（控制理论与控制工程专业论文）视频监控系统中运动目标检测算法的研究.pdf

摘要 摘要 视频监控是计算机视觉、模式识别以及人工智能等领域的一个重要的研究内容，在 安全监控、智能交通、军事导航等方面有着广泛的应用前景。运动目标检测技术是视频 监控系统中一个重要组成部分，其检测结果直接影响着后续的目标定位、识别和跟踪以 及运动行为的理解和描述。国内外大批学者投身于该领域的研究和探索，并取得了大量 的成果。本文是在这些成果的基础上，对视频监控系统中运动目标检测算法进行了研究。 本文首先对数字图像处理的基础知识进行了介绍，并根据实际情况，针对噪声滤波、 颜色空问的选择与变换、图像边缘检测和数学形态学处理等常用方法进行了对比验证， 为运动目标检测与阴影抑制算法的研究奠定了基础。 在运动目标检测方面，针对背景差分法，对常用的背景建模方法进行了分析研究， ，f 提h 了一种基于关键帧采样机制的核密度估计背景建模算法。利用间隔视频序列的平 均背景埘样本进行预处理，并根据相似性原理，从中提取具有关键背景信息的样本建立 背景模型。采用阈值分割，将灰度图像转化成黑白二值图像，再对目标粗糙的边缘轮廓 进 r 数学形态学滤波以去除背景噪声，提取出目标轮廓。同时引入定时全样本更新和实 时选择性更新相结合的更新策略，实现了背景的自适应更新。该算法具有运行速度快， 检测精度高的优点，较好地解决了运动目标检测系统中背景模型的建立、更新、背景扰 动、外界光照变化等i u j 题。 在运动阴影抑制方面，阴影抑制算法直接影响着运动目标检测的准确性和完整性， 目f j 订的阴影检测算法大多是基于阴影光学属性的，虽然该算法实现简单，但是主要是针 埘阴影的某一特性展开的，不具通用性。本文在对阴影检测算法分析的基础上，将基于 几何模型和阴影属性的方法结合起来，提出了一种基于8 方向s o b e l 算子和高斯核密度 聚类的阴影消除方法。首先对运动区域进行阴影存在性判定，对带有阴影的图像利用8 方向s o b e l 算子提取边缘，并通过数学形态学处理获得粗略的阴影区域。然后在此基础 卜，利h j 阴影区域相对于背景的亮度增益波动很小的特点，运用高斯核密度聚类算法检 测出i 刿影，从而实现运动目标与阴影的完整分割。 在实际应用方面，针对i t s 设计了一种运动车辆检测系统。介绍了系统的设计思想 和设备组成，并根据实际情况进行了模块化设计，包括模块的工作原理和系统设计流程。 总之，本文通过对运动目标检测问题进行了深入分析和研究，对该问题提出了自己 的解决方法。并且对这些方法作了实验，实验结果表明，本文提出的运动目标检测算法 能够快速完整的检测出运动区域，同时在很大程度上了抑制噪声和背景区域的变化；而 鉴于8 方向s o b e l 算子和高斯核密度聚类的阴影检测方法，能有效的抑制运动目标的阴影。 关键词：视频j l f 控，运动目标检测，核密度估计，关键帧采样，8 方向s o b e l 算子 a b s t r a c t a b s t r a c t v i d e os u r v e i l l a n c es y s t e mi sac r u c i a li s s u ei nt h ef i e l do fc o m p u t e rv i s i o n , p a t t e r n r e c o g n i t i o na n da r t i f i c i a li n t e l l i g e n c e ，a n di t h a sb r o a da p p l i c a t i o nf o r e g r o u n df o rs a f e t y m o n i t o r i n g ，i n t e l l i g e n tt r a n s p o r t a t i o n a n dm i l i t a r y n a v i g a t i o n m o v i n go b j e c t d e t e c t i o n t e c h n i q u ei sa ni m p o r t a n tc o m p o n e n to fv i d e os u r v e i l l a n c es y s t e m ，i t sd e t e c t i o nr e s u l t s d i r e c t l ya f f e c tl a t t e rt a r g e tl o c a t i o n ，i d e n t i f i c a t i o na n dt r a c k i n g ，a sw e l la sc o m p r e h e n s i o na n d d e s c r i p t i o no fm o v e m e n tb e h a v i o r l a r g en u m b e r so fr e s e a r c h e r sd e v o t e dt h e m s e l v e si nt h e a r e aa n dh a v ea l r e a d ya c h i e v e dm a n yp r o g r e s s e s t h ed i s s e r t a t i o ns t u d i e dm o v i n go b j e c t d e t e c t i o na l g o r i t h mo fv i d e os u r v e i l l a n c es y s t e mb a s e do nt h ec u r r e n tc o n c l u s i o n t h i sp a p e rf i r s ti n t r o d u c e sb a s i ck n o w l e d g eo fd i g i t a li m a g ep r o c e s s i n g ，a n da c c o r d i n gt o t h ea c t u a lc o n d i t i o n ，c o n t r a s tv e r i f i c a t i o ns e v e r a ln o r m a li m a g ep r o c e s s i n gm e t h o d s ，s u c ha s n o i s ef i l t e r i n g ，c o l o rs p a c es e l e c t i o na n dt r a n s f o r m a t i o n ，i m a g ee d g ed e t e c t i o n ，a n d m a t h e m a t i c a lm o r p h o l o g i c a lp r o c e s s i n g ，w h i c hp r o v i d eaf o u n d a t i o nf o ra l g o r i t h mr e s e a r c ho f m o v i n go b j e c td e t e c t i o na n ds h a d o ws u p p r e s s i o n i nm o v i n go b j e c td e t e c t i o na s p e c t s ，a i m i n ga tb a c k g r o u n ds u b t r a c t i o n ，a n a l y s e sa n d s t u d i e so nu s u a lb a c k g r o u n dm o d e l i n gm e t h o d ，a n dak e r n e ld e n s i t ye s t i m a t eb a c k g r o u n d m o d e l i n gb a s e do nk e yf l a m es a m p l i n gs c h e m ei sp r o p o s e d t a k i n ga d v a n t a g eo fa v e r a g e b a c k g r o u n do ft h ei n t e r v a li m a g e ss e q u e n c ef o rp r e p r o c e s s i n go fs a m p l e s ，a n da c c o r d i n gt o p i x e ls i m i l a r i t yt h e o r y , c h o o s i n g t h o s es a m p l e st h a th a v ec r i t i c a lb a c k g r o u n di n f o r m a t i o nf o r b u i l d i n gb a c k g r o u n dm o d e l u s i n gt h r e s h o l ds e g m e n t a t i o nt ot r a n s f o r mg r e yl e v e li m a g ei n t o t w ob l a c k w h i t ev a l u ei m a g e ，t h e ni m a g e si n c l u d i n gm o v i n gi n f o r m a t i o na r ef i l t e r e db y m o r p h o l o g i c a lf i l t e r i n gt o e l i m i n a t eb a c k g r o u n dn o i s e ，t h eo b j e c tc o n t o u ri sa b s t r a c t e d m e a n w h i l ea nu p d a t i n gm e c h a n i s mc o m b i n i n gt i m i n gu p d a t i n go fw h o l es a m p l e sw i t h r e a l t i m es e l e c t i v i t yu p d a t i n gi sa l s oa p p l i e df o ra u t o - u p d a t i n gb a c k g r o u n dm o d e l t h e a l g o r i t h mh a st h ea d v a n t a g eo ff a s ts p e e da n dh i g hp r e c i s i o n ，a n di t c a ne f f e c t i v e l yd e a lw i t ht h e p r o b l e m so ft h eb u i l d i n ga n du p d a t eo fb a c k g r o u n d ，b a c k g r o u n dd i s t u r b a n c e ，i l l u m i n a t i o n c h a n g e se t c i nm o v i n gs h a d o ws u p p r e s s i o na s p e c t s ，t h ea c c u r a c ya n di n t e g r i t yo fo b j e c t sd e t e c t i o n d e p e n do nm o v i n gs h a d o ws u p p r e s s i o na l g o r i t h m st o ag r e a te x t e n t m o s to ft h ec u r r e n t a p p r o a c h e sp r o p o s e da r em a i n l yb a s e do ns h a d o wo p t i c a lp r o p e r t i e s t h e s ea l g o r i t h m s a r e s i m p l ea n de a s yt ob er e a l i z e d ，b u tt h e yf o c u sm a i n l yo nac e r t a i na s p e c t so fs h a d o w p r o p e r t i e s ，w i t h o u tg e n e r a l i t y i n t h i sp a p e r ，as h a d o wd e t e c t i o na l g o r i t h mc o m b i n i n g g e o m e t r ym o d e lw i t hs h a d o wp r o p e r t i e sb a s e do n8d i r e c t i o ns o b e lo p e r a t o r sa n dg a u s s k e r n e ld e n s i t yc l u s t e r i n gi sp r o p o s e db ya n a l y z i n gt h ec u r r e n ta l g o r i t h m so fs h a d o wd e t e c t i o n f i r s t l y , u s i n g8d i r e c t i o ns o b e lo p e r a t o r st oe x t r a c ts h a d o wi m a g ee d g e a f t e rs h a d o we x i s t e n c e j u d g e m e n t ，a n do b t a i ns k e t c h ys h a d o wr e g i o n sb ym o r p h o l o g yp r o c e s s i n g ，t h e nag a u s s k e r n e l d e n s i t yc l u s t e r i n ga l g o r i t h mf o rl u m i n a n c eg a i ni m a g ea r ee m p l o y e dt od e t e c tt h es h a d o w b a s e do nt h ec h a r a c t e r i s t i c st h a tl u m i n a n c eg a i nh a sav e r ys m a l lt o r q u ef l u c t u a t i o nb e t w e e n s h a d o wa n db a c k g r o u n dr e g i o n t h u sm o v i n go b je c t sa n ds h a d o ws e g m e n t e dc o m p l e t e l y i np r a c t i c a la p p l i c a t i o na s p e c t s ，am o v i n gv e h i c l ed e t e c t i o ns y s t e mi sd e s i g n e db a s e do n i i a b s t r a c t is t s y s t e md e s i g n e ri d e aa n de q u i p m e n tc o m p o s i t i o na r eg i v e n ，a n dam o d u l a rd e s i g ni s p r e s e n t e da c c o r d i n gt oa c t u a lc o n d i t i o n ，i n c l u d i n gw o r k i n gp r i n c i p l eo fm o d u l ea n ds y s t e m d e s i g nf l o w i nt h i st h e s i s ，a c c o r d i n gt ot h ed e e pr e s e a r c ho fd e t e c t i o np r o b l e mo nm o v i n go b je c t ，m y w a y si sp u tf o r w a r dt os o l v et h e ma n dt e s tt h e mt h r o u g he x p e r i m e n t s t h er e s u l tf r o mt h e e x p e r i m e n t ss h o wt h a tt h ep r o p o s e dm o v i n go b j e c t sd e t e c t i o na l g o r i t h mc a nf a s t d e t e c tt h e m o v i n gr e g i o nc o m p l e t e l y ，a n di ti sr o b u s ta g a i n s tn o i s e sa n d d i s t u r b a n c eo ft h eb a c k g r o u n d s h a d o wd e t e c t i o na l g o r i t h mb a s e do n8d i r e c t i o ns o b e lo p e r a t o r sa n dg a u s sk e r n e ld e n s i t y cl u s t e r i n gc a ne f f e c t i v e l ys u p p r e s ss h a d o wo fm o v i n go b j e c t s k e y w o r d s ：v i d e os u r v e i l l a n c e ，m o v i n go b j e c t sd e t e c t i o n ，k e r n e ld e n s i t ye s t i m a t e ，k e yf r a m e s a m p l i n g ，8d i r e c t i o ns o b e lo p e r a t o r s 1 1 i 独创性声明 本人声明所呈交的学位论文是誉人在导师指导下进行的研究工作及取 得的研究成果。尽我所知，除了文中特别加以标注和致谢的地方外，论文 中不包含其他人已经发表或撰写过的研究成果，也不包含本人为获得江南 大学或其它教育机构的学位或证书而使用过的材料。与我一同工作的同志 对本研究所做的任何贡献均已在论文中作了明确的说明并表示谢意。 签名：弘锄务 日 期：瑚。6 、毛 关于论文使用授权的说明 本学位论文作者完全了解江南大学有关保留、使用学位论文的规定： 江南大学有权保留并向国家有关部门或机构送交论文的复印件和磁盘，允 许论文被查阅和借阅，可以将学位论文的全部或部分内容编入有关数据库 进行检索，可以采用影印、缩印或扫描等复制手段保存、汇编学位论文， 并且本人电子文档的内容和纸质论文的内容相一致。 保密的学位论文在解密后也遵守此规定。 签名： 圣尘剑垄 导师签名： 日 期： 第一章绪论 第一章绪论 1 1 课题背景及研究意义 人类感知外部世界主要是通过视觉、触觉、听觉和嗅觉等感觉器官，其中大约8 0 的信息是由视觉获取的【i 】。通过视觉来获得信息需要付出艰辛的劳动，因此人们对基 ：视频l 割像的监控系统的要求越来越迫切。随着计算机的发展，视频监控系统采用摄像 机代替人眼，借助计算机强大的数据处理功能，对视频图像自动进行运动目标检测及综 合分析，把人们从繁重的视觉劳动中解脱出来。一旦发现可疑的行为，就立刻发出报警 信号来通知监视人员采取及时有效的处理，以避免严重后果的发生，这在很大程度上减 轻了监视人员的负担。 视频监控是指在一个复杂环境中对人和车辆等运动目标进行实时的观察，并给出对 它们行为和动作的描述。这一技术主要涉及摄像机标定、运动目标检测与分割、分类识 ) _ ；i j 与目标足艮踪、多摄像机融合以及高层语义理解等内容，是计算机视觉领域的前沿研究 方向1 2 1 。其中，运动目标检测作为视频监控系统中一个重要组成部分而受到了越来越多 的关注，己经成为计算机图像处理、视频图像处理、模式识别以及人工智能等领域的一 个重要的研究内容。随着现代科学技术的发展和社会的进步，运动目标检测已经广泛地 应用于安全防范，信息获取和指挥调度等方面。例如，银行、住宅小区和停车场等重要 场所的安全监控，一旦发现可疑情况就发出报警信号；交通信息的实时检测，根据交通 流的动态变化，迅速做出交通诱导控制，减轻道路拥挤程度，降低发生交通事故的概率， 保证行车安全，并使交通设施得到充分利用；气象分析预报，森林火情监控都可以有效 防止各种自然灾害的发生。此外，运动目标检测在军事领域，特别是制导和导航方面也 有着非常重要的实用价值和广阔的发展前景。 尽管人类的视觉既能看见静止的又能看见运动的物体，但是在许多场合，人们往往 只刈+ 运动的物体或目标感兴趣1 3 j 。如何快速准确的获取运动目标信息，从而实现对目标 的谚 别跟踪以及运动行为的理解和描述，是计算机视觉研究的一个具有挑展性的课题。 运动目标检测主要是通过对监视视频图像序列的分析把运动目标从实时变化的背景图 像。l 快速准确地分离出来。运动区域的有效分割对于运动目标轮廓的准确提取、运动目 标分类谚 别、目标跟踪等后期处理非常重要，因为以后的处理过程仅仅考虑图像中位于 运动区域的像素。运动目标的检测和正确分割是目标判断、跟踪的前提，也是目标运动 分析的一个难点。由于监视场景中的任何运动都会在图像序列中体现出来，这就使天气、 光照的变化、物体阴影及其他不感兴趣的物体的运动、物体间的遮挡等因素对准确的运 动检测和正确分割带来了很大影响，使得运动检测成为一项相当困难的工作。 现有的运动目标检测算法可以分为光流法【4 矧，相邻帧差法【7 - 9 1 和背景差法【1 0 - 1 3 _ 三大 类。其中最常用的是背景差分方法，它的基本思想是将当前帧图像与背景图像进行差分 运算来分割运动目标。但背景差法面临着两个关键性的问题：稳定可靠的背景模型和背 景模，弘的自适应更新。要解决这两个问题必须先对背景差分算法的基本思想进行深入分 江雨入学坝一i ：学位论文 析。人们对背景差分方法进行了大量研究，其背景模型主要围绕基于统计方法的参数模 型【1 4 j 6 1 和非参数模型【1 7 棚1 两种。从排除噪声干扰的角度来说，非参数的背景模型方法湿 然是有利的，它不需要事先假定背景特征密度分布的形式，也不需要设置模型参数及进 行参数优化，只要有足够多的样本，它可渐进收敛于任何形式的密度函数。但是充足的 背景样本，其计算量是相当可观的，背景更新也无疑增加了算法的复杂度，影响了算法 实现的实时性。所以，如何快速而又有强抗噪声能力地从视频流中提取出代表性的背景 样本成为解决问题的关键。此外，由于受光照影响，运动阴影也会作为运动前景的一部 分而被检测出来，使提取的目标不能真实的反映实际运动物体，如何将运动同标与其伴 随的阴影分割开来也是目标提取中的一个重要问题。 本文在理论和算法上对运动目标检测进行研究，为克服现有视频监控系统中不能灾 时完整检测运动目标的缺陷做了积极深入的探索。针对背景差分法，构建了一个基于非 参数高斯核密度估计的背景模型，主要研究了背景采样算法和背景模型更新策略阴影， 并且在提取的运动区域中消除目标的运动阴影，这一研究对进一步推动视频监控系统的 迅速崛起具有重大的意义。 1 2 课题研究现状与发展趋势 视频监控系统主要通过摄像机进行图像采集，然后检测出感兴趣的目标，并对其进 行识别和跟踪。由于视觉监控具有广泛的应用前景和潜在的经济价值，引起了国内外许 多著名科研机构及研究人员的极大兴趣。 国外对基于视频的目标检测与跟踪的理论研究及应用研究起步较早，尤其在美国、 英国等国家已经开展了大量相关项目的研究。例如，1 9 9 6 年到1 9 9 9 年间，以卡内螭梅 隆大学( c a r n e g i em e l l o nu n i v e r s i t y ) 为首，包括麻省理工学院( m a s s a c h u s e t t si n s t i t u t eo f t e c h n o l o g y ) 、戴维s a r n o f f 研究中心等几家著名研究机构在美国国防高级研究汁划局 ( d a r p a ，d e f e n s ea d v a n c e dr e s e a r c hp r o j e c t sa g e n c y ) 资助下，联合研制了视频监视与监 控系统v s a m ( v i s u a ls u r v e i l l a n c ea n dm o n i t o r i n g ) 2 0 j 。该系统具有多种功能：融合了多种 类型的传感器，对监控地区进行全方位的昼夜监控；具有先进的视频分析处理器。不但 能检测和识别异常对象的类型，还能分析与预测人的活动，根据运动对象行为的危害性 进行自动提示和报警：由多种网络构成的先进网络传输系统，支持多种通信线路连接； 使用地理信息和三维建模技术提供可视化图形操作界面；载航空摄像机不需要经常性的 人工操纵就能自动对准地面监视目标，实现对重要目标的长时帕j 监视。v s a m 是一个战 场监控系统，不但能进行一般性的军事安全监控，如军事基地、军械弹药库和边海防线 的监控；而且能够进行局部战争战场的实时监控，如敌方军力部署及调动情况等。英l 刊 雷丁大学( u n i v e r s i t yo fr e a d i n g ) 2 1j 计算机系的v i e w s 项目组也开展了对车辆和行人的 跟踪及其交互作用识别的相关研究。m a r y l a n d 大学的适时视觉监控系统w 4 ( w h o ? w h e n ? w h e r e ? w h a t ? ) 1 2 2 】不仅能够定位人和分割出人体部分，而且可以通过建立外观模型来实 现多人的跟踪，并可以检测人是否携带物体等简单行为。i b m 与m i c r o s o f t 等公司也正 逐步将基于视觉的手势识别接口应用于商业领域中【2 3 2 4 j 。 2 第一章绪论 国际上视频监控技术通过几十年的发展，已经在诸多领域内取得了众多研究成果。 相埘来况，我国在该领域的研究工作起步比较晚，研究基础相对薄弱。但是近年来，随 着我国视频分析技术、多媒体数据库、人工智能技术的发展，国内政府支持以及国际上 的影响，为视频监控系统的研究提供了必要的理论基础和技术条件。目前，中国科学院 北京自动化研究所、清华大学、上海交通大学、北京理工大学等一些高等院校和科研机 构也在从事这方面的理论研究和系统开发。其中，中国科学院北京自动化研究所下属的 模式识别国家重点实验室视觉监控研究组处于领先地位。他们对交通中的视觉监控，人 的运动视觉监控和行为模式识别进行了深入的研究，自行设计了一个拥有完全自主版权 的交通监控原型系统v s t a rv i s u a ls u r v e i l l a n c e s t a r t 2 5 j 并在p cw i n d o w s 2 0 0 0 平台上用 v i s u a lc + + 6 0 语言进行了初步实现。整个系统由计算机、数字摄像机、音箱和交通场景 模拟平台组成。当车辆在交通场景中运动时，摄像机将拍录下来的视频序列送进计算机； 定位和跟踪程序自动分析这些视频序列，识别车型并跟踪车辆在场景中的运动；跟踪结 果被送进行为分析和语义解释程序，对车辆的行为进行分析并给出语义解释；如果需要 的话，语义解释结果进一步被送进语音合成程序，得到语音提示或警告。目前该系统能 够住一台pi i i8 6 6 p c 机上实时地跟踪车辆，对光线变化、无关结构的干扰斑马线、边界 遮挡具有很强的鲁棒性。该系统对视觉监控理论算法和系统实现的研究奠定了重要基 f i j i ：。 目日订有关视频监控的视觉分析还处于研究阶段，为了进一步促进这方面研究的发 j 埏，国际十义威期刊如i j c v ( i n t e m a t i o n a lj o u m a lo fc o m p u t e rv i s i o n ) 、c v i u ( c o m p u t e r v i s i o na n di m a g eu n d e r s t a n d i n g ) 、p a m i ( i e e et r a n s o np a t t e r na n a l y s i sa n dm a c h i n e i n t e l l i g e n c e ) ，i v c ( i m a g ea n dv i s i o nc o m p u t i n g ) 都出版了有关视频监控的专题。i e e e 协 会从1 9 9 8 年起资助了国际视觉监控系列会议，i c c v ( i n t e r n a t i o n a lc o n f e r e n c eo n c o m p u t e rv i s i o n ) 、c v p r ( i e e ec o m p u t e rs o c i e t yc o n f e r e n c eo nc o m p u t e rv i s i o na n d p a t t e r nr e c o g n i t i o n ) 、e c c v ( e u r o p e a nc o n f e r e n c eo nc o m p u t e rv i s i o n ) 、i w v s ( i e e e i n t e r n a t i o n a lw o r k s h o po nv i s u a ls u r v e i l l a n c e ) 等重要学术会议也将视频运动目标分析研 究作为主题内容之一，国内也于2 0 0 2 年召开了第一届全国智能视觉监控学术会议，为 陔领域的研究人员提供了更多的交流机会。 运动目标视频检测主要是针对包含运动目标的视频图像进行分析，是视频监控系统 l f l 的一部分，其检测结果直接影响着后续的目标分类i 跟踪及行为理解和描述。因此， 运动目标检测一直是该领域中的重点和难点。传统的运动目标检测方法主要有三类：光 流法、帧差法和背景差法。 ( 1 ) 光流法 光流的概念是生物学家g i b s o n 在1 9 5 0 年提出的，而光流场实质性的计算方法则经 过了三十年才出现。自1 9 8 0 年b k p h o r n 和b g s c h u n c k 2 6 】发表了关于光流法【4 叫的算 法以来，引发了对光流法的探讨。光流反映了序列图像中的速度场，是图像亮度的运动 信息描述。光流技术基于图像中相邻点的亮度是相似的这个前提，即图像中亮度变化平 稳。光流法善于在运动场景中捕捉运动对象的运动特征，主要采用运动目标随时间变化 江雨大学坝f ：学位论文 的光流特性，通过计算位移向量光流场来初始化轮廓的跟踪算法，从而有效的得到完整 的运动信息。光流法能很好的从背景中检测得到不同的运动目标等前景，甚至可以榆测 到运动目标的一部分。l u c a s 和k a n a d e 2 7 j 假设在一个小空间邻域q 上运动矢量保持恒定， 使用加权最小二乘法估计光流。n a g e l l 2 8 】用二阶导数来估计光流。 在目标检测过程中，基于光流方法的运动检测利用运动目标随时间变化的流矢量特 性在图像序列中检测运动区域。它的优点是能够检测独立的运动对象，可以得到完整的 运动信息，不需要预先知道背景区域的任何先验知识，并可应用于摄像机运动的情况， 在处理背景运动和遮挡问题上有很大的优势。不过，该算法要对序列图像中的所有像素 进行计算，所以处理数据庞大，算法复杂耗时，如果没有专门的硬件设备支持，很难实 现视频的实时检测。另外由于没有采用目标大小及亮度等控制参数，致使算法对图像中 的噪声很敏感，抗噪性能差。因此，光流法一般不能被直接应用于实时视频监控场合。 由于其使用的局限性，这罩未对光流法运动目标检测作过多的讨论和实验。 ( 2 ) 相邻帧差法 相邻帧差法【| 7 。9 】是一种基于连续图像帧间差分的运动目标检测方法，主要利j j 视频 序列中相邻帧的差异束进行目标检测。我们对相邻的两帧图像每个像素点的灰度进行比 较，如果灰度在两帧图像中有显著变化，则将该像素点视为前景目标的像素点；反之， 则视为背景像素点。这里的“显著变化”，我们用一定的闽值来衡量，如果大于该阂值， 则将该像素点视为显著变化点，即前景目标点；反之为背景点。在目标提取的过军呈中， 阈值的选取尤为重要，一个好的阈值可以大大提高目标检测的精度，它的好坏直接天系 到我们提取出来图像效果的好坏。 相邻帧差法算法简单，能够适应环境的动态变化，不存在背景更新问题。最大的缺 点是容易受到图像噪声的影响，对天气光线等因素的变化敏感。如果运动速度过快或两 帧之问的时间间隔很长，还可能造成两帧之间无覆盖区域；而运动速度过小且两帧之阳j 的时问问隔很小，也可能造成两帧之间的过覆盖，从而导致检测出的运动目标火而积的 空洞。为了减少目标重叠出现的检测空洞，文献 2 9 】对相邻帧差法进行了改进，利用十h 邻三帧图像先差分再求和，能够获得比相邻帧差法好的运动分割结果。 ( 3 ) 背景帧差法 背景差法，可以由字面意思理解，就是与背景图像求差得到目标图像的方法。其实 现过程是这样的：先计算当前帧和设定的场景背景模型的差，然后通过比较计算的差和 设定的阈值的不同来检测运动1 3 0 】。背景差法，相对于其他方法而言简单易于实现，是i ：= i 前运动目标检测中最常用的一种方法，只要存在背景图像，那么要得到日标图像就非常 容易了。 手动给出背景是一种最原始的获取背景图像的方法，这种方法需要人观察到没有b 玎 景物体时启动相机来获得背景图像。这种背景提取方法不仅增加了人力和物力的需求， 而且在很多情况下( 比如高速公路的车辆监测系统) 很难在没有前景的情况下获得背景 图像，不具实用性。近年来许多专家学者在这方面做了大量的研究，致力于开发不同的 背景模型。以期减少动态场景变化对于运动分割的影响。最简单的背景模型足时问平均 4 第一苹绪论 法，即连续读入n 帧图像( 即一定时间内物体的运动) ，对序列图像灰度进行统计，对于 变化剧烈的灰度把它认为前景点并将其滤去，对变化很小的像素点灰度，取它们的平均 值作为该点的背景灰度。该方法适用于场景运动目标较少的场合，当目标频繁出现时容 易将i i 订景运动目标混入背景图像当中，产生混合现象，从而导致提取的目标很可能不准 确。另外，单高斯模型、混合高斯模型和非参数核密度估计检测等方法在目标检测领域 也取得了很大进展，在后续章节会详细介绍。 在背景差分法中，一个有效的背景更新策略也是至关重要的。由于背景往往会随着 j ；1 ：境发生变化，如室内的开灯、关灯，室外的一天中不同时间段的光线、天气等变化， 要使背景能够对环境的变化具有自适应性，必须适时地对背景进行更新。此外，背景中 删定的部分也可能发生移动，如树叶的摇动、水面的波动等等，发生移动后的一段时间 内将被误检测为运动目标，但不应该永远将其看作运动目标。运动目标也可能长时间停 留在场景中，对于这部分区域，我们可以在一段时间后将其看作背景的一部分。背景更 新一般有两种方法，一种是适用于一天中太阳光照缓慢变化的定时背景更新；另一种是 埘j ：室内开灯关灯等背景突变时采用的实时背景更新。 当然，在运动目标检测中还有一些其它的方法，如g u n n a rf a m e b a c k l 3 1 1 利用三维方 向张量运动估计算法和区域扩张分割方法，提取运动区域。m a r r 和h i l d r e t h 提出的边缘 榆测理论1 3 2 】，通过采用一组滤波器，可分别检出发生在小范围内的灰度变化和大范围上 的模糊边缘。1 9 8 7 年m k a s s 首先提出主动轮廓线的极小化模型3 3 j ，即s n a k e 模型，并 应h j 于人的唇动检测。 另外，当场景非常复杂时，仅仅依靠单一的检测算法很难检测出完整的运动目标， 对于多个运动目标的情形，运动目标的检测变得更为复杂。因此，近几年不断有一些混 合的方法被提出。混合方法取各家之长，补他家之短；利用上述各类算法各自的优点， 可以解决一些如计算量、抗干扰、背景更新等相关问题。一方面可以将将以上这些算法 结合在一起使用，如r o b e r ttc o l l i n s l 3 4 l 提出的自适应“背景减”与“相邻帧差”混合算法 v s a m ，能够快速有效地从背景中检测出运动目标；另一方面还可以结合人工智能 的力法，如文献 3 5 】中a g b o r s 等人提出了一种基于m r b f ( m e d i a nr a d i a lb a s i sf u n c t i o n ) 神经网络的运动物体分割的算法。文献 3 6 】采用g a b o r 和m a l l a t 小波变换进行运动分 割，其中g a b o r 小波变换可在低的空间分辨率下准确估计运动信息，m a l l a t 小波变换 f i j 1 一进行高分辨率下的对象分割。文献【3 7 】结合卡尔曼滤波与最小化能量法，利用区域的 形状、纹理、色彩和边缘特征信息建立了活动模板，结合卡尔曼滤波的预测方法，使特 征匹配能量函数最小化来完成运动目标提取和跟踪。 近年来运动目标检测在视频监控系统中得到了越来越广泛的应用，涌现出一大批新 颖目实用的算法，但运动目标检测技术仍然是一个未成熟的研究领域，还有许多问题有 待解决。 第一，各种算法大多针对某一特定的场合提出的，没有一个统一的方法可用于所有图像 检测，并且某一方面问题的解决也大多是以部分牺牲另一方面的优势为代价的。 江南人学硕i ：学位论文 第二，视频监控中运动目标的检测精度是随着光照情况的变化而变化的， 如正午时检测精度最好，反之在傍晚、雨雪天气则较差。 第三，视频监控系统应该具备处理时间短、计算量低和可靠性高的特点， 法的复杂度、可靠性和实时性之间进行权衡。 当光照良盘 f i 寸 因此必须在箅 第四，阴影问题，阴影是造成视频检测方法误检测的主要原因。同时运动目标在场景中 的相互遮挡也是必须考虑的问题。 1 3 本文主要内容与结构安排 本文针对视频监控系统，建立一种新型的运动目标检测系统。该系统充分利用相似 性原理提取具有代表性的背景像素的关键信息，建立高斯核密度估计的背景模型，避免 了运动目标的误提取，大大提高了算法的处理速度；阴影抑制也足运动目标检测的重点 和难点，为提高阴影检测的准确性，以8 方向s o b e l 算子为基础，通过检测边缘获得半 略阴影区域，借助高斯核密度聚类方法来修正阴影检测结果。本论文共分为六章，具体 内容如下： 第一章：介绍了课题背景和研究意义，视频监控系统的国内外研究现状和发展趋势， 以及论文主要内容和结构安排。 第二章：介绍了运动目标检测和阴影抑制算法中需要用到的数字图像处理方面的知 识，主要介绍了图像滤波，边缘检测，颜色空间和数学形态学等方面的常用方法。 第三章：针对背景差分法的运动目标检测，介绍了几种常用的背景建模方法，对单 高斯模型，混合高斯模型和非参数核密度估计模型算法进行了详细讨论，分析比较了这 些算法的优缺点，在此基础上提出了一种基于关键帧采样的高斯核密度估计背景建模算 法，包括背景采样、核函数与窗宽的选取、运动目标分割以及背景模型更新。最后通过 仿真实验验证了新算法的有效性。 第四章：在分析了阴影形成和基本属性的基础上，简单介绍了视频图像中的阴影检 测及消除方法，主要分为两大类：基于几何模型的和基于阴影性质的阴影检测方法。并进 一步提出了基于8 方向s o b e l 算子和高斯核密度聚类相结合的阴影检测算法，包括算法 的原理及具体实现过程和实验结果。 第五章：从实用角度出发，针对智能交通系统，详细阐述了运动目标检测算法应用 于交通监控的运动车辆检测系统的设计方案，包括系统设计思想、设备组成和系统设计 流程图。 第六章：结论与展望，总结了本文所做的工作和研究成果，指出了研究中的不足和 今后研究的方向。 6 l 第二章数字图像处理预器知识 第二章数字图像处理预备知识 由于计算机处理能力的不断增强，数字图像处理学科在飞速发展的同时，也越来越 广泛的向其他学科快速交叉渗透，使得图像作为信息获取以及信息利用等方面的作用变 得越来越重要。数字图像处理方法主要包括图像变换、图像增强、图像复原、图像压缩 和图像重建等。随着技术的发展，学科本身的发展及学科之问的渗透和融合，有些内容 已发展成为独立的专业学科，如图像分析、图像理解等。本文针对运动目标检测算法的 实际应用，主要介绍图像去噪、数学形态学、颜色空间和边缘检测等方面的内容。 2 1 图像去噪 经摄像头采集的视频图像，都存在着一定程度的干扰。有可能造成视频图像的模糊、 淡化、残缺等不利于进一步的处理，为了不将这些干扰带到后面的核心算法中以致影响 最终的处理效果，在进行运动目标检测之前，有必要对采集到的视频图像进行预处理。 滤除噪声是图像预处理的一个非常重要的方面。噪声是对处理目的没有益处的任何 实体。引起噪声的原因有很多，其中主要来源于图像的获取( 数字化过程) 和传输过程。 图像传感器的工作情况受各种因素的影响，如敏感元器件的内部噪声，感光材料的颗粒 l l 荣声、热噪声、电器机械运动产生的抖动噪声等等。此外，图像在传输过程中，由于所 辟_ j 的信道的干扰也会受到噪声污染。比如，通过无线网络传输的图像可能会因为光或其 他火气冈素的干扰被污染。因此，噪声产生的原因决定了噪声的分布特性和图像信号之 f u j 的关系，通常噪声可以分成加性噪声和乘性噪声，这些噪声恶化了图像质量，使图像 模糊，甚至淹没特征，给下一步运动目标的检测带来了困难。因此，图像消噪