張國欣，張殿富，范柳青

(1.武警工程學(xué)院研究生管理大隊，陜西西安 710086;2.武警工程學(xué)院科研部，陜西西安 710086;3.武警石家莊指揮學(xué)院訓(xùn)練部，河北石家莊 050061)

運動目標(biāo)檢測在視頻分析、視頻編解碼及視頻監(jiān)控等方面起著重要的作用。運動目標(biāo)檢測即實時的檢測運動目標(biāo)，并將其提取出來。在序列圖像處理中，運動目標(biāo)的檢測方法總體上可歸納為以下3類:光流法、幀差法和背景差法。

文中重點研究了三幀差分法和混合高斯模型背景差分法。三幀差分法比較簡單，對環(huán)境的適應(yīng)能力強，但檢測到的運動目標(biāo)不精確;混合高斯模型背景差分法能在運動目標(biāo)存在的場景中提取背景模型且對其進行實時更新，但當(dāng)場景全局光照突變時，會將整個視頻幀檢測為運動目標(biāo)，造成誤檢現(xiàn)象［1］。文中就三幀差分法和混合高斯模型算法進行比較。

1 三幀差分法

三幀差分法也稱為對稱幀差法，從視頻流中截取連續(xù)的三幀圖像，由這三幀圖像的差值得到中間運動目標(biāo)，這樣能夠去除因為目標(biāo)的運動而產(chǎn)生的背景影響，從而得到更準(zhǔn)確的目標(biāo)［2］。三幀差分法的運算過程如下

圖1 三幀差分法流程圖

其中，fk(x，y)為選取的第k幀圖像;Rk(x，y)、Rk+1(x，y)表示相鄰幀差圖像差分二值圖，threshold1、threshold2是二值化圖像閾值。對差分后的Rk(x，y)、Rk+1(x，y)差分圖進行邏輯與運算，得到最終的差分圖像Gk(x，y)，運算過程如式(4)所示

2 混合高斯模型背景差分法

混合高斯背景模型法也稱為統(tǒng)計背景模型法［3］，在RGB顏色空間對每個像素點采用K隔狀態(tài)來表示其所呈現(xiàn)的顏色，K個狀態(tài)中每個狀態(tài)都采用一個高斯分布表示，其中一部分表示背景的像素值，其余部分則表示運動目標(biāo)的像素值。令某一點像素點在t時刻的顏色取值表示為Xt，對于灰度圖像Xt是一個標(biāo)量，對于彩色圖像，它一個矢量，其概率密度函數(shù)用K個三維高斯函數(shù)的線性組合表示

圖2 混合高斯模型背差分法框圖

混合高斯背景模型運用數(shù)學(xué)建模思想對每個像素點用混合高斯分布建模［4］，由于它是基于背景樣本的統(tǒng)計學(xué)特征，因此能客觀、科學(xué)地表征背景信息，然而當(dāng)背景條件較為復(fù)雜時，如受強噪聲、背景擾動變化的影響時，混合高斯模型建模對前景運動區(qū)域和背景的判別就容易產(chǎn)生誤判［5］。

3 兩種差分法的對比

測試環(huán)境是Matlab，選取典型視頻運動實例的第一幀和最后一幀圖3所示，其中混合高斯模型的參數(shù)K取值3，初始方差σ2為12.5，學(xué)習(xí)率α為0.01。

圖3 實驗結(jié)果對比

圖3(a)和圖3(b)是實例的第一幀及最后一幀原圖像;圖3(c)和圖3(d)是三幀差分法檢測結(jié)果;圖3(e)和圖3(f)是混合高斯背景差分法運動目標(biāo)檢測結(jié)果。從檢測結(jié)果圖可以看出，三幀差分法對場景中光照變化不敏感，而混合高斯背景差分法也能適應(yīng)緩慢的光照;三幀差分法檢測到的運動目標(biāo)存在不連續(xù)的空洞，不能得到運動目標(biāo)所有的相關(guān)特征像素點，也不能得到運動目標(biāo)完整輪廓，例如圖3(c)，圖3(d)檢測到的人物不完整，提取到的特征像素點較少，這給以后的運動目標(biāo)識別和跟蹤帶來困難;而混合高斯背景差分法能夠提取運動目標(biāo)完整的特征像素點，并將運動目標(biāo)的陰影一起檢出，導(dǎo)致目標(biāo)輪廓不清晰。

4 結(jié)果分析

通過編程實現(xiàn)并比較三幀差分和混合高斯背景差分法，可以得出以下結(jié)論:三幀差分法算法簡單、計算速度快，能夠?qū)崿F(xiàn)實時檢測，且不需要人為干預(yù)，對動態(tài)環(huán)境有較好的適應(yīng)性，但不能提取完整的運動目標(biāo)，檢測的目標(biāo)精確性一般;混合高斯模型背景差分法能夠較為快速且準(zhǔn)確的檢測出場景中運動的目標(biāo)，并實時更新背景模型，對場景的變化具有一定的適應(yīng)性，檢測過程不需要人為干預(yù)，自主性好，但當(dāng)場景全局光照突變時，會將整個視頻幀檢測為運動目標(biāo)，造成誤檢。

隨著計算機視覺以及視頻分析技術(shù)的進一步發(fā)展，視頻目標(biāo)檢測面臨許多新應(yīng)用［6］。針對武器系統(tǒng)的高精度目標(biāo)自主檢測、戰(zhàn)場環(huán)境的偵查，隨著軍事裝備的自主化、智能化要求越來越高，各種自主控制設(shè)備在戰(zhàn)場環(huán)境偵查等方面的作用凸顯。面對武器制導(dǎo)設(shè)備的目標(biāo)檢測算法，不僅要求算法具有較高的檢測精度，而且在實時性、快速性方面亦提出了更高的要求。面對新的應(yīng)用，當(dāng)前已有的算法無法在精度、實時性、自主性魯棒性等方面滿足當(dāng)前的某些應(yīng)用需求。在這種情況下，對目標(biāo)檢測算法提出了新的挑戰(zhàn)，迫切需要開發(fā)新的檢測算法或改進已有的檢測算法。

［1］姜惠云，吳曉娟，王孝剛，等.運動檢測算法的研究和仿真實現(xiàn)［J］.電氣電子教學(xué)學(xué)報，2009，24(6):125 －127.

［2］羅志升，王黎，高曉蓉，等.序列圖像中運動目標(biāo)檢測與跟蹤方法分析［J］.現(xiàn)代電子技術(shù)，2009，32(11):68 －71.

［3］魏曉慧，李良福，錢鈞.基于混合高斯模型的運動目標(biāo)檢測方法研究［J］.應(yīng)用光學(xué)，2010，17(3):112 －116.

［4］彭艷芳.視頻運動目標(biāo)檢測與跟蹤算法研究［D］.武漢:武漢理工大學(xué)，2010.

［5］施雪梅.運動目標(biāo)檢測與跟蹤算法研究［D］.北京:北京交通大學(xué)，2010.

［6］趙文哲，秦世引.視頻運動目標(biāo)檢測方法的對比分析［J］.科技導(dǎo)報，2009，27(10):131 －132.