智能视频监控图像中运动目标检测方法探究

1、智能视频监控图像中运动目标检测方法探摘要：描述了智能视频监控系统的概念及其研究意 义。介绍了监控图像中运动目标检测的几种方法，阐述了他 们各自的基本原理和优缺点。讨论了目前运动目标检测所面 临的主要问题和困难，并展望了该领域的发展趋势。关键词：视频监控；运动目标检测；帧间差分法；背景 差分法；光流法1引言智能视频监控系统作为一种有效的安防手段，已广泛应 用于国防、国家安全、治安等多个方面。智能视频监控系统 对运动目标的实时检测是其中的主要环节，是基于视频的运 动分析、行为理解等后续工作的基础。所以对用于智能视频 监控的运动目标检测算法的研究具有极其重要的意义。2视频监控中运动目标检测的流行方法

2、2.1帧间差分法帧间差分法就是利用图像序列中连续两帧或几帧图像 的差异来进行运动检测的，即对图像序列中时间上相邻的两 幅图像求绝对差，然后用一个闭值来判断变化的区域。相邻两帧图像差分法。下图为相邻两帧间图像差分法原理图。相邻两帧图像差分法的计算过程可用公式(2.1.1)来 表不o利用公式计算相邻帧之间的差别得到差分图像，然后选 择阈值对差分图像二值化就可以获得初始的运动目标。这种 两帧间差分法具有很强的自适应性，受光线变化影响不大， 算法实现简单，易于实现实时监控，对光线的变化不敏感的 优点。但是当相邻两帧图像的信息比较接近时，这种方法通 常只能得到运动目标的轮廓，即不能检测出完整的目标，并

3、且目标检测结果有重影现象。三帧差分法。为了克服相邻两帧图像差分法的缺点， 采用连续三帧图像差分法来提取运动目标的轮廓。三帧差分 法10是改进的相邻两帧差分法，其基本原理是通过计算三 帧图像相邻两帧的差分，并将差分结果进行逻辑与运算。三 帧差分法的主要内容如下：fk-1 (x, y)、fk (x, y)、fk+1 (x, y)分别表示连续 的三帧原图像，然后分别计算相邻两帧原图像的绝对差灰度 图像 d (k, k-1) (x, y)和 d (k, k+1) (x, y),公式如下:对 d (k-1, k) (x, y)和 d (k, k+1) (x, y)分别取 阈值t进行二值化，得到二值化图像

4、b (k-1, k) (x, y)和 b (k, k+1) (x, y),再将此二者在每一个像素位置进行逻 辑与操作，得到三帧差分的结果二值图像dk (x, y),计算 公式如下：2.2背景差分法背景差分法是利用当前帧图像与背景图像作差，以提取 运动区域的一种运动检测方法，这种方法也是现在使用较多 的方法，常用于静止背景下的运动检测。背景差分法的原理如图2. 2所示，假定给定视频图像序列为fk、bk分别代表当前视频帧和背景帧，则差分后图像可 表不为：其中，（x, y）为像素的空间坐标，对上面得到的差分 图像通过一个阈值t来判断图像中各个像素点是前景像素点 还是背景像素点，从而提取运动区域的图像

5、2.3光流法光流法检测运动目标的基本原理是给图像中的每一个 像素点赋予一个速度矢量，在运动的一个特定时刻，图像上 的点与三维物体上的点一一对应，这种对应关系可由投影关 系得到，根据各个像素点的速度矢量特征，可以对图像进行 动态分析。如果图像中没有运动目标，则光流矢量在整个图 像区域是连续变化的，当物体和图像背景存在相对运动时， 运动物体所形成的速度矢量必然和邻域背景速度矢量不同， 从而检测出运动物体的位置。3存在的问题背景环境中捕捉的图像受到多方面的影响。实际用 于进行目标跟踪的计算资源有限，而一些目标检测、识别与 跟踪方法计算量过大，无法满足实时性的要求。4小结与展望智能视频监控系统具有广泛的应用前景，不断地突破难 点，使监控系统更加智能化，并具有更好的实时性和可靠性, 最终肯定能够开发出一套更加实用的智能视频监控系统。参考文献1侯志强，韩崇昭基于像素灰度归类的背景重构