1、基于背景差分算法的运动目标检测摘 要运动目标的检测是数字图像处理和模式识别领域研究的主要内容之一，也是计算机视觉研究的一个重要领域。本文对基于背景差分算法的视频目标检测算法进行了研究，并对其进行了详细的讨论和分析。利用混合高斯背景模型来提取背景和更新背景。实验结果表明，采用该算法对运动目标进行检测具有良好的准确性和稳定性。 关键词背景差分算法 行人检测 运动目标检测 OpenCV 中图分类号：G391.41 文献标识码：A 文章编号：1009-914X（2016）05-0126-01 0 引言 运动目标检测是计算机视觉研究领域中的基础和热点，其目的是在连续的图像序列中，将被检测的运动目标的特征
2、从视频图像中分离出来。运动目标的检测速率直接影响着整个系统的运算速率，因此，运动目标检测方法的选取至关重要。本文采用背景差分算法，利用混合高斯模型来提取背景，对运动目标进行了检测。实验结果表明，采用此方法对运动目标检测具有较好的准确性和稳定性。 1 运动目标检测 1.1 帧间差分法 帧间差分法是指在视频图像序列中对相邻的两帧或多帧的差值进行计算，获得运动目标形状的过程。在背景固定的情况下，若相邻两帧图像的差值 Dk（x，y）小于某个设定的阈值 T，则认为视频图像中没有出现运动目标；反之，当视频图像中出现运动目标时，运动目标带来的灰度变化必然导致两帧图像之间的灰度差距增大，使得差值大于设定的阈值
3、。这种检测方法可以很好地适用于存在多个运动目标的情况。其流程如图 1 所示。 设相邻的两帧的图像分别为 fk（x，y）和 fk-1（x，y） ，两帧图像之差的结果为 Dk（x，y） ，可用公式（1）表示： Dk（x，y）=|fk（x，y）-fk-1（x，y）.（1） 设阈值为 T，提取到的运动目标的区域为 Rk（x，y） ，若公式一得出来的 Dk（x，y）大于 T，那么 Rk（x，y）的值置为 1，否则，置为 0。 1.2 背景差分法 背景差分法的实质是通过一定的背景建模的方法得到背景模型fbk（x，y） ，将视频序列中的每一帧图像 fk（x，y）与背景模型fbk（x，y）做差分运算，得到不同
4、时刻的帧差图像 Dk（x，y） ，然后进行二值化处理得到 Rk（x，y） ，当差分图像中的像素差小于某个设定的阈值 T 时，则认为该点是背景像素，否则为运动目标像素。 背景差分法是静态背景运动目标检测中最经典的检测方法，检测运动目标速度较快，算法并不十分复杂，适合于实时处理。背景差分算法的流程如图 2。 设当前帧图像为 fk（x，y） ，背景模型为 fbk（x，y） ，背景帧与当前帧的差为 Dk（x，y） ，阈值为 T，前景图像用“1”表示，背景图像用“0”表示，则可用数学公式（2）表示： Dk（x，y）=|fk（x，y）-fkb（x，y）| .（2） 根据上述公式，可求得得来 Dk（x，y）
5、的值。若 Dk（x，y）大于T，那么 Rk（x，y）的值置为 1，否则，置为 0。 本文对上述两种常见的运动目标检测方法的优缺点进行分析比较，选用背景差分法作为检测运动目标的方法。 2.运动目标分割 2.1 背景建模 本文采用混合高斯背景模型法进行背景建模及背景更新。混合高斯背景模型是基于像素样本统计信息的背景表示方法，利用像素在较长时间内大量样本值的概率密度等统计信息表示背景，然后使用统计差分进行像素判断。其基本思想是用 K 个高斯模型来表示图像中各个像素点所呈现的颜色。每一个模型都由背景像素和运动目标像素组成。 2.2 背景更新 由于外界环境、场景变换等各种因素的影响，要使背景模型在一段时
6、间内能够适应环境的变化，就必须对初始模型不断地进行更新。背景更新的实质就是用当前帧匹配的模型去修正过去帧建立的模型。 2.3 目标检测分割 获得了背景图像后，使用背景减除法进行运动目标的检测。设阈值为 T，当前帧图像为 fk（x，y） ，背景模型为 fbk（x，y） ，二值化结果R（x，y）可由 fk（x，y）和 fbk（x，y）表示出来。当其两者之差大于阈值 T 时，R（x，y）的值置为 1，反之，则置为 0。 本文中提取视频的第一帧图像作为背景图像，之后再根据每一帧图像的变化更新背景，完成新的背景建模。 3.实验结果 本文实验视频序列为固定摄像头下，一段行人行走的视频。首先读取视频图像并对
7、其进行预处理，采用混合高斯建模分离背景，再进行形态学处理，提取轮廓，得到运动目标区域，用白色矩形框将运动目标标记出来。程序的流程图如图 3 所示，截取视频序列的第 20 帧图 4 为例，检测结果如下图 5。 4.结束语 本文通过背景差分法来对视频目标进行检测，采用混合高斯模型来获取视频背景，提取出完整的运动目标。本文在视频序列目标的检测方面做了一系列的工作，但都是在固定摄像头的情况下进行检测的，距离一个完善的智能视频监控系统还存在很大的差距。今后将进一步对算法进行深入研究和完善，以求达到更好的效果。 参考文献： 1 司明飞.视频监控中的运动目标检测算法研究D.湖南大学，2014. 2 高哲.运动目标检测与跟踪算法研究D.沈阳工业大学，2014. 3 魏岩.基于背景更新的目标检测与消影研究与应用D.安徽大学，2013. 4 彭艳芳.视频运动目标检测与跟踪算法研究D.武汉理工大学，2010. 5 秦小文.基于视频序列的运动目标检测与跟踪算法研究D.中北大学，2012. 6 吕杉.基于 OpenCV 的视频运动检测中背景减除算法的研究与改进D.吉林大学，2011. 7 徐亮 基于视频图像处理的人数统计系统算法研究与实现D.东北大学，2011.
