基于动态背景更新的运动目标检测算法

1、Computer Knowledge and Technology 电脑知识与技术第6卷第13期(2010年5月 基于动态背景更新的运动目标检测算法郑纪业，闫万涛（山东科技大学研究生教育学院，山东青岛266510）摘要：该文介绍了几种目前较为流行的运动目标检测方法，详细阐述了这些方法的检测原理，然后指出这些方法的优势和不足，在此基础上提出了动态背景更新方法，给出了整个算法的实现流程，同时在细节上做了一些改进。实验结果表明，此运动检测方法在静止背景的情况下能够有效地检测运动目标。关键词：背景差分法；帧间差分法；运动目标检测中图分类号：TP18文献标识码：A 文章编号：1009-3044(2010

2、13-3499-02A Moving Target Detection Algorithm Based on Dynamic Background UpdatingZHENG Ji-ye, YAN Wan-tao(ShandongUniversity of Science and Tecnology, Qingdao, 266510, ChinaAbastrct:This article introduces several moving target detection methods which is popular at current time, and describes the p

3、rinciple of these methods in detail, then points out the advantages and disadvantages of these methods, finally proposes the dynamic background updat -ing method and gives the realization of the whole algorithm process. The experimental results show that this motion detection method in the case of s

4、tatic background can be effective in detecting moving targets.Key words:background difference method; interframe difference method; moving target detection运动目标检测1-2是智能视频监控的第一步，运动检测的目的是自动分离出视频图像序列中的运动像素点和静止像素点，将变化区域从背景图像中提取出来。视频监控系统通过对检测到的运动像素点进行自动分析，运用形态学的操作来确定前景对象，最终根据前景对象的运动决定是否有意外情况发生并报警。运动目标的准确检

5、测和分割对于目标分类、跟踪和行为理解等后期处理非常重要，因为以后的处理工作主要是在运动区域上进行的。1运动检测常用方法通常意义上讲，视频监控系统中获取的视频图像包括前景和背景两部分，它们在不同的问题中有不同的涵义。在本文设计的运动目标检测方法中，摄像机是静止的，并且前景主要是指人或者车辆，背景主要是俯视角度下的街道马路等背景变化不迅速的场景，这种场景基本上属于静止背景，即使是变化也是缓慢的变化。而静止背景下的运动目标检测方法主要有光流法、帧间差分法、背景差分法等，下面主要介绍应用最广泛的后两种方法的原理和特点3。1.1帧间差分法相邻帧间差分法4的运动目标检测的原理是：当监控场景中出现异常物体运

6、动时，帧与帧之间会出现较为明显的差别，相邻两帧图像相减，得到两帧图像亮度差的绝对值，判断它是否大于阈值来确定图像序列中有无物体运动，并报警。这种方法的优点是因两幅图像之间的时间间隔较短，对光线等场景变化不太敏感, 能够适应各种动态环境，检测有效而稳定。不足之处是不能检测出物体的准确位子。采用这种方法时，需要考虑如何选择合适的时间间隔，这一般依赖于所监视的物体的运动速度5。对快速运动的物体，需要选择较小的时间差，而如果选择得不合适，最坏情况下物体在前后两帧中没有重叠，造成被检测为两个分开的物体；而对慢速运动的物体，应该选择较大的时间差，而如果选择得不适当，最坏情况下物体在前后两帧中几乎完全重叠，

7、根本检测不到物体。1.2背景差分法背景图像差分法6是利用当前图像与背景图像的差分来检测运动区域的一种技术。它将当前每一帧图像与事先存储或者实时得到的背景图像(不存在任何运动物体 相减，一般情况下，由于运动物体在灰度上与背景灰度存在着很明显的差异，这样作差分后的差值图像只是在运动物体处有较大的灰度值。选取适当的阈值，差值图像的灰度值大于阈值，则判定被监视场景中有运动物体, 从而得到运动目标。这种方法的优点是：1）检测出的运动目标位置精确，且速度快，因为它只需获取当前的一幅图像；2）经根据实际情况确定阈值进行处理后, 所得结果直接反映了运动目标的位置、大小、形状等信息。不足之处是受环境光线变化的影

8、响非常敏感，容易产生误报警。由此可以看出，背景图像差分法成功与否依赖于背景图像。背景图像的核心问题在于如何处理环境中随时间推移引起的光线变化，背景物体移入和移出等造成的背景变化，为了使背景适应这种变化，需要对背景进行更新，即背景更新问题。对于不同的应用场合，需要对背景更新问题做特定的考虑。本算法的场景主要是在室内，且摄像机固定，会遇到的一些背景更新问题有：1）背景的扰收稿日期：2010-02-25作者简介：郑纪业（1982-），男，山东泰安人，硕士，研究方向为网络与多媒体；闫万涛（1984-）男，山东烟台人，硕士，研究方向为金融数学。1009-3044Knowledge and Technol

9、ogyComputer Knowledge and Technology 电脑知识与技术：唐一东第6卷第13期(2010年5月 动：背景中可以含有轻微扰动的对象，如随风摆动的窗帘不应该被看作是运动目标；2）外界光照条件的变化：一天中不同时间段光线、天气等的变化对检测结果的影响；3）背景中固定对象的移动：背景里的固定对象可能移动，如场景中的一把椅子移走，对象移走后的区域在一段内可能被误认为是运动目标，但不应该永远被看作是运动目标。2动态背景更新运动检测算法在了解背景图像差分法和相邻帧间差分法的基本原理后，若将背景图像差分法和相邻帧间差分法结合起来, 使它们优势互补, 克服各自的弱点，可以设计出一

10、种改进的运动目标检测算法。2.1背景图像的提取与更新背景图像是基于多帧平均法取得的。在程序开始视频预览后，首先根据连续采集的n 帧图像求平均值获取原始背景图像B o ，(1 使用一阶递归滤波器对背景图像进行动态更新(2 其中，I k (x,y表示当前帧图像，B k (x,y表示当前背景图像，B k-1(x,y表示上一帧背景图像。递归系数决定各帧在背景图像中的贡献度，越大，当前帧和较近的帧对背景图像的贡献越大，反之，则当前帧和较近的帧对背景图像的贡献较小。所以，当较大时，动态背景差分法的性能更接近于帧间差分法，对背景的变化适应较快；而当较小时，动态背景差分法的性能更接近于传统的背景差分法，更适合

11、探测运动速度较慢的物体。2.2背景差分法实现运动检测当图像中出现运动目标时，由于目标会对背景产生遮挡，造成当前帧图像和背景图像之间的帧间差别，判断这种差别的大小就可以判断图像中是否有运动目标。(3 其中T 为灰度阈值，灰度阈值的大小决定运动探测的灵敏程度。式(3所示的判断方法对于噪声影响和整体光照比较敏感，容易产生误报。为此，加入抑制整体光照变化和噪声的附加阈值T ext ，调整运动判断条件为(4 其中：(5式(4的意义是统计每帧图像的帧差绝对值超过附加阈值T ext 的像素数，如果超过附加阈值的像素总数大于像素数阈值T ，则判断为有运动目标。视频采集程序能够随时改变视频图像的分辨率，所以像素

12、数阈值T 由程序根据图像大小以指定的固定比例动态确定。附加阈值T ext 有抑制整体光照和噪声两种功能，因此T ext 需要考虑这两个因素。噪声是每个系统（包括摄像头、采集卡等）都有的，对于一个系统，其噪声（噪声点的平均数量和幅度）通常有一个正常的水平，可以根据使用的经验总结出抑制其系统噪声的阈值T noise 的大小。光照阈值T lumi 需要通过当前帧图像与背景图像计算得到(6 N 为检测区域内的像素总数，为调节系数。当仅有光照对图像产生影响时，当前帧和背景图像之间的亮度变化在整体上比较均匀，一般帧间差能超过T lumi 的像素点数无法超过像素数阈值T ，这样就有效地抑制了光照变化所产生的

13、影响。当有运动目标时，则当前帧和背景图像之间的亮度变化不均匀，超过T lumi 的像素点数增多，可以被判定为有运动目标。综合考虑光照变化和噪声的影响，附加阈值T ext 选为T noise 和T lumi 中较大的一个。(73结论 本文提出的动态背景差分法，结合了背景差分法和帧间差分法的优点，通过附加阈值的设定，有效解决了背景噪声法对整体光照和噪声敏感的问题。实验结果表明，此运动检测方法在静止背景的情况下能够有效地检测运动目标。参考文献：1林洪文, 涂丹, 李国辉. 基于统计背景模型的运动目标检测方法J.计算机工程,2003,29(16:97-99.2张文杰, 戚飞虎, 江卓军. 实时视频监控系统中运动目标检测和跟踪的一种实用方法J.上海交通大学学报,2002,36(12:1837-1840.3谭铁牛. 智能视觉监控研究进展C.第二届全国智能视觉监控学术会议论文集M.北京:科学出版社,2003. 4Foresti G L.Object recognition and tracking for remote video surveillance.IEEE Transaction Circuits and Systems for Video Technology, 1999,9(