论文部分内容阅读
摘要：近年来，视频监控技术在公安工作中起到愈发重要的作用。然而，由于监控系统功能有限、用法单一、高度依赖监控人员的人工值守和技术人员对目标的检验提取。因此，实现对视频图像中运动目标的智能识别和智能提取显得十分重要。本文采用了帧间差分方法，利用MATLAB等软件，验证其对运动目标检测的实际效果，总结研究的内容、步骤与方法。实验结果表明，该方法能够为公安实践工作提供有力的技术支撑。
关键词：视频监控图像;运动目标检测;帧间差分法;MATLAB
一、引言
在实际应用中，传统视频监控模式的弊端也在逐渐显露出来，如视频监控系统功能有限、用法单一、高度依赖监控人员的人工值守和技术人员对目标的检验提取。而由于监控人员需要长时间高度紧张地注视计算机屏幕以及对海量监控视频的关联分析，难免会出现眼部疲劳及注意力分散的状况，从而使得漏报、错报异常事件时有发生。因此在这种现状和未来需求下，对监控视频中的运动目标检测与提取方法的研究就显得尤为重要。利用运动目标检测技术，可以使无人值守实时监控成为现实，将监控人员从重复劳动中解放出来，并能减少漏报、错报等失误的发生;还可以从海量视频信息中以智能分析的方式捕获犯罪嫌疑人的行踪轨迹，大大提高视频侦查办案的效率。
二、视频图像目标检测方法
1.背景差分法
作为目前最常见的目标检测方法，背景差分法的原理也十分简明易懂。背景差分法的基本思路是将有目标的当前图像和无目标的背景图像做差分，以获取图像的变化区域，即运动目标所在区域。此方法操作运算量小，但其适用性有限，在背景静止的场景中表现稳定，而不能稳定适用于无关事件干扰、噪声等动态背景中，鲁棒性较低。
2.光流法
光流法是早期的目标检测中使用较多的方法，有比较长的研究历史。该方法的优点是，在监控设备运动时仍可实现有效地检测运动目标的期望。然而，光流法的运算较为复杂，计算量大，对硬件设施的要求也很高，目前在实际应用难以真正做到实时快速反应与广泛普遍应用。
3.帧间差分法
帧间差分法是对视频中图像序列相邻或相近的两帧或多帧之间做差分运算来检测出运动目标的方法。相对于背景差分法，这一方法能更快速地从背景图像中分割出运动部分，受光影变化、环境噪声等因素的影响更小，因此比背景差分法更适用于动态场景。但该方法获得的检测结果一般不是完整的目标区域。
三、基于帧间差分的运动目标检测方法
1.帧间差分法
帧间差分法也称为时间差分法或序列差分法。该方法实现简单，算法复杂度较低，实时性高，是目前最为常用的静态背景下的运动目标检测及分割方法之一。帧间差分法的具体步骤描述如下：
将第n帧图像和第n-k帧图像之间进行差分：
取适当阈值T，在差分后获得的图像上做二值化处理：
式中，表示的是第n帧图像像素点（x，y）所对应的像素值，k?（1，2，3…） 是预先设定好的帧间间隔;表示的是第n帧和第n-k帧图像之间各像素点对应像素值的差值;表示的是经二值化处理后的图像。当视频图像中目标的运动缓慢时，可以设置k值较大的间隔;当视频图像中的目标运动较快时，可以设置k值较小的间隔。从严格意义上讲，当k设为1时称为相邻帧间差分。
2.帧间差分相乘法
传统的帧间差分法中，由于某些像素点的灰度值变化不甚明显，而出现无法检测出完整目标或者检测出较多伪目标点、产生空洞、抗噪性差等存在一定的局限性。而帧间差分相乘法则能极大的滤除噪声点，准确地分割出运动目标轮廓，可以很好的解决上述问题。基于此基础提出连续四帧间隔差分相乘法，是针对运动目标过快或过慢导致的空洞以及不连续性而做出的改进。算法流程如图1所示。
（1）获取连续四帧分别计算相间隔两帧之间的差值，即
（2）对所得到两个粗略的差值运动区域进行与运算（差值矩阵中的每一个像素点对应相与）
（3）通过与设定阈值来区分比较前景点与背景点
式中，TH为阈值，决定检测的效果与灵敏度，阈值门限以3δ准则为标准选定，在差分结果图像中，将背景部分的均值表示为μ、方差表示为δ;判别标准为：大于阈值的认为是前景，否则认为是背景。
四、实验结果及分析
实验是针对静态背景下拍摄的包含待检运动目标的视频素材进行的，分别在静态背景下录制了室内环境、室外环境及人物运动方向不同的3个视频素材，并将这3个视频素材利用MATLAB软件进行相应处理。通过MATLAB软件对视频进行处理后，发生变化区域显示为白色，背景区域显示为黑色，当某区域的白色像素数达到一定比率，即超过阈值，则被识别为运动区域。
在实验中，本文方法对干扰较为敏感，例如在对视频处理中，程序有时将人物在车辆表面反光误认成了运动目标。该问题可以通过手动选择合适的阈值加以解决，背景噪声较大时如树叶、光影干扰，阈值应选择较大，背景噪声较小时，可减小阈值以获得运动目标的更多特征，但是阈值的调整仍需进一步智能化发展。
五、结束语
本文为基于帧间差分的运动目标检测方法研究。运动目标检测技术是智能監控领域的一项基础技术，利用帧间差分法实现运动目标的检测，提高了智能监控的准确稳定，大大减少了视频侦查人员的工作量。本文选择运行系统主要是MATLAB、Adobe Photoshop CS4 、Window7，使用MATLAB软件识别并拆分视频帧，选择合适间隔的相近帧进行差分，通过比较像素点数值与阈值大小，确定前景与背景，进而自动识别出运动目标区域。实验结论显示，本文算法对视频目标检测的准确度较高，此外本文算法对每一帧的识别速率也可以实现公安视频侦查工作中的实时性要求。但由于有物体表面反光、阴影影响，本文提出的方法仍有误检的概率，需要继续研究改进。
参考文献
1.屈晶晶，辛云宏.连续帧间差分与背景差分相融合的运动目标检测方法[J].光子学报，2014，43（07）.
2.靳海伟，彭力，卢晓龙.基于帧间差分和粗糙熵的运动目标检测算法[J].江南大学学报（自然科学版），2015，14（1）.
3.冯尧文.基于帧间差分的运动目标稳健检测方法[D].哈尔滨：哈尔滨工业大学，2011.
基金项目：中国刑事警察学院大学生创新训练项目（X202010175063）
关键词：视频监控图像;运动目标检测;帧间差分法;MATLAB
一、引言
在实际应用中，传统视频监控模式的弊端也在逐渐显露出来，如视频监控系统功能有限、用法单一、高度依赖监控人员的人工值守和技术人员对目标的检验提取。而由于监控人员需要长时间高度紧张地注视计算机屏幕以及对海量监控视频的关联分析，难免会出现眼部疲劳及注意力分散的状况，从而使得漏报、错报异常事件时有发生。因此在这种现状和未来需求下，对监控视频中的运动目标检测与提取方法的研究就显得尤为重要。利用运动目标检测技术，可以使无人值守实时监控成为现实，将监控人员从重复劳动中解放出来，并能减少漏报、错报等失误的发生;还可以从海量视频信息中以智能分析的方式捕获犯罪嫌疑人的行踪轨迹，大大提高视频侦查办案的效率。
二、视频图像目标检测方法
1.背景差分法
作为目前最常见的目标检测方法，背景差分法的原理也十分简明易懂。背景差分法的基本思路是将有目标的当前图像和无目标的背景图像做差分，以获取图像的变化区域，即运动目标所在区域。此方法操作运算量小，但其适用性有限，在背景静止的场景中表现稳定，而不能稳定适用于无关事件干扰、噪声等动态背景中，鲁棒性较低。
2.光流法
光流法是早期的目标检测中使用较多的方法，有比较长的研究历史。该方法的优点是，在监控设备运动时仍可实现有效地检测运动目标的期望。然而，光流法的运算较为复杂，计算量大，对硬件设施的要求也很高，目前在实际应用难以真正做到实时快速反应与广泛普遍应用。
3.帧间差分法
帧间差分法是对视频中图像序列相邻或相近的两帧或多帧之间做差分运算来检测出运动目标的方法。相对于背景差分法，这一方法能更快速地从背景图像中分割出运动部分，受光影变化、环境噪声等因素的影响更小，因此比背景差分法更适用于动态场景。但该方法获得的检测结果一般不是完整的目标区域。
三、基于帧间差分的运动目标检测方法
1.帧间差分法
帧间差分法也称为时间差分法或序列差分法。该方法实现简单，算法复杂度较低，实时性高，是目前最为常用的静态背景下的运动目标检测及分割方法之一。帧间差分法的具体步骤描述如下：
将第n帧图像和第n-k帧图像之间进行差分：
取适当阈值T，在差分后获得的图像上做二值化处理：
式中，表示的是第n帧图像像素点（x，y）所对应的像素值，k?（1，2，3…） 是预先设定好的帧间间隔;表示的是第n帧和第n-k帧图像之间各像素点对应像素值的差值;表示的是经二值化处理后的图像。当视频图像中目标的运动缓慢时，可以设置k值较大的间隔;当视频图像中的目标运动较快时，可以设置k值较小的间隔。从严格意义上讲，当k设为1时称为相邻帧间差分。
2.帧间差分相乘法
传统的帧间差分法中，由于某些像素点的灰度值变化不甚明显，而出现无法检测出完整目标或者检测出较多伪目标点、产生空洞、抗噪性差等存在一定的局限性。而帧间差分相乘法则能极大的滤除噪声点，准确地分割出运动目标轮廓，可以很好的解决上述问题。基于此基础提出连续四帧间隔差分相乘法，是针对运动目标过快或过慢导致的空洞以及不连续性而做出的改进。算法流程如图1所示。
（1）获取连续四帧分别计算相间隔两帧之间的差值，即
（2）对所得到两个粗略的差值运动区域进行与运算（差值矩阵中的每一个像素点对应相与）
（3）通过与设定阈值来区分比较前景点与背景点
式中，TH为阈值，决定检测的效果与灵敏度，阈值门限以3δ准则为标准选定，在差分结果图像中，将背景部分的均值表示为μ、方差表示为δ;判别标准为：大于阈值的认为是前景，否则认为是背景。
四、实验结果及分析
实验是针对静态背景下拍摄的包含待检运动目标的视频素材进行的，分别在静态背景下录制了室内环境、室外环境及人物运动方向不同的3个视频素材，并将这3个视频素材利用MATLAB软件进行相应处理。通过MATLAB软件对视频进行处理后，发生变化区域显示为白色，背景区域显示为黑色，当某区域的白色像素数达到一定比率，即超过阈值，则被识别为运动区域。
在实验中，本文方法对干扰较为敏感，例如在对视频处理中，程序有时将人物在车辆表面反光误认成了运动目标。该问题可以通过手动选择合适的阈值加以解决，背景噪声较大时如树叶、光影干扰，阈值应选择较大，背景噪声较小时，可减小阈值以获得运动目标的更多特征，但是阈值的调整仍需进一步智能化发展。
五、结束语
本文为基于帧间差分的运动目标检测方法研究。运动目标检测技术是智能監控领域的一项基础技术，利用帧间差分法实现运动目标的检测，提高了智能监控的准确稳定，大大减少了视频侦查人员的工作量。本文选择运行系统主要是MATLAB、Adobe Photoshop CS4 、Window7，使用MATLAB软件识别并拆分视频帧，选择合适间隔的相近帧进行差分，通过比较像素点数值与阈值大小，确定前景与背景，进而自动识别出运动目标区域。实验结论显示，本文算法对视频目标检测的准确度较高，此外本文算法对每一帧的识别速率也可以实现公安视频侦查工作中的实时性要求。但由于有物体表面反光、阴影影响，本文提出的方法仍有误检的概率，需要继续研究改进。
参考文献
1.屈晶晶，辛云宏.连续帧间差分与背景差分相融合的运动目标检测方法[J].光子学报，2014，43（07）.
2.靳海伟，彭力，卢晓龙.基于帧间差分和粗糙熵的运动目标检测算法[J].江南大学学报（自然科学版），2015，14（1）.
3.冯尧文.基于帧间差分的运动目标稳健检测方法[D].哈尔滨：哈尔滨工业大学，2011.
基金项目：中国刑事警察学院大学生创新训练项目（X202010175063）