基于视频的运动人体检测技术研究

基于视频的运动人体检测技术研究

摘要在视频监控领域中，快速准确地检测出运动人体，是后续进行运动分析的初级处理。本文将单摄像头拍摄的视频流，首先转换成静止的图像帧，通过MATLAB利用中值法进行背景模型的重建，背景减除来进行运动目标检测，并通过图像后处理技术，将运动人体快速准确地检测出来。通过对公共视频数据库及自拍视频的检测实验，均得到了较理想的运动人体图像，证明了该技术的可行性。

关键词视频序列；运动人体；MATLAB；目标检测

前言

当今社会，智能视频监控已分布到各行各业，是安全防范系统的重要组成部分。运动人体的检测是视频监控系统进行运动分析的最底层，是后续进行各种高级处理如目标分类、行为理解等的基础。本文以视频监控系统的应用为目的，将单摄像头拍摄的彩色视频流，首先转换成静止的图像帧，通过MATLAB利用中值法进行背景模型的重建，背景减除来进行运动目标检测，并通过图像后处理技术，检测到了较理想的运动人体图像。

1 运动目标检测

背景减除是当前最简单也是最常用的一种检测方法。该方法通过将当前图像帧与背景图像的灰度值直接进行相减操作，并将得到的差值与某一阈值T进行比较，大于阈值T的即被认定为是目标点，赋值为1；反之，认定为是背景点，赋值为0，进而检测出运动人体目标。

1.1 中值法背景建模

根据视频序列的特点，在时间序列上，运动人体经过视频图像上某一位置的时间是非常短暂的，大部分时间在该位置上显示的都是背景图像，因此本文利用中值法[1-2]来进行背景模型的重新建立，该方法能够利用图像序列中的一部分图像重新构造出精确的背景图像。其思想就是将图像序列中的部分图像按照其中像素的顺序进行排列，然后选出中间的像素值以此作为背景图像中对应位置处的像素值，遍历图像序列中所有的像素，即可以获得精确的背景图像。

1.2 差分及二值化

采用前述的背景减除法对图像进行差分操作，得到的差分结果为灰度图像，而在后续的处理过程中，用到更多的是二值化图像。将灰度图像进行二值化的常用方法是阈值分割法，其中阈值的选取至关重要。

根据阈值选取的不同一般分为局部阈值算法和全局阈值算法。全局阈值算法

就是根据整幅图像的像素分布情况，选取一个固定的阈值进行二值化。而局部阈值法则是将整幅图像划分为若干个子图像，结合当前像素点和其邻域像素点的灰度值关系来确定考察点的二值化阈值。本文选取OTSU大津法进行阈值的选取。OTSU算法（又称最大类间方差法或大津法）是基于整幅图像的统计特性实现阈值的自动选取，是全局阈值选取方法中的典型方法。其基本思想是将图像的灰度情况用一假定的灰度值分为两类，两类的类间方差达到最大时的灰度值就是图像二值化的最佳阈值。

1.3 图像后处理

图像后处理包括膨胀、腐蚀、开运算、闭运算等一系列操作。通过这一系列操作可以使图像变得更加清晰明显。膨胀是将与物体接触的所有背景点合并到该物体中，使边界向外部扩张的过程，可以填补物体中的空洞。在對数字图像的处理中，对于一定形状大小的结构元素，通过膨胀操作可以实现一些相距较短的区域的连接。但是，图像的膨胀操作对于杂点是敏感的，一些细小的杂点通过膨胀操作处理后，通常会变得比较明显。而腐蚀操作则可以删除对象边界的某些像素点，通过消除图像边界点，可以让边界向内部收缩。

2 检测结果及其分析

实验一：公共数据库

视频图像取自UCSD公共数据库。该数据库中包含2名女性，4名男性，共6个人，采集背景为室外，每段视频序列中仅有一人从右到左做单一方向的步态运动，帧图像大小为像素，帧速率为30帧/秒。整个检测的过程如下图所示。图1为原始视频序列中的任意一帧图像，图2为利用中值法建立的背景模型，可见很好的估计出了背景图像。

3 结束语

介绍了一种简单、快速的运动人体检测方法，通过MATLAB仿真，得到了较理想的检测结果。但也存在一些问题与不足，如多人同时运动时，对检测方法会有更高要求。

参考文献

[1] Little J，Boyd J.E. Describing motion for recognition[C]. Proceedings of International Symposium on Computer Vision，1995：235-240.

[2] 苏礼坤，陈怀新. 中值滤波的视频背景更新[J]. 光电工程，2010，37（1）：131-135.