运动目标检测算法研究综述

2017年第1期 信息通信2017

(总第 169 期）INFORMATION&COMMUNICATIONS(Sum.N o169)

运动目标检测算法研究综述

程爱灵，黄昶，李小雨

(华东师范大学，上海200241)

摘要:运动目标检测技术是计算机视觉的基础，是一个十分有研究意义且很有挑战性的问题。文章从当前运动目标检测 问题的相关方法进行分析研究。首先详细介绍了光流法、帧差法和背景差法的算法原理。然后对比了几种算法的优缺 点，介绍各算法的适用场景。最后针对研究过程面临的难题，展望了运动目标检测技术新的发展趋势。

关键词：图像处理;光流;运动目标检测；巾贞差法；背景差法

中图分类号:TP391 文献标识码:A文章编号：1673-1131(2017)01-0012-03

〇引言

计算机视觉的最终目的就是使用计算机等智能设备来代 替人去对周围环境进行感知、解释及应答。随着科学技术的 发展，计算机视觉在越来越多的领域内得到了使用。其中智 能视频监控更是在军事、安保、医学和科研等领域被广泛地使 用。在智能视频监控中，运动目标的检测与跟踪算法是系统 的核心。视频图像的目标检测技术则更是理解图像的基础。

运动目标检测就是在寻找存在运动的区域，检测到的运 动区域可以为后续的目标识别和跟踪，行为分析等任务提供 可参考的区域[1]。通常视频图像被分为两种:一种是背景是静 态的视频，比如监视某一个固定场景;另一种是背景是动态的 视频，比如对目标进行跟踪运动的摄像机拍到的视频。在实 际生活中其实不会存在完全静止的背景，由于天气和光照的 变化，运动目标阴影、干扰物等的影响背景也是动态变化的，这使得运动目标检测在实现过程中有很多的制约和挑战。主 要的检测算法有光流法、帧差法和背景差法三种。

1光流法

1.1基本概念

光流是空间运动物体被观测面上的像素点运动产生的瞬 时速度场，包含了物体表面结构和动态行为的重要信息[2]。视 觉心理学认为人与被观测物体存在相对运动时，被观察物体 表面带光学特征(如亮度/灰度信息)部位的运动能提供物体的 运动和结构信息，即当人眼（摄像机）与场景中物体存在相对 运动时，物体带光学特征部分的移动投影到视网膜平面(成像 平面)上就形成了光流场。

光流法的基本原理是：为图像中的每一个像素点赋予一 个运动矢量。动态分析各像素点的速度矢量。如果图像中没 有目标运动时光流矢量在整个图像中是连续变化的；当图像 中存在运动目标时，运动目标形成的矢量场必定与背景的速 度矢量场不同，由此即可求出运动目标的位置。

1.3几种常见的光流法

常见的光流法有微分法中的H S算法、L K算法和基于块 匹配的模板匹配算法。

(1)H S算法。

Horn和Schunck在基于亮度恒定的光流基本约束方程的 基础上假设光流在整个图像上平滑变化，提出了全局平滑性约 束。即假设光流场满足光流基本方程的同时也要满足全局平 滑性[3]。这就要保证光滑性的误差尽可能的小，误差由下式求得:

保证亮度恒定要求光流基本约束方程的误差尽可能小，误差由下式求得：

Ec(w,v)= \^I x u+1 y v+1]2dxdy(2)

联立公式(1)和(2)，HS光流法中的光流应该满足取下式 的最小值：

心加)=>[(|(/，+^+’,)2+乂〔-)+〔轰〕+图+〔|)卜

式中A为平滑控制参数，决定着E c和E s两种误差之间 的权重。

(2)L K算法。

由Lucas和Kanade提出的LK算法与H S算法不同，它

1.2算法原理

光流中包含了物体的运动信息，因此可以用来检测图像 序列的运动目标。光流法的核心就是求解运动物体的光流信 息，即速度。物体在三维空间的运动一般都是相对连续的，因此物体在运动过程中在成像平面所投影的图像也是连续变化 的。假设：相邻帧图像的亮度恒定；相邻帧的获取时间连续; 保持空间一致性，即同一物体成像的像素有相同的运动。由此可以推导出光流的基本方程。

设t时刻图像坐标为(x，y)的点P的灰度值是I(x,y,t)，经过 d t后，有水平方向和垂直方向的运动分量分别为u和V，则有

w=去，v=泰P点的灰度值为I(x+dx，y+dy,t+dt)。当dt—0时，灰度值保持不变，即I(x,y,t)= I(x+dx，y+dy，t+dt)，用泰勒公式展开，忽略二阶无穷小量得到光流约束的基本方程：引入了局部平滑性约束，假设在局部空间n上运动矢量保持恒 定，使用加权最小二乘法估计光流。

L K算法的误差ELK可由下式求得：

Enc v) =j j w 2 (x,y)•(Ixu + I yv + I t f dxdy(3)

式中，W(x,y)= {W i|i=l，2,…,n}是邻域Q内n个点的权重，靠 近中心的加权要比周围大。求解(x，y)处L K光流的过程就是 求解上式最小值的过程。

(3)模板匹配法。

模板匹配法在给定的两帧图像L和L中以I I的像素点(X，y)为中心建立(2n+l)*(2n+l)的区域Wi，在12图像中对应的以 像素点(x，y)为中心建立(2N+1)*(2N+1)的区域w2中搜索最佳 匹配位置(N>n)。定义归一化相关系数公式：

n

^l i x+ hy+ J^xI^x+ u+ Uy+ v+ j)

^

I n

J( X Ji2(x+^y+^x Y,I2(x+u+i^y+v+J)

V i，卜_n

1

2

信息通信程爱灵等:运动目标检测算法研究综述

式中-N彡u，v彡N。

当e=l时表示两个亮度块完全匹配，但实际上由于噪声等

因素的影响£是很难取到1的，因此在w2区域内搜索到的e最

大的位置即为最佳匹配，其偏离中心的位移量(u,v)就是要求的

光流。

2帧差法

帧差法是检测相邻帧之间有无相对运动的一种常用方法。

通过相邻帧之间的差分就可以判定对应像素的灰度值是否发

生了变化，从而来判断和提取运动目标[4]。

2.1算法原理

将图像序列的任意一帧k表示为：

I(x,y,k)=F k(x,y)+B k(x,y)+nk(x,y)

式中Fk(x，y)为前景部分，即运动目标,Bk(x，y)为背景部分，

nk(x，y)为噪声。所以第k+1帧和第k帧的差可表示为：

dk+i y) = y,k + l)~ I{x, y, k)

=lFk+i (x + Ax,y + Ay) - Fk (x, y)] + [Bk+l (x, y) - Bk (x, y)] +

[nh+x{x,y)-n k{x,y)]

将差分结果二值化可得:

dk+A{x,y)=

{：dk+l{^y)T

式中T为前景/背景的分类阈值，dk+1为0表示该点为背 景，为1表示该点为运动目标。通常我们将这种方法称为两 帧帧差法。

从上式可以看出，当相邻两帧图像的纹理灰度等信息比 较相近的时候，这种方法只能检测到运动物体的轮廓，而无法 检测到完整的运动目标；且当物体运动较快的时候由于相邻 帧的背景遮挡变化较快，容易把遮挡的背景当作运动目标。为 了克服上述缺点，研究人员提出了连续三帧图像的差分法。其 基本原理是利用连续三帧的相邻两帧的差分结果进行与运算 来得到结果。利用这种方法能有效地去除因运动遮挡背景所 引起的检测误差。

2.2算法流程

基本帧差法的流程图如图1所示。先获取两帧相邻的图 像；然后进行差分；对差分结果进行二值化处理；得到运动目 标的边缘信息后进行后期处理，包括形态学处理和连通域分 析等;最后将检测到的运动目标分离出来。

图1帧差法基本流程图

3背景差法

背景差法是目前运动检测中的主流方法，它是利用当前 图像与背景图像的差分来检测运动区域的一种技术[5]。

3.1算法原理

背景差法的基本原理是将当前图像和已知的背景模型进 行差分，计算当前图像与背景模型的匹配程度。

(,I^current y)- background1^ T

〇b jecA^y) ~|〇,l c u^y)-I b a c^o u n d{x.y) \< T

式中，(x,y)点为图像中的任意点，Ib a c k g r_i(x,y)为背景模型 中(x,y)点的特征值，L_t(x，y)为当前巾贞模型中(x,y)点的特征 值，1'为给定阈值。1^81_1(\，)〇为1表示汰，>〇点为运动目标点，I b a c k g ro u J^y)为0表示(x，y)点为背景模型的点。

由于背景通常是动态变化的，因此需要实时更新。更新 方法可以用下式表示：

j n(.{ C1 -^b a c k g r o u n d+^c u r r e n t^))^objiect=1

" X^-PKXounA^y^K i^e n^y))=〇假设当前帧为第n帧，为更新前的背景模 型，为更新后的背景模型，这种方法提高了前景/背景分类的准确性，使其对光照等变化的适应性更髙了。

3.2算法流程

背景差法的流程图如图3.1所示。当获取当前帧图像之 后，首先完成背景模型的更新，如果背景是动态的，需要先对 图像进行运动补偿，以保证当前图像与背景图像的空间一致 性，最后用差分结果对背景和前景进行区分，获取运动目标图 像。

图2背景差法基本流程

4几类算法的对比

光流法在背景动态变化的情况下，能够较好的从背景中 检测出来运动目标，在摄像机运动的情况下较适合选用光流 法。同时适用于多目标的运动分析，对于遮挡，摄像机运动等 问题有很好的适应性。但是因为光流法需要遍历所有图像的 全部像素点，通常计算量巨大，且算法比较复杂。要想实现实 时图像处理通常对硬件设备性能要求很高。同时由于此算法 对多光源、噪声等特别敏感，易产生错误结果。

在摄像机无运动的情况下，巾贞差法对由光照、噪声等有 较强的自适应性。但是帧差不能完全提取所有运动目标的 特征点，所以得到的检测结果并不精确，在运动目标的内部 会有空洞产生，通常不利于进一步的目标分析与识别。当目 标运动的速度很慢的时候，帧差法可能会检测不到运动目标 或者只检测到比较细小的轮廓，易形成误判。虽然帧差法不 能精确地提取目标，其提取精度还与速度有关，但常常作为 一种快速判别有没有目标进入视场的算法原型被广泛使用。

13