智能视频监控中的运动目标检测技术研究

2009年第06期，第42卷 通 信 技 术 Vol.42，No.06,2009 总第210期 Communications Technology No.210,Totally

智能视频监控中的运动目标检测技术研究

夏永泉， 李卫丽， 甘 勇， 张素智

（郑州轻工业学院 计算机与通信工程学院，河南 郑州）

【摘 要】运动目标检测是视频序列分析中非常一个重要的研究方向，同时也在智能视频监控中发挥着非常重要的作用。目前国内外对运动目标检测的研究非常广泛，方法各异，文中对当前常用的视频序列中运动目标检测的方法进行了研究和分析，并对这些种方法的优越性和不足之处进行了比较。

【关键词】智能视频监控；运动目标检测；帧间差分；背景减法

【中图分类号】TP391.41 【文献标识码】A 【文章编号】1002-0802(2009)06-0185-03

Studies on Moving Objects Detection Technology in Intelligent

Video Surveillance

XIA Yong-quan， LI Wei-li， GAN Yong， ZHANG Su-zhi

(School of Computer and Communication Engineering, Zhengzhou University of Light Industry, Zhengzhou Henan, China)

【Abstract】Moving object detection is a main domain in video image sequences analysis, and play an importantrole in intelligent video surveillance system. Nowadays, extensive studies on moving object detection have been carried out both at home and abroad, and the methods are quite different. This paper describes the studies on methods and principles of moving object detection in video image sequence, and finally compares advantages and deficiencies of theses methods.

【Key words】intelligent video surveillance; moving object detection; frames difference; background subtraction

0 引言

智能视频监控技术是安全防范系统的重要组成部分，是一种防范能力较强的综合系统，随着网络、通信和微电子技术的发展，视频监控以其直观、方便、信息内容丰富而广泛应用于许多场合。从视频序列中检测运动目标是一个基础而又关键的任务，目前运动目标检测通常有帧间差分法、背景减法和光流法，相邻帧间差分法[1]对动态变化环境中的运动目标检测有较强的自适应性，提取运动目标的关键在于准确的定位目标和噪声之间的差别，从而准确的提取分割阈值；背景减法算法[2]简单易于实现，在背景已知的情况下，能够提供最完全的特征数据，并能完整地检测出运动目标，但是由于图像采集过程中的误差、背景中光线的变化以及环境中

其他干扰因素,使得简单的背景减法效果受到影响；光流法[3]支持摄像机运动，可以得到完整的运动信息，能够很好的从背景中检测到相关前景目标，甚至是运动目标的一部分，从而实现摄像机运动过程中独立运动目标的检测，但计算开销较大、实时性差,而且抗噪性能比较差。如今，人们已提出各种各样的新算法来力图解决现有算法呈现的问题，以满足实时性应用的需求。

1 目标检测方法介绍

（1）帧间差分法。帧间差分法是基于运动图像序列中，相邻两帧图像间具有强相关性而提出的检测方法。设在相邻时刻采集到同一背景下的两幅运动图像为f(x,y,t)和

收稿日期：2008-09-26。

基金项目：国家科技攻关（2006BAK01A38）；博士基金（2007BSJJ005）。 作者简介：夏永泉（1972-），男，副教授，博士，主要研究方向为图像处理、计算机视觉、模式识别与人工智能；李卫丽（1984-），女，硕士

研究生，主要研究方向为信号与信息处理；甘 勇（1965-），男，教授，硕士生导师，主要研究方向为计算机网络及应用；张素智（1965-），男，副教授，硕士生导师，主要研究方向为分布式数据库技术、Web数据库与信息集成。

185

f(x,y,t+ t)，则差分图像的定义为:

算法。该算法由背景图像的初始化和自适应更新两部分组成。在背景图像的初始化算法中,采用前N帧图像,计算视频序列图像每一象素的平均亮µ0(x,y), 并计算在前N帧内的每一象素亮度的方差δ02(x,y), 以此来组成初始的背景估计图

像。这里Bn 表示背景图像, In 表示视频图像, n 表示帧数。

B0=[µ0,δ02], （2） 当背景估计图像的初始化完成后,随着新图像帧的到来,需要使用下列公式不断自适应地更新背景：

µn=(1 α)µn 1+αIn

δn2=(1 α)δn2 1+α(In µn)

其中α为更新系数,为0～1 之间的一个常数。文献[7]提出采用多个分布模型进行描述每个像素点来适应背景变化。首先，把输入图像帧在进入运动检测模块之前进行RGB／YUV色彩空间变换。对于视频输入序列第t帧视频图像中像素X=(x,y)的输入信号为I(X,t)，设像素点的均值为Ui(X,t)，均方差为Di(X,t)，分布模型表示为Pi(X,t)，其

fd(x,y)=|f(x,y,t) f(x,y,t+ t)|, (1)

文献[1]采取帧间差分法,优点是只对运动物体敏感，通过差分能得到运动物体的轮廓，缺点是位置不准确，对复杂场景条件下的图像序列效果较差，关键在于阈值选择困难。文献[4]提出一种帧差图像噪声阈值自动估计的方法，通过提出噪声提取出运动目标。文献首先通过噪声分析，指出噪声区域的方差与运动区域的方差相比较要小很多，因此可以利用方差作为判定准则，将运动区域和噪声区域分开；噪声参数估计的方法为：首先选取图像总体估计的方差作为噪声区域和运动区域的分界值，将整副图像就可以分成三块:(1)只包含噪声区域的块，(2)只包含运动区域的块，(3)既包含噪声区域又包含运动区域的块。由于只包含噪声区域的块和只包含运动区域的块存在明显的差异，即两者的方差有很大的差异，所以可以比较容易的划分开；而包含噪声区域又包含运动区域的块的划分就比较模糊，可以根据方差的接近程度来划分给两者，对差分图像的区域块进行重新划分，这样就会有新的运动区域块和噪声区域块划分结果。然后对重新划分得到的噪声区域块统计他们的方差，可以跟据这个方差，再次把帧差图像划分为许多的运动区域块和噪声区域块。这种划分可以一直进行下去，直至新估计的方差值与上次估计的值之间的变化很小，把最后的结果作为噪声分布参数的最终估计结果。假设µ和δ分别是均值和方差的估计结果，假定噪声为高斯分布，可以把值落在(µ 3δ,µ+3δ)之内的点都当作噪声点滤除。文献[5]首先对背景帧的每一个像素点利用高斯模型建模，然后将对帧差分图像的像素点与该模型进行拟合。 假设在一定的时间段t中，由同一位置的像素点组成的集合服从均值为µ(i,j)， 标准方差δ(i,j)的高斯分布

对各像素点的分布模型出现的中下标i表示模型的最大个数，

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。为适应背景的不断变化需要对背景模型进行更新[8]，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、不满足分布模型不进行更新。分布模 型为：

Ij(X,t) Uij(X,t)Dij(X,t)

Di(X,t)=∑

hij(X,t)j∈y,u,v其中：hij(X,t)为模型i的概率；Uij(X,t)为模型i的均值；Dij(X,t)为模型i的方差。

使用背景减法进行运动目标检测归结为两个最基本问题:背景模型的获取和背景模型的更新。最简单的背景选择方法是选择固定的某帧作为背景，但是受外界光线的变化、背景中含有轻微扰动的对象的影响，不能用于长期和复杂的场景，所以背景减法的研究的核心与重点在于如何获取一个健壮的背景模型来使得背景能随时间重建和更新。

（3）光流法。光流法(optical flow)序列的光流场实现运动目标检测的一种方法。由于运动对像通常与背景有不一致的运动，因此可以从分析对象的运动特征入手来分割视频图像。基于光流场运动分割的算法是先估计视频图像的运动场，然后根据运动场的运动特征进行视频运动目标分割。

光流场的计算最初是由美国学者Horn和schunck提出 的[9]，根据在相邻图像间的时间间隔很小,图像灰度保持不变的前提下,推导出灰度图像光流场的基本约束方程：

I I I dx+dy+dt=0, （3）

x y t

P(X(i,j,t)，其中(i,j)就是像素点在图像中横坐标和纵坐标)，X(i,j,t)是图像序列中t时刻所有横坐标为i，纵坐标为j的像素点组成的集合。将待测帧中的每一个像素点与各自的

高斯模型拟合，若P(X(i,j,t))≤TP (TP为概率阈值)，则判断为背景像素点，否则为场景中的目标。

总之，摄像机固定情况下，帧间差分法具有较强的场景变化适应能力，不仅背景不随时间积累，而且更新速度快。但总体来说该方法不能完全提取所有相关的特征像素点，所以得到的背景并不是纯背景图像，故得到的检测结果并不十分精确，在运动实体内部易产生空洞现象，不利于进一步的目标分析与识别。要想得到良好的性能，就必须结合运动目标的速度和帧率选择最佳的背景帧。

（2）背景减法。背景减法的原理是将当前图像与背景图像进行差分来得到运动目标区域, 背景减除法简单易于实现，一般能够提供较完全的特征数据，其关键是如何自动获得场景的静态背景模型，并且能够不断更新以适应当前背景的变化。

文献[6]文采用一种基于高斯统计模型的背景图像估计186

光流法的最大优势在于,它不需要预先知道场景的任何信息即能检测出独立运动的目标,并可用于摄像机运动的情况。然而，在实际应用中，由于遮挡性、多光源，透明性和噪声等原因，使得光流场基本方程的灰度守恒假设条件得不到满足，不能求解出正确的光流场，同时大多数的光流计算方法相当复杂，计算量巨大，不能满足实时要求，因此，一般不被对精度和实时性要求比较高的监控系统所采用。

2 结语

对于监控视频来说,一个健壮的运动目标检测系统可以不依靠摄像机的仔细放置,也不管其画面内容和光照效果如目标重叠、阴影、光照变化、何变化,它都能够处理运动混乱、

等情况对真实运动目标检测的影响。虽然迄今为止该领域的研究成果显著, 但由于尚无通用的目标检测理论，因此提出的检测算法都是针对具体问题而言的，并没有一种适合于所有图像的目标检测算法；另一方面，关于目标检测的新算法在不断涌现，可是缺乏评价算法性能的评价标准，使新算法在与经典算法比较中只能采取人眼观察的方法。目标检测算法缺乏统一的、公认较好的、定量的评价标准，同时比较多种算法性能的文章也很少，这些都是值得人们深刻研究的 课题。

object extraction algorithm, Proceedings of SPIE - The International Society for Optical Engineering, v 6786, MIPPR 2007: Automatic Target Recognition and Image Analysis and Multispectral Image Acquisition, 2007:678646．

[3] Mito, Yasuhiro, Morimoto, Masakazu, Fujii, Kensaku. An object

detection and extraction method using stereo camera[C]. 2006 World Automation Congress, WAC'06, 2007:4259819.

[4] 汪德洋.智能视频监控关键技术研究[D]. 西安:西安电子科技大学

硕士学位论文，2005.

[5] 邱德润，朱明旱，伍宗富.一种基于帧间差分与背景差分的运动目标

检测新方法[J].湖南文理学院学报(自然科学版)，2007.

[6] 陈景波，陆建明，邬正义，等.交通场景中多目标的检测与跟踪[J].

现代电子技术，2008 ,(1).

[7] 闫飞，胡宝霞.实时视频监控系统中一种快速运动目标检测算法[J].

参考文献

[1] Zarka Niza, Alhalah Ziad, Deeb Rada. Real-time human motion

detection and tracking 2008 3rd International Conference on Information and Communication Technologies: From Theory to Applications, ICTTA, 2008:4530098.

[2] Xiao Yi-Jun,Wang Bang-Pin,Lu Xiao-Chun,etc. Novel motion

科技信息（黑龙江），2008,(1).

[8] HORN B K P，SCHUNCK H G .Determining optical flow [J]．Artificial

Intelligence，1981，17(1-3)：185-204．

[9] Barron J, Fleet D, Beauchemin S. Performance of optical flow

techniques[J]. International Journal of computer Vision, 1994, 12 (1): 42-77.

（上接第184页）

的组织机构，制定总目标和阶段目标，定义需求，拟定详细的规划，协调与国家、军队、工业界等各方面的关系，阐明其螺旋式发展的进程和试验计划，说明现有的每个系统综合到海上力量网中的途径等。只有合理动员全海军的力量，才能推动海上力量网的顺利实施。在技术管理方面，包括在描述、开发和应用海上力量网体系结构和通信网络基础设施基本技术两个层面的管理。前者可能包括对体系结构中三个体系视图之间关系的描述，例如系统体系结构如何提供满足作战体系结构信息需求的系统能力，技术体系结构如何提供满足作战体系结构信息需求和系统体系结构系统和功能需求的技术准则；还可能包括就一个体系结构框架内，通信网络要素与其它要素的关系，并满足它们要求所涉及的技术开发、实施和应用等的问题。后者从众多所涉及的通信网络基本技术上，分析现有技术对实现海上力量网所存在的技术差距，找出缩小这些差距的方法、途径，并组织加以实施。

位置和相互关系，以及对海军指挥控制系统、ISR（情报、监视和侦察）系统、武器系统和其它支援系统的支撑关系和接口。应该充分认识到体系结构研究任务是非常繁重的，需要科学组织各方面的力量积极投入，要清楚描绘出海战场网络体系结构如何置身于海战场作战的需求背景，如何影响我海军通信网络系统的组成、结构方式、技术规范、与已有网络的关系、下一步发展计划等。

至于在通信网络基础设施的基本技术方面，鉴于现在技术发展很快，这里应该实事求是地分析现有技术对实现海战场网络存在哪些技术差距，组织对如何应对技术挑战和满足海战场作战需要进行研究，如何为缩小技术差距建立技术队伍，协调各方关系，组织论证、开发和实施工作等。在这一系列研究中，要紧密顾及我们的国情，例如我海军现阶段并不具备像美海军那样丰富多样的卫星通信资源，一方面要大力发展卫星通信，另一方面应该立足现状，利用现有丰富的短波、超短波通信资源等其它一切可以利用的手段组建海战场无线通信网。

4 我海军的海战场通信网络的需求和发展

海上力量网对包括我海军在内的各国海军今后的发展产生的重要影响，对海军通信网络的发展也带来重要影响。如上所述，通信网络领域涉及到体系结构和基本技术两个方面，美军几十年来在国防系统体系结构研究的经验和成果，应该对我海军包括岸-海、海上和海空领域的海战场通信网络体系结构的构筑有很好的借鉴作用。我国有关单位在海军通信网络体系结构的研究中，取得一些初步研究成果，应进一步开展研究，研究的重点应是紧密结合我海军的现状和发展需要，在充分描述我海军未来作战需求的前提下，准确、完整地勾画出通信网络在作战、系统和技术三个体系视图中的

参考文献

[1] FORCEnet Architecture, Briefing to National Defense

Industrial Association (NDIA) Conference, October 23 2003, RDML Dave Antanitus SPAWAR Chief Engineer.

[2] FORCEnet Implementation Strategy, Committee on the FORCEnet

Implementation Strategy, National Research Council, 2005. [3] 美海军装备新架构网络的初步体验, 赵黎等译自《SiaM》2004.7, 国

外舰船工程, 2005,(6).

[4] 美国海军FORCEnet与网络中心战，柯云, 外军电信动态, 2004,2.

187

本文来源：https://www.bwwdw.com/article/x3ji.html