监控系统下的运动目标检测方法

1、监视系统中的运动目标检测方法摘要在监控系统中，运动目标的检测是其智能度的重要表现。 克服外界干扰，能清楚地检测运动目标的算法已经成为研究者的共同研究目标。 本文采用改进的帧间差分背景模型，用高斯概率分布图规律更新背景模型，用形态学理论处理结果，效果良好。关键词运动目标检测背景差分法背景模型帧间差分法videos中的对象检测ABSTRACTIn monitoring system， monvirdingterteconteditionistheipmentmendofthelevelofintelligence.encanovercomeinmonitoringsystem thuscleard

2、etectmovingtargets thecommonommythecommonommonsuresearchersgoal.thispareusinganimprovedframedifferentialmethodbackgroundmodel usingtherrollesofg ibutionupdatebackgroundmodel，usingmorphologicaltheorytoprocessingresults，the results are right。key words运动检测； 背景辅助；背景辅助； 背景模型；背景模型； 框架差异方法。目录中文摘要.I英语摘要. ii

3、目录.iii引言11 .课题研究的背景12 .运动目标检测的基本理论22.1图像预处理22.1.1图像去噪32.1.2图像强调32.2常用运动目标检测算法42.2.1背景差分法42.2.2帧间差分法62.3运动目标分割72.4后处理73 .改进的帧间差分背景模型83.1背景模型制作83.2背景模型更新93.3运动目标检测103.4形态学处理113.5实验结果分析124 .总结14参考文献14感谢15查词本研究的内容是监控系统中运动目标的检测方法。 目前常用的运动目标的检测方法有帧差法、背景减法、光流法和动能法。 随着科学技术的发展、社会的进步和人民生活水平的提高，团体和个人的安全意识不断增强，

4、视频监控系统也越来越广泛地应用。 目前广泛应用于银行、博物馆、交通道路、商业、军事、公安、电力、智能小区等系统和领域的安全监测、自动监测和远程监测。视频监视是近年来研究者很乐意研究的课题，从其重要性上关注的人也在增加。 在视频图像中，运动目标的检测非常重要，对我们后期的工作有很大的影响，视频监控成功的基础可以说能有效地检测运动目标。 在一些运动目标的检测方法中，背景差分法是最常用的检测方法，其中重要的是背景模型能否成功。 本文在深入研究了常用的运动目标检测方法的基础上，总结了背景差分的背景模型的方法，提出了用帧差分法提取图像序列中的背景像素点得到背景的算法，利用序列图像背景点在时间上的高斯分布

5、，根据“3原则”判断背景点是否变化来更新背景。 主要工作包括：1 .阅读大量文献，深入研究现有的背景模型算法，提供帧间差分背景模型算法。 该算法使用帧差方法检测帧中的背景像素点，以获得背景，并利用像素点遵循高斯分布来更新背景。 大量实验表明，该算法很好地消除了图像中前景的影响，提取的背景漂亮，最重要的是能实时更新。2 .在复杂情况下深入研究背景模型的方法提出了改进的帧间差分背景模型，并利用形态学理论处理结果。1 .课题研究的背景视频监控是计算机视觉领域的新前沿课题，在通信、计算机视觉、视频和信号处理等多方面得到应用。 目前视频监控主要应用于边防、森林防火系统、智能大楼和数字家庭系统、交通系统、

6、炼油厂、化工厂、银行等监控系统、智能小区监控系统等。 其中最重要的应用领域是安全方面的应用和智能交通管理。 例如，应用于防盗，视频监控可以自动监控危险状况，一旦发现异常行为，系统就会准确及时地向警卫发出警报信息，不仅可以避免犯罪的发生，还可以减少雇用大批监控人员带来的人力、财力和物资的大量投入。 就像智能交通系统一样，可以根据收集到的信息对交通运输进行总体规划，实现违法驾驶、车型识别和道路异常情况的检测等。 这大大提高了交通事故的应对能力和障碍效率，如减轻了交通堵塞，优化了交通规划，改善了交通环境，提高了道路利用率，减少了交通事故的发生。 此外，还对自动取款机、自动售货机、公共场所等行人的拥挤

7、情况进行分析，并对商场的消费者流量统计等进行监视。 视频监视的第一步是运动目标的检查，检查效果的好坏直接影响整个视频系统的整体效果的好坏。 但是，由于背景图像的动态变化，例如光、天气、混乱等因素的影响，运动目标的检测成为非常困难的任务。 光流法、帧间差分法和背景差分法1-3是目前最常用的运动目标的检测方法。 光流法不需要事先知道背景信息，但由于需要多次反复运算而复杂，而且抗噪性也差，所以一般不能满足实时视频监视的需要。 帧间差分法是使用相邻帧间图像附加差检测运动体的算法，可以适应于背景的急速变化，但是，检测出的目标有时伸长，有时变得空洞，不能获得完全的运动信息，只有与背景差分法结合时，才能获得

8、完全的检测效果。 背景差分方法是利用图像序列的当前帧和背景帧的减法来检测运动区域，虽然动态场景变化，例如对外来事件的干扰和照明敏感，但通常是能够提供最完整的特征数据的广泛采用的方法。 背景差分法的重要问题是建立符合场景信息的背景模型。 至今为止很多研究者都开发了适应各种场合的背景模型。 运动目标的检测不仅能应用于视频监视系统，还能应用于其他许多领域。 理论上，检测运动目标是这些应用的第一个问题，因此本课题的研究具有非常重要的现实意义。2 .运动目标检测的基本理论2.1图像预处理在实际应用中，原图像基本上不能直接利用，但由于光、噪声、干扰等一系列原因，原图像的质量通常不高，所以我们必须对其进行预

9、处理。 在图像预处理中，根据应用和需求，可能需要不同的处理方法。 目前我们常用的图像预处理技术包括图像去噪、图像增强、图像恢复等。 我们采用的图像预处理技术的方法主要分为两种。 第一种是在空间区域中的处理，即对图像空间中的图像进行各种各样的处理，第二种是傅立叶变换等空间和图像的转换。 本课题中使用的图像处理技术有图像噪声去除和图像增强两种技术。 主要目的是对图像中的噪声进行滤波，增加图像中的细节对比度，并为后续运动目标的检测提供高质量的图像。2.1.1图像去噪根据噪声顺从性的分布，我们可以把噪声分为粒子噪声、高斯噪声、泊松噪声三种形式。 根据噪声与信号的关系可以将噪声分成加性噪声和乘法噪声。

10、此外，本文简要介绍了两种去噪方法4，利用中值滤波器进行了去噪和平滑去噪。中值滤波器是1971年图基提出的，是图像去噪的常用方法。 最初中值滤波器经常用于分析时间序列，后来广泛应用于图像，噪声抑制效果相当好。 特别是对加性噪音有比较平滑的作用。 中值滤波器是求出某个像素周围区域中的像素灰度的中间值并将其作为目标像素灰度值处理的过程。 原理如图2-1所示P1P2P3P4P5P6P7P8P9p图2-1中值滤波器的原理平滑的噪声去除法也被称为移动平均法，是现在最简单的图像噪声去除法。 将某个像素的值替换为该像素周围的33像素的灰度平均值的方法。 其目的是淡化图像的灰度值，使其看不到细微的噪音。 原理如

11、图2-2所示3132333435363738393图2-2平滑噪声去除法然而，在这种方法中，图像的边界随噪声变薄，从而图像变得异常模糊，尽管噪声已被去除。两种方法相比较，平滑噪声去除方法相对简单，但中值滤波器的方法更好地去除噪声，保存图像中的边缘，并且去除噪声的能力优于平滑噪声去除方法。2.1.2图像的扩展图像扩展5是图像预处理的另一种技术。 为了改善视觉效果，人和机器处理和理解图像，根据图像的特征和问题来强化简单的改善方法和特征的措施被称为图像增强。 其次，重点介绍对比度强调和直方图均衡化这两种图像强调的方法。对比度增强是图像增强技术的重要方法，该方法比较简单，操作容易。 该方法按照统一对应

12、的标准修正输入图像的各像素的灰度值，改变图像的灰度范围。 灰度可以在动态范围内压缩并解压缩，或者可以逐步处理灰度，可以根据图像的要求和特征在一个区间压缩并在另一区间解压缩。 均匀量化的自然图像的直方图一般在低灰度区间中是相对高的，并且在图像中很暗的区域的细节是不清楚的。 为了获得清晰的图像，存在扩大图像的灰度范围，增大它们的灰度频度小的灰度等级，使灰度直方图在比较宽的动态范围内一致的倾向。2.2常用的两种运动目标检测算法目前常用的运动目标检测算法有光流法、背景差分法和帧间差分法，在国内外研究情况中做了详细介绍，以下重点介绍背景差分法和帧间差分法的原理和实现过程。2.2.1背景差分法背景差分法也

13、被称为背景减法，是目前应用最广泛的运动目标的检测方法。 背景差分法原理和算法是在设计简单、运行速度快、背景变化慢的理想情况下能得到比较准确的运动目标信息的最基本方法。 从当前帧减去背景帧，获得包含运动对象的前景图，更新背景图像，最后对前景图实施后续处理。背景差分法的运动目标检测过程如图2-3所示帧差分图像阈值及二值化处理运动目标背景更新背景帧图像第k帧图像图2-3背景差分法的原理图背景差分法的运动目标检测过程如上图所示，该算法可以用下式表示(2-1)其中，该监视系统从视频获得的第一帧图像是与更新后的第一帧的背景对应的目标前景图，并且是背景更新算法。其中最重要的环节是设计稳定可靠的背景模型，关系

14、到背景的有效提取和背景更新。 最简单的背景模型是时间平均图像，许多研究者现在正在努力开发不同的背景模型，减少动态场景变化对运动分割的影响。根据以上背景差分法的记述，经过阈值分割和二值化处理进行实验性分析的结果如图2-4所示(a )视频第十六帧图像(b )视频背景图像(c )背景差分后的灰度图像(d )阈值分割后的二值图像图2-4背景差分法的实验结果2.2.2帧间差分法帧间差分方法是通过对视频图像序列的相邻两帧进行差分运算来获得运动目标的轮廓的一种方法，其鲁棒性高，无论照相机静止还是运动都能够使用。 与背景差分法不同，差分中使用的2帧图像的时间间隔短，因此即使背景图像被噪声等外部因素干扰，也不会对背景图像产生大的影响。 在监视系统中，当相机被固定时，由于所取得的背景图像的变化量一般较小，如果存在物体则图像中的像素值发生较大变化，因而可以通过减去帧间的像素值来判断有无异物侵入，通过将其灰度差值进行二值化来提取运动信息。 帧间差分法的检测过程如图2-5所示帧差分图像阈值及二值化处理运动目标第k帧图像第K-1帧图像图2-5帧间差分法的原理图为了检测相邻的两帧的图像序列的变化，如式(2-2)所示，采用了直接比较两帧的图像、对应像素的灰度值