 2，(x y))+E(n k ，(x y)) 2 (7) 所以根据式和式，式进一步简化为

(6)(7)(5) E(D k ＝δ＋)2E(2n k ， (x y)n k-1， (x y)) (8)因为噪声是互不相关的，所以有

E(2n k ， (x y)n k-1， (x y))= 2E(n k ， (x y))E(n k-1， (x y))=0 (9) 根据式，式进一步简化为

(9)(8) E(D k ＝δ

)2 (10)

在理想的情况下，差分图像应为全零图像，所以此时的D k 就是噪声图像。为方便讨论，定义噪声为N k ，如下：

(x y) N k ， (x y)= D k δ-2 (11)

则N k ，是均值为的随机噪声。即

(x y)0D k = N k ，δ (x y)+2 (12)

如果对个差分图像n D 1 D 2 D 3…D n 作平均，则可定义累积图像为：

∑==n

k k D n 1

1

(13)从式中可看出，累积图像是通过相邻图像的两两差

(13)分和结果累加的结果。根据式、式可化为：

(11)(13)∑=+=n k k y x N n D 1

)2),((1δ∑

=+n

k k y x N n 1

),(12δ =

(14)

根据平均去噪理论，比较式和式可知，累积图(12)(14)D k D 像比差分图像的平方信噪比提高了倍。

n 累积图像的二值化和预处理

3.2 在累积图像中，灰度值大的像素是由运动或噪声导致的。灰度化的累积图像并没有真正地标识出运动区域和非运动区域，因此需要图像的二值化处理，将累积图像划分为运动和非运动区域。传统的图像二值化手段是很多的，但这里二值化处理的对象是差分图像，在监控应用中，运动区域的占空比一般不大，有时甚至非常小，运动区域一般也不具有灰度的一致性。这些特点，都决定了差分图像的不同的二值化手段。

根据节的分析，可以得到以下先验知识：

3.1 在没有运动时，累积图像平均值为(l)2δ。实际中有运动区域时，累积图像的均值和方差都要发生变化，但因为运动区域的占空比一般很小，可以认为运动对均值和方差的影响不大。

随机噪声的影响一般在图像成零散分布，即不会造成大面积(2)的具有较大灰度的区域。

D 假设累积图像受到的噪声为高斯噪声，根据统计学原理 ,仅有非常少量的像素的灰度值落在倍的标准差之外，因此3根据先验知识，可采用的如下的二值化阈值：

(l) ＝＋Th u 3d (15)

D D 其中是图像的均值，是图像的标准差。设是 u d B D y x b ,二值化后的二值图像，令中的像素的值为：

B (x,y) y x d ,0 if

255 otherwise

y x d ,D 其中，是图像中像素的值。

(x,y)根据先验知识，可以对得到的二值图像作预处理，

(2)以消除噪音点。可先对图像作形态学膨胀运算，以防止后续的腐蚀运算将目标断裂，再对图像作形态学腐蚀运算，最后即可得到消除噪音的图像。

周期性运动的消除和连通性分析

4 由于监控的场景是复杂的，尤其是在室外，存在一些固定景物的运动，因此在二值化图像中，根据先验知识，灰B 度不为区域分为以下种类型：真实感的运动目标；04(l) (2) 场景中树木的晃动；摄像机的振动和图像采集卡的像素(3) 抖动；噪音。(4)运动轨迹的求取

4.1 在累积图像中，可以看到真实运动目标的运动轨迹，但由于视频采集系统本身的抖动和噪声，积累图像中存在一些固定景物边缘决定的区域，也存在场景中树木的晃动留下的区域。分析可知，类型和可以看作是周期性运动，类(2)(3)型噪音的面积相对于真实的运动区域显得很小，可以通(4)过设定面积门限消除。

运动区域类型实际上可以看作是摄像机和监控场景(3)的相对运动引起的，运用图像配准算法可以最大限度地消除，因此，可以认为只要区分出周期性运动的区域，也就消除了运动区域类型和。

(2)(3)—135—

——

136