运动序列目标检测算法研究及 DSP 实现

运动序列目标检测算法研究及DSP实现李文艳，王月琴，张笑微（西南科技大学信息工程学院四川绵阳621010）摘要：由于实际场景的多样性，目前常用的运动目标检测算法都还存在一定程度的缺陷，因此本文提出了一种将帧差法和背景减法相结合的方法，实现快速精确地检测和提取运动目标。

实验结果表明，本方法是比较实用的，能较好满足实时视频监控系统的要求。

最后将程序移植到基于DSP的平台上，进行相应的优化后基本满足了实时性的要求。

关键词：目标检测；帧差法；背景减法中图分类号：TP751.1 文献标识码：AAlgorism Research of Moving Object Detection and DSP ImplementationLI Wen-yan，WANG Yue-qin，ZHANG Xiao-wei(Southwest University of Science and Technology Mianyang Sichuan China 621010) Abstract: Because of the environment’s variety, the methods that have been used for moving object detection need to be improved. An algorithm based on two consecutive frames subtraction and background subtraction is presented and it can detect and extract object quickly and accurately. The results show that the proposed method is a practical one. It can meet the need of the real time video surveillance and monitoring system. The coding is transplanted in DSP, and the project is executed successfully on CCS simulator.Keywords: Object detection; Frames subtraction; Background subtraction引言运动目标的检测在智能监控等领域中得到了广泛的应用。

运动目标的检测就是从视频流中去除静止背景提取出运动的目标，运动目标的有效分割对跟踪等后期处理非常关键。

本文提出了将帧间差分和背景减法相结合的方法。

首先选取一帧作为背景帧, 建立各像素点的高斯模型。

再运用帧间差分法对相邻两帧图像进行差分处理, 区分出背景点和变化的区域。

然后将变化区域与背景帧的对应区域进行模型拟合区分出显露区和运动物体。

1 运动目标检测算法总体流程采用帧间差分与背景减法相结合的算法进行运动目标检测，包括运动目标的检测和将检测到的运动目标从背景中分割出来两部分，其系统框架流程图如图1所示。

图1 运动目标检测流程图这种设计充分利用了被检测区域部分时间静止的特点，具有智能检测的功能，它只在检测到“报警”时才存储视频内容到存储设备，能大大节约存储设备的容量。

2 视频序列运动目标的检测2.1 背景模型的建立现有的一些背景模型获取方法大都在场景中没有运动目标的情况下进行，但在实际应用中有时无法满足这种要求。

本文提出一种基于统计的背景模型提取方法，即假设在背景模型提取阶段，运动目标可以在监视区域中运动，但不会长时间地停留在某一位置上。

比较相邻两帧图像可以发现背景像素点在一定的时间里差别不大，随时间变化缓慢，而前景目标的变化区域像素点变化很大。

自然界中的许多场景如水面的波纹、摇摆的树枝、飘扬的旗帜等都呈现出多模态特性。

因此对选取的背景帧的每一个像素点利用高斯模型建模。

在背景图像的估计算法中，在一段较长时间段内计算视频序列图像每一像素的平均亮度0µ及像素亮度的方差20σ，组成了具有高斯分布的图像0B 作为初始的背景估计图像：2000[,]B µσ= （1） 其中001(,)(,)T i t x y f x y T µ==∑，220001(,)[(,)(,)]T i i x y f x y x y T σµ==−∑图2（b ）为用高斯模型建立的背景图像。

（a ）原始背景模型 （b ）高斯背景模型图2 背景模型的建立 背景模型的建立是通过不断学习新帧而得到的，兼顾了过去的背景信息，所以该方法对实际图像中的偶然变化有一定的抑制作用。

2.2 运动目标的提取首先利用帧差法确定相邻两帧间发生变化的区域，将视频序列中连续的两帧图像的灰度进行差分处理，设(,)k f x y 和1(,)k f x y +是视频序列中连续两帧图像，检测规则如下：111(,)(,)|(,)(,)|(,)(,)k k k k T B x y f x y f x y f x y T M x y f x y +++<=⎧−⎨≥=⎩则则 （2）T 表示灰度阈值，前后两帧图像的差值小于这个阈值的区域被认为是背景区域B(x,y)，差值大于此阈值的区域被认为是运动变化的区域M(x,y)。

通过帧间差分法检测出了相邻两帧间发生变化了的区域，包括运动物体在前一帧所覆盖的区域即显露区和运动物体在当前帧中所覆盖的区域即运动物体本身。

然后利用背景减法去除显露区，即可得到运动物体在当前帧中所覆盖的区域即运动物体本身。

方法是将分割出的运动变化区域M(x,y)中的像素点与各自的高斯模型拟合。

检测规则如下：12i 0(,)(,)|(,)B (,)1i i i i f x y B x y w x y w f x y σ⎧−>⋅+=⎨⎩如果|其他（3） 其中，1w ，2w 为常数。

实验中取1w =2，2w =0.02。

图3分别为检测到的单个和多个运动目标的图像。

(a)检测单个运动目标 (b)检测多个运动目标图3 运动目标的检测2.3 背景更新 要使背景模型能够对外界光线变化具有自适应性，必须实时地对背景模型进行更新。

背景中固定的部分也可能发生移动，发生移动后的区域在一段时间内将被误检测为运动目标，但不应该永远将其看作是运动目标，这也需要有一个有效的背景更新策略。

另外，运动目标也可能长时间停止在场景中，对这部分区域在一段时间后将其看作是背景的一部分。

背景区域B(i,j)的像素点会按照如下的更新规则不断更新。

2[,]i i i B µσ= （4）其中：1(1)i i i f µαµα−=−⋅+⋅ ，2221(1)()i i i i f σασαµ−=−⋅+⋅− α为更新率，为一给定的[0, 1]之间的常数。

当α较小时修正背景图像的过程比较缓慢，α较大时则是一种较快更新背景图像的过程，α体现了模型对背景适应的快慢。

3 运动目标的分割3.1 去除噪声噪声的影响，会使一些背景区域被检测成运动区域，也可能使运动目标内的部分区域被漏检；另外，背景的扰动如树枝、树叶的轻微摇动，也会使这部分被误判断为运动目标。

本文采用形态学处理的方法对检测到的运动目标进行处理，思想是先腐蚀后膨胀。

腐蚀的作用是消除物体的边界点，膨胀是把图像周围的背景点合并到物体中，如果两个物体之间距离小于膨胀的结构元素，那么膨胀运算会使这两个物体连通在一起，对填补图像分割后的空洞很有效。

如图4所示，一次开运算能够滤除大部分的噪声点，得到较为清晰的目标。

(a)检测到运动目标 (b)腐蚀 (c)膨胀图4 形态学滤波3.2 连通单元标记 连通单元标记的目的是确定各运动区域在图像中的具体位置，另外可以提取到运动区域的重心、面积等信息，为进一步的运动目标跟踪服务。

具体算法是按照一定的规则寻找一幅图像中所有的连通单元，并赋予同一单元唯一的标记。

连通单元标记如图5所示。

图5 连通单元标记4 运动目标检测的DM642实现DSP芯片以数字器件特有的高速性、稳定性、可重复性、可大规模集成、可编程、易于实现自适应处理等特点，在数字图像处理上得到了广泛的应用。

其中TI公TMS320DM642其主频达到600MHz，能够进行流水线工作，可同时执行8条指令，能够满足视频图像的实时性要求。

DM642硬件系统主要由图像采集模块、视频解码模块、存储模块、DSP核心运算控制模块、视频编码模块和图像显示模块六个部分组成。

系统框图如图6所示。

图6 DM642系统硬件框图图7基于DSP的目标检测算法的移植的过程是先不考虑C6000的相关知识，完全根据任务编写C代码，然后对代码进行移植，在DSP环境下运行验证其功能正确，再用CCS的调试工具分析应用程序是否达到规定要求，找到程序中影响性能的低功率段，并进行代码优化。

进行代码优化可以提高代码性能。

本文主要是通过内联函数、数据打包、软件流水和优化编译器结合使用来实现其优化的。

实验结果如图7所示，本文的运动目标检测算法能够较好检测到运动目标，进行相应的优化后基本满足了实时性的要求。

5 小结帧间差分与背景减法相结合的运动目标检测的优点：(1)允许有运动物体存在的情况下进行背景建模 (2)静止下来的物体会在相邻帧差分处理时减掉, 不会误检为运动物体, 且能很快更新到背景中去 (3) 用背景差分时仅对帧差处理后的运动变化区域进行处理, 也缩短了处理时间。

实验表明该方法快速、准确、有着广泛的适用性。

在对TI公司DSP的内部结构和开发流程的研究学习基础上，将本文的运动目标检测算法移植到DSP上，进行相应的优化能够较好检测到运动目标，为应用到实时系统中打下了基础。

本文作者创新点：在研究现有运动目标检测算法的基础上，将已有的算法帧间差分与背景减法相结合，提高了检测的准确度，具有一定鲁棒性，将算法移植到TMS320DM642上能够实时的检测到运动目标，在算法和硬件使用上具有先进性。

参考文献[1]蓝照华，傅文利，赵进创，陈涛. 边缘面积值绝对差数累积运动检测算法[J].微计算机信息，2006，11-3：289-290.[2]欧扬，张宗杰.低照度视频序列运动目标的检测与提取[J]. 微计算机信息，2005，12-1：91-92.[3]魏星.智能视频监控系统中运动目标检测与跟踪技术的研究及其DSP实[C] .合肥工业大学，2005,5.[4]周嘉伟.自适应背景下的运动目标检测[J].长春大学学报，2006,16-2：66-68.[5]宋胜利，刘党辉，曾峦.一种联合图像分割与背景建模的运动目标检测算法[J].测控技术，2006,25-5：36-38.[6]王伟，孙敏.一种交通场景下运动目标检测的新算法[J].计算机应用与软件，2005,22-4：90-92.项目资助：四川省教育厅重点资助项目，编号：2006A097作者简介：李文艳：女，（1981-），山东烟台，汉，硕士研究生，研究方向：控制理论与控制工程，西南科技大学王月琴: 女，(1980-)，安徽安庆，汉，硕士研究生，研究方向：模式识别与智能系统，西南科技大学张笑微：女，(1955-)，四川成都，汉，教授，研究方向：模式识别与智能系统，西南科技大学Resume:LiWenyan (1981-). female. born in Yantai city, Shandon province. a graduate student in School of Information Engineering, Southwest University of Science and Technology(SWUST). Main Research：Control Theory and Control Projiect.WangYueqin (1980-). female. born in Anqin city, Anhui province. a graduate student in School of Information Engineering, Southwest University of Science and Technology(SWUST). Main Research：PR and AI.ZhangXiaowei (1955-).female. born in Chengdu city,Sichuan province. professor in School of Information Engineering, Southwest University of Science and Technology(SWUST). main research：PR and AI.联系方式：姓名：李文艳通讯地址：四川绵阳西南科技大学新区东苑8A－618邮编：621010。