运动目标检测

MATLAB语法结构简单， 并具有极强的数值计算、图 形文字处理、数据分析和图 形绘制等功能，效率比较高。 本文涉及的背景法与帧差法 都是在MATLAB环境中实 现运动目标检测。
运用三帧差分所检测出的运动目标，可以有效的检测出运 动物体，能够较清晰地得到运动物体的轮廓。
帧差法流程图
图4-1 三帧差分法
03 流光：它是一个定义了每个像素运动矢量的密集场。先假定连续帧中对应像素的亮度值恒
流 光 定，接着根据亮度约束进行计算，常应用于运动目标分割和跟踪。
04 纹理：它是量化物体表面强度变化的量，一般需要生成描述算子灰度共生矩阵等使用纹理
纹 理 特征进行运动目标检测。
本文主要研究帧差法与背景减法。帧差法利用前后帧的边缘特性， 背景减法中主要基于目标的颜色特性。
偏离背景模型值较大的像素，则为出现的运动目标像素。由于运动目标与背景在灰度或色彩上 存在差异，相减、阈值操作后得到的结果直接给出了目标的位置、大小、形状等，从而可得到 较完整的目标信息。
原理
基于MATLAB的帧差法实验
两帧差分法是最简单的运动目标检测方法之一，由于其运 算量比较小，容易实现。然而由于两帧差法进行运动目标 检测是前后两帧求差的运算，可能会携带两帧的运动细节， 从而检测出的目标可能会比实际目标要大，或不准确。
运动目标检测的基础
在进行运动目标检测时，运动目标的特性与背景存在差异才能检测出来。一些常见的目标特性可以概括 如下：
01
颜色
02
边缘
颜色：目标的外观颜色与背景不同，可以对其进行检测。在图像处理中，RGB颜色空间与 HSV颜色空间都有广泛应用。
边缘：目标的边缘通常会有较大的亮度变化，而边缘检测可以捕捉这变化。边缘这一特性 不易受阳光等外界因素影响，比较简单精确。
帧差法程序
帧差法程序
帧差法结果
图4-2 第97帧
图4-3 第98帧
图4-4 第99帧
图4-5 二值化
图4-6 第97帧
使用帧间差分法，需要考虑如何选择合理的时间间隔，这一般取决于运动目标的速度。对于快速 运动的目标，需要选择较短的时间间隔，如果选择不当，最坏情况下目标在前后两帧中没有重叠， 被检测为两个分开的目标；对于慢速运动的目标，应该选择较长的时间间隔，如果选择不当，最 坏情况下目标在前后两帧中几乎完全重叠，根本检测不到目标。
Βιβλιοθήκη Baidu
原理
背景减法
定义
背景减法，或称背景差法，是目前运动检测中的主流方法，它是利用含有运动目标的当前图像与
背景图像的差分来检测运动区域的一种技术，将当前帧与背景图像进行差分比较实现对运动区域 的检测，其中区别较大的像素区域被认为是运动区域，而区别较小的像素区域被认为是背景区域。
步骤
首先，用事先存储或者实时得到的背景图像序列作为背景模型，将当前含运动目标的图像帧和 背景模型相减，其次，将计算结果在一定阈值T限制下进行二值化，判断出当前图像中出现的
基于MATLAB的背景减法实验
用事先存储或者实时得到的背景图像序列作为背景模型，将当前含运动 目标的图像帧和背景模型相减，其次，将计算结果在一定阈值T限制下 进行二值化，判断出当前图像中出现的偏离背景模型值较大的像素，则 为出现的运动目标像素。
相减后的图像，一般要进行连通性分析，判断此区域是否 为运动前景或者为噪声。去噪，剔除过小噪声。
帧差法
定义
帧差法是最为常用的运 动目标检测和分割方法 之一，在图像序列相邻 两帧或三帧间对应像素 灰度值发生变化，通过 这些差异提取出图像中 的运动区域。
基本步骤
将相邻帧图像对应像素值相 减得到差分图像，然后对差 分图像二值化，在环境亮度 变化不大的情况下，如果对 应像素值变化小于事先确定 的阈值时，可以认为此处为 背景像素；如果图像区域的 像素值变化很大，将这些区 域标记为前景像素
基于背景减法和帧差法的运动目标检测
电子与通信工程 1670737
运动目标检测
概述
运动目标检测是指对序列图像使用基于信 号检测的方法自动分离出运动像素点和静 止像素点，将变化区域从背景图像中提取 出来，一般是确定目标所在区域和颜色特 征，即检测出场景中相对运动的目标的过 程。运动目标检测通常处于计算机图像、 视频处理工作底层，是各种后续高级处理 或应用，如目标跟踪、目标分类、目标行 为理解等的基础。
本文用三帧差分法代替两帧差分法进行目标检测。三帧差分法就是 先对图像进行两帧差分，再对差分后的图像进行“与”运算，从而 可以得到两个差分图像的相同区域，避免了两帧差中检测出的目标 被拉长拉高的现象。
实验数据以静态背景下的视频为例，以常见的车辆与行人作为要检 测的运动目标。得到运动图像后，一般要进行连通性分析，常用的 方法是先计算某一连通区域的面积，如果其面积大于事先设定的阈 值，那么判断此区域为运动前景，否则为噪声，要去除。
应用
智能监控系统能够处理从摄像机捕捉 到的视频数据，并控制整个视频监控 系统，从而赋予视频监控类似人类的 智能， 运动目标检测广泛应用于智
能交通系统中，可以通过目标检测技 术来判断道路交通状况，如：车辆超 速、违规、交通事故等，也可监测交 通流量，以使交通指挥人员做出合理 的调度。运动目标检测在军事、安检 和航空航天等领域也得到越来越多的 研究，一些项目已经在实际应用中取 得了相当不错的效果。
图4-7 二值化后
图4-8 检测结果
帧差法与背景减法的比较分析
帧差法与背景减法都比较简单，普遍应用的运动目标检测方法。但是对于 帧差法，运动过快或者运动过慢的目标，检测的准确率大大降低，甚至检 测不出，在动态背景下也不适用，易受外界环境变化的干扰。背景减法的 关键在于背景模型，最简单的背景模型获取方法是在场景没有运动目标时 采集图像作为背景，但这种背景存在局限性。目前很多人致力于不同背景 模型，减少动态场景变化对运动目标检测的影响，如，W4模型、均值滤 波法和高斯背景模型等建模方法，获取良好的背景与背景模型不断更新能 保证基于背景减法检测出更精确的目标。背景减法越来越受到重视，逐渐 成为主流的运动目标检测，有广泛的研究前景。
本文选取某一原始帧作为背景，实际中是对背景图像序列每一个像 素进行统计建模得到背景模型，常采用的建模方法有很多，例如高 斯背景建模，背景建模对目标检测的准确性起了重要作用。
背景减法流程图
图4-7 背景减法
背景减法程序
背景减法程序
背景减法结果
图4-3 第一帧
图4-4 第98帧
图4-5 背景帧
图4-6 当前帧