基于背景减除的运动目标检测研究sl.ppt

1、基于背景减除的运动目标检测研究,学生：王艳波 指导老师：苏丽 班级：080413 学号：08041323,论文主要内容,概述 基于背景减除的运动目标检测研究及实现 阴影消除方法研究及实现 检测后处理研究及实现 总结,一. 概述,1. 课题研究的背景及意义,视频监控是目前计算机视觉研究领域的一个热门话题，它主要是针对包含运动目标的图像序列进行分析处理，包括运动检测、目标分类、目标跟踪及行为理解与描述。其中运动目标检测就是从序列图像中将运动变化区域从背景图像中分割提取出来，以备后续步骤的使用；作为整个视频监控的基础工作，运动目标检测的效果好坏影响着整个监控系统的性能。,目前，研究人员己经开发了多种

2、运动目标检测的方法，包括帧间差分法，光流法和背景减除算法。根据实际应用需求的不同，不同的检测算法都是在可靠性、实时性和准确性之间折衷得到的。其中，背景减除方法是目前运动目标检测中最常用的一种方法，它一般能够提供最完全的运动目标信息，但对于动态场景的变化特别敏感。,背景减除法的困难之处在于为复杂场景寻找理想的背景模型，以及模型的建立、保持与更新。目前最常用的背景减除算法有十几种，如何能根据不同的应用需求，选择合适的检测算法，并且对己有的检测算法进行改进，提高算法的性能，减少算法对应用背景的限制，已成为国内外学者研究的热点问题，因此本文对基于背景减除的运动目标检测进行初步研究。,2.本论文主要完成

3、的任务,基于 背景减除的运 动目标检测方法研究及实现,对7种背景减除算法 进行比较研究，并将 单高斯法和混合高斯 法应用于视频序列中 的运动目标检测，实 验结果证明了算法的 有效性。,研究了后处理过程中 的形态学处理方法和 连通域分析，编程实 现检测后处理，填补 运动目标检测中产生 的空洞，有效改善检 测效果。,研究了基于HSV色彩 空间变换和RGB色彩 空间变换的阴影消除 方法，分析比较了它 们优缺点，在此基础 上设计了一种无阈值 的阴影去除方法编程 实现阴影消除。,二.基于背景减除的运动目标检测研究,光流法 背景减除法 帧间差分法,简单背景法 W4模型 中值滤波法 码书模型 单高斯法 混合

4、高斯法 内核密度估计法,简单背景法是最简单的一种背景减法，该方法直接抽取视频序列中某一幅图像，或计算多幅图像的平均值作为背景。 优点：能够提供最完全的特征数据； 缺点：对于动态场景的变化，如光照和外来无关事件的干扰等特别敏感。,(1). 简单背景法,1.背景减除法的几种算法,(2).均值滤波法,均值滤波法采用当前帧之前的L帧的平均值作为背景，首先创建一个可以存储L帧图像的存储空间，之后求这L帧图像的相同位置的像素值的平均，即 优点：运算量低，速度快，在有实时性要求且对准确性要求不高时得到广泛的应用； 缺点：对存储空间需求较高，而且检测面积大、速度慢的物体时可能出现空洞。,(3).W4模型,W4

5、模型将背景中的每个像素用最大灰度值MAX(x，y，t) 、最小灰度值MIN(x，y，t)和最大邻间差分值DMAX(x，y，t)描述。其中DMAX(x，y，t)是相邻帧对应位置像素灰度差的最大值，这三个参数可以用图像序列的前L帧估计，之后新观测值f(x，y，t)与背景模型的三个值比较，若满足下列两式，则认为该像素是背景，否则就是前景点。,优点：同均值滤波法相比检测效果较好，运算量也不大，能够满足实时性要求，而且对目标比较敏感。 缺点：当运动目标面积小且与背景对比度低或者目标颜色深时分割效果较差。,(4).码书模型,码书模型 (Codebook Model)利用量化和聚类技术建立背景。通过训练图像

6、序列中的像素得到码书模型，每一个像素都含有一个码书，每个码书包含不同数目的码字，这个数目与图像序列的变化有关。得到码书模型之后，通过一定的方法去掉前景物体的码字，剩下的就是背景模型。,优点：(1)该算法不涉及浮点运算，因此运算速度快，能满足时实行要求；(2)该算法不需要存储图像序列的样本帧，只占用有限的空间即可完成模型的建立和更新；(3)该算法可以适应场景中存在运动物体的情况。 缺点：码书模型描述复杂背景(如摇动的树枝、翻滚的海浪等)的能力不足。,(5).单高斯法,对每一个像素利用高斯函数建模，每一像素点都认为服从均值和标准方差的分布，且每一点的高斯分布是独立的。每一个像素处理的都是一系列在相

7、应时间内(从起始时间到当前时间)的该点值的集合，即在任意时间t像素点 的值应该是以时间为轴的点的集合中的一个,可由下式表示：,其中，表示这一个图像序列，也就是这个集合；表示第 帧。那么从时间轴上看，这些点的集合符合高斯分布，即，,优点：单高斯分布背景模型在室内(或其他简单场景)进行运动目标检测可以得到较好的效果，由于运算量小，处理速度非常快，而且检测到的目标比较完整。 缺点：当场景比较复杂时，模型会变得不稳定，而且抗噪声干扰的能力较差。,(6).混合高斯法,混合高斯模型为场景中的每个像素点构建K个高斯分布，并用这K个高斯分布的加权和来描述场景，K越大，处理场景波动的能力就越强，运算量也随之变大

8、，K的取值可以根据处理器的运算能力和存储空间适当选取，一般取37。,K个高斯分布中一部分用来描述背景，另一部分用来描述前景，这样不仅对背景建模，对前景同样构建了模型。物体发生反复运动时，虽然在像素级别上有运动发生，但是人们在理解层面上仍然会将其视为背景，这些反复运动物体对应的像素点一般会体现为两个(或两个以上)的像素值，也就是所谓的多峰背景，对于不同的像素值可以用不同的背景分布来描述，这就是混合高斯分布能够描述复杂背景的理论基础。,背景模型能否迅速响应场景的变化是衡量模型性能的重要标准。混合高斯法可依据下式进行模型更新：,其中和是更新速率，反映了系统响应场景变化的快慢程度。,优点 ： (1)混

9、合高斯模型可以模拟复杂的多峰背景(如摇动的树枝，摆动的旗帜等)， (2)不仅能准确的检测出大面积目标还能检测出小面积的目标， (3)运算量不是非常大，能够满足实时性需要。 缺点 ： (1) 能够有效的解决光线渐变的问题，但是对于光线突变非常敏感； (2) 静止的物体转为运动后会长时间的留下“鬼影”。,(7).内核密度估计法,由于混合高斯法涉及到参数的估计，在某种程度上其比较依赖实验的结果和经验，容易导致误差。因此，科学家们提出了基于非参数模型的背景减除算法，其中，最常用的是内核密度估计法。,背景减除法性能比较,2.实验结果分析,(a) 原始图像,(b) 背景图像,（c）单高斯法检测结果 图1单

10、高斯法检测结果,(a) 原始图像,(b) 背景图像,（c）混合高斯法检测结果 图2 =0.03时混合高斯法检测结果,混合高斯法的背景更新速度取决于权值更新率的大小，右图给出=0.03时应用混合高斯法进行运动目标检测的实验结果,三.阴影消除,在视频监控的运动目标检测与提取中，阴影消除占有一个十分重要的地位。因为在视频图像中，阴影的存在会造成运动目标检测后分割出来的运动物体面积在大部分情况下比实际运动目标的面积大，这样就导致两个缺陷。一个缺陷是目标的形状受阴影的影响，同一个目标的形状会随着光线的不同而发生变化，从而影响后续运动目标位置和运动目标分类的确定；另一个缺陷就是阴影可能会使目标形状变大，而

11、导致阴影与运动目标粘成一起被当作运动目标的一部分，影响了运动目标长度、宽度等形状参数的判断，甚至多个运动目标还可能因为阴影相互粘成一块，严重影响运动目标的正确识别力。,1.RGB色彩空间的阴影消除算法,三.阴影消除,在RGB色彩模型空间中，任何一种颜色都可由R、G、B三原色按一定的比例构成，而阴影区域中的像素亮度值一般比非阴影区域要小，特别是R、G 颜色分量一般都较小，所以依据这种差别可进行阴影消除。,优点：在进行阴影抑制时速度比较快。 缺点： (1)三个阈值的设定对检测结果影响很大； (2)阴影区域的轮廓不完整； (3)使得移动目标本身不完整，容易缺损； (4)检测效果对目标本身的依赖性很强

12、。,在HSV色彩空间进行图像处理时，并不是将H、S、V这3个值作为判断的参数，主要考虑参数V(图像的亮度)，并依次进行阴影消除，其对于图像中极亮和极暗的物体能够很好地反映出相应的信息。,2.HSV色彩空间的阴影消除算法,优点：HSV色彩空间具有较好的颜色感知的一致 性，适合计算图像之间的颜色相似性。 缺点：对色彩图片的处理效果较差。,通过阅读文献，本文采用一种无阈值的新阴影消除方法，因为运动目标产生的阴影除了亮度V减小外，阴影在HSV颜色空间的三个分量的向量和 比背景的向量和,3.一种无阈值的新阴影消除算法,小，通过计算这两者的向量差，来达到消除阴影的目的，计算公式如下：,4.实验结果分析,(

13、a) 原始图像,(b) 背景图像,（c）混合高斯法前景,(d)阴影消除结果,1.形态学处理,四.检测后处理,运动目标由于颜色和背景接近或者其他噪声的干扰，可能导致检测的结果出现镂空或者称为空洞现象。本文采用形态学滤波方法解决这一问题。形态学滤波是一种以形态为基础的分析图像的数学工具。其基本思想是采用一些具有特定形态的结构元素提取图像中的对应形状从而实现图像分析的目的。,2.连通域处理,在使用形态学滤波处理完图像后，一些小的干扰区域已经被除去，小的间隙被连接上，小的孔洞被填充上，但是仍然会有相对较大的孔洞存在于检测目标内部。因此，我们使用连通性检测的方法进行处理，来去除检测到的运动目标内部的孔洞

14、。,4.实验结果分析,(a) 原始图像,(b) 背景图像,（c）前景图像,(d)后处理结果,五.毕设工作总结及展望,1.在系统地学习了数字图像处理的基础知识后，运动目标检测过程中共研究了七种背景减除算法，对其原理及实现过程进行了深入研究，并从处理背景扰动能力、对内存的需求、运算量和准确性四个角度对各种方法进行了对比分析。最后，采用单高斯法和混合高斯法以OpenCV和VC+为开发平台进行编程实现，实现了视频序列中运动车辆的有效检测。,2.在阴影消除方面，分析了阴影形成的机理和特点，在研究了RGB色彩空间阴影消除、HSV色彩空间阴影消除和一种无阈值的阴影消除方法后，编程实现了无阈值的阴影消除算法，从而实现了对运动目标中阴影的有效消除，提高了系统检测运动目标的准确性；,毕设工作总结,3.针