实时视频监控系统中一种快速运动目标检测算法

胡宝霞

（哈尔滨理工大学计算机科学与技术学院，黑龙江哈尔滨１５００８０）

摘要：介绍了一种快速运动目标检测算法。该算法针对当前运动检测算法的不足，以背景消减和时域差分为基础，快速完成视频帧的背景提取、背景更新、运动目标检测，很好的满足了系统对时间的限制。结果表明，该方法是比较实用的，能满足实时视频监控系统的要求。

关键词：视频监控；时域差分；运动检测引言

运动目标检测的关键是背景图像的描述模型即背景模型，它是背景减法分割前景目标的基础。背景模型有单模态和多模态两种［１］，前者在每个背景点上的颜色分布比较集中，可以用单个概率分布模型来描述；后者的分布则比较分散，需要多个分布模型来共同描述。此处研究的运动检测算法采用背景消减和时域差分相结合，主要包括背景提取、背景更新、运动检测等模块，运算速度快便于编译或直接在硬件上快速实现。

１传统运动检测算法的性能评析

运动目标的检测和分割是视频流研究中的一个极其重要却又困难的问题，它不但可以从视

分频流中分割出目标和背景，同时它又是识别、［２］

类和分析的基础。传统的运动检测主要包括背景减除法、时域差分法、背景统计模型分类法和光流场法。

背景减除法比时域分析法能更好地给出运动目标完整的区域表示，由于在光线渐变场合下实际背景会随着时间发生渐变，所以传统的采用固定背景相减的方法容易由于渐变产生噪声随时间的累积。其实背景减除法和时域差分法在性能上恰好互补，后者一般不能提取出运动目标的内部纹理，但由于采用一段小的时间间隔前后的两帧图像进行差分，时域差分法有受光线变化影响小，不会由于背景渐变产生噪声随时间的累积而增加。

２该算法介绍及其实现

我们主要针对背景和摄像机都静止这一特定应用场合，选用了背景消减和时域差分法综合的运动检测算法。这种算法的关键在于背景重建，在此我们应用帧间平均的背景重建方法，为了克服背景消减算法噪声较大的先天不足，我们采用了形态学滤波方法［３］去除噪声。算法可以分为三个部分：背景提取、背景更新、运动检测，整个算法的实现过程如图１所示。

平均值作为当前背景的估计值，如式（１）所示：

（ｘ，ｙ）＝Ｉ（０ｘ，ｙ）Ｂａｖｇ０

（１）１

（ｘ，ｙ）＝（（ｘ，ｙ）＋Ｉ（ｎｘ，ｙ）］［ｎ－１）Ｂａｖｇ０－１Ｂａｖｇ０

现的分布模型所代替，以此来反映物体背景的变

化。

２．３运动检测。对于每个像素点ｉ，使其与前述的ｎ个分布模型相比较，如果与其中的任意一个相匹配，则为背景；否则，为前景目标的像素点［５］

。从而以此来判断当前图象帧中是否有运动目标，根据在ＰＣ机上运行，本系统可以很好的完成实时运动目标检测的任务，满足对现场进行无人监控的要求。

３结论

通过上述分析，将背景减除法和时域差分法综合起来，采用时域差分法确定变化区域，将非变化区域取代原来的背景图像，以更新后的背景图像对下一副图像做背景相减法的实时跟踪，可以取得很好的效果。这种方法在计算上的代价很小，对于各种变化有较强的适应性，既有固定背景差分方法检测运动物体准确的优点，又具有时间间隔图像差分方法检测变化鲁棒，因而确保了基于其非变化区域刷新的背景图像更新的及时性。同时由于本算法快速的优点，使得算法本身可以使用硬件在嵌入式系统或ＳＯＰＣ片上系统中实现，大大加强了算法的实用性。

参考文献

［１］ＷｒｅｎＣ，ＡｚａｒｂａｙｅｊａｎｉＡ，ＤａｒｒｅｌｌＴ，ｅｔａｌ．

!ｎｎ＝１，２，３……

式中：Ｂａｖｇｎ（ｘ，ｙ）为第ｎ帧估计背景中（ｘ，ｙ）点的像素值，Ｉｎ（ｘ，ｙ）为第ｎ帧原始图象中（ｘ，ｙ）点的像素值。其中，背景是随着ｎ增加逐渐恢复的，所以背景恢复过程并不影响图象处理结果的实时传输。显然，ｎ越大，背景恢复越真实，我们可以控制ｎ的大小来调整处理时间和处理效果之间的平衡。实验证明：ｎ等于６４时足可以得到比较好的效果。

首先，把输入图象帧在进入运２．１背景提取。

动检测模块之前还需要进行ＲＧＢ／ＹＵＶ色彩空间变换。根据如下ＲＧＢ／ＹＵＶ色彩空间变换公式：

Ｙ＝０．２９９Ｒ＋０．５８７Ｇ＋０．１１４Ｂ

（２）Ｕ＝－０．１４Ｒ－０．２８９Ｇ＋０．４３６Ｂ

Ｖ＝０．６１５Ｒ－０．５１５Ｇ－０．１００Ｂ

对于视频输入序列｛１，２，…，ｔ｝，第ｔ帧视频图像中像素Ｘ＝（ｘ，ｙ）的输入信号为Ｉ（Ｘ，ｔ）＝（Ｉｙ（Ｘ，ｔ），Ｉｕ（Ｘ，ｔ），Ｉｖ（Ｘ，ｔ）），如果没有运动目标，则视频图像相对静止，每一像素点随时间变化都服从一定的统计特性。对每个像素点分别建立一个统计模

用该点的均值（Ｕｉ（Ｘ，ｔ））和型，称该点的分布模型。

水面均方差（Ｄｉ（Ｘ，ｔ））来描述这个模型，树叶晃动、

波动等背景物体对应像素点的变化，并不存在单一的模式。对此，采用多个分布模型进行描述，即Ｐ１（Ｘ，ｔ），…，Ｐｉ（Ｘ，ｔ），…，Ｐｎ（Ｘ，ｔ）。其中：Ｐｉ（Ｘ，ｔ）＝（Ｕｉ（Ｘ，ｔ），Ｄｉ（Ｘ，ｔ）），下标ｉ表示第ｉ个模型，ｎ表示最大模型个数。用该方法对像素点进行描述时，对不同模型各像素点的概率不同，对于运动目标，其对应的像素点属于一个新的分布模型，但其概率是很小的，而且也很短暂。因此，对各像素点的分布模型出现的概率进行排序，取前ｎ个作为背景分布模型，即完成背景提取。

随着时间的推移，背景模型２．２背景更新［４］。

背景物体的移出和会发生变化，如光照的变化、

移入等。因此，为了使背景模型适应这种变化，需要对背景模型进行更新，方法是将输入信号与ｎ个分布模型进行比较，对匹配的模型进行更新。如果输入信号与多个分布模型匹配，则采用最小相似距离的方法进行更新，即对满足分布模型进行更新、不满足分布模型不进行更新。分布模型为：

（Ｘ，ｔ）＝\"Ｄｉ

（Ｉ（ｊＸ，ｔ）－Ｕ（））Ｄ（）ｉｊＸ，ｔｉｊＸ，ｔ（３）

ｈ（ｉｊＸ，ｔ）ｊ＝ｙ，ｕ，ｖ

!Ｐｆｉｎｄｅｒ：Ｒｅａｌ－ｔｉｍｅｔｒａｃｋｉｎｇｏｆｔｈｅｈｕｍａｎｂｏｄｙ

［Ｊ］．ＩＥＥＥＴｒａｎｓａｃｔｉｏｎｓｏｎＰａｔｔｅｒｎＡｎａｌｙｓｉｓａｎｄＭａｃｈｉｎｅＩｎｔｅｌｌｉｇｅｎｃｅ，１９９７，１９（７）：７８０－７８５．

［２］艾海舟，乐秀宇．面向视觉监视实时跟踪的动态背景更新方法［Ｊ］．计算机工程与应用，２００５，３７（１９）：１０４－１０６．

［３］Ｂｒｏｗｎ，Ｒ．Ａ．，Ｚ．Ｈｏｎｇｍｅｉ，ａｎｄＪ．Ｒ．Ｍｉｔｃｈｅｌｌ，ＤｉｓｔｒｉｂｕｔｅｄｖｅｃｔｏｒＰｒｏｃｅｓｓｉｎｇｏｆａｎｅｗｌｏｃａｌＭｕｌｔｉＳｃａｌｅＦｏｕｒｉｅｒｔｒａｎｓｆｏｒｍｆｏｒｍｅｄｉｃａｌｉｍａｇ－ｉｎｇａｐｐｌｉｃａｔｉｏｎｓ．［Ｊ］，ＩＥＥＥＴｒａｎｓａｃｔｉｏｎｓｏｎＰａｔ－ｔｅｒｎＡｎａｌｙｓｉｓａｎｄＭａｃｈｉｎｅＩｎｔｅｌｌｉｇｅｎｃｅ，２００５．２４（５）：ｐ．６８９－６９１．

［４］ＩｓｍａｉｌＨＡＲＩＴＡＯＧＬＵ，ＤａｖｉｄＨＡＲＷＯＯＤ，ＬａｒｒｙＳ．ＤＡＶＩＳ．Ｗ４：ｒｅａｌ－ｔｉｍｅｓｕｒｖｅｉｌｌａｎｃｅｏｆｐｅｏｐｌｅａｎｄｔｈｅｉｒａｃｔｉｖｉｔｉｅｓ［Ｊ］．ＩＥＥＥＴｒａｎｓａｃｔｉｏｎｓｏｎＰａｔｔｅｒｎＡｎａｌｙｓｉｓａｎｄＭａｃｈｉｎｅＩｎｔｅｌｌｉｇｅｎｃｅ，２０００，２２（８）：８０９－８３０．

［５］胡俊，苏祥芳．图像序列运动检测算法的研究及其应用［Ｊ］．武汉大学学报（自然科学版），２０００，４６（５）：６１３－６１６．

作者简介：闫飞（１９８３￣），男，硕士研究生。研究方向为ＥＤＡ，嵌入式系统设计。

责任编辑：袁依凡

（上接２３页）作者简介：卫怀玉（１９８０￣），男，河南叶县人，硕士研究生。研究方向为图像处理，多相流检测技术。

责任编辑：袁依凡

图１

帧间平均算法使用当前帧之前各帧的象素

其中：ｈｉｊ（Ｘ，ｔ）为模型ｉ的概率；Ｕｉｊ（Ｘ，ｔ）为模型ｉ的均值；Ｄｉ（Ｘ，ｔ）为模型ｉ的方差。同时，由于监控系统的要求，必须对各分布模型的分布概率进行更新，使长时间没有出现的分布模型被新出

－２４－