联合背景差分与区域光流的运动目标轮廓提取

1、联合背景差分与区域光流的运动目标轮廓提取摘要：针对光流法计算量大并且无法精确提取运动目标轮廓的问题，提出一个联合背景差分与区域光流的运动目标轮廓提取算法，首先对运动目标区域进行标定，并通过求解区域光流得到光流图像，然后结合基于统计平均的背景差分法获取运动目标二值图像，从而提取出运动目标轮廓。实验结果表明，在监控场景中，本文算法能够准确地提取运动目标轮廓。关键词：运动目标检测；背景差分；区域光流；轮廓提取0引言运动目标检测是指在视频序列图像中检测相对于整幅场景图像运动的物体，在安全监控、交通控制、智能车辆等领域得到了广泛的应用。目前常用的运动目标检测方法包括帧差法、背景差分法、光流场等方法。为了

2、给高层视觉算法提供依据，在序列图像中可根据运动目标检测的结果进一步提取单帧图像中运动目标的轮廓，三帧时间差分法简单易行，它利用相邻三帧图像通过常规帧差法得到连续两个差分图像，然后对两个差分图像的相与操作获得运动目标的轮廓和位置信息，但该方法在复杂背景下的结果不够稳定。本文结合基于区域光流的运动目标检测算法和基于统计平均的背景差分法来获取运动目标前景图像，结合两种方法的优点，从而更准确地提取运动目标轮廓。1联合背景差分与区域光流的运动目标轮廓提取模型光流易于捕捉运动物体的运动特性，可以反映出运动目标的位置和轮廓信息。如果在每一帧图像中对运动目标提取轮廓，仅利用光流信息并不能很好的完成，因为梯度计

3、算需要利用连续的若干帧的图像信息，而运动目标边界区域的梯度变化比较丰富，将导致光流图像中得到的运动目标大于实际运动目标，多出的部分正是运动目标在若干帧时间内经过的区域，这也正是光流对运动物体捕捉其运动特性的体现。另外，对于相对较大的运动目标而言，如果运动目标内部颜色、灰度等比较单一，那么运动目标内部光流为0,导致光流图像中运动目标内部出现空洞区域。我们结合背景差分法就能够有效地解决上述问题。背景差分法能够有效地从背景中提取出当前帧前景运动目标，运动目标轮廓精确，且当背景与目标灰度存在差异时运动目标内部一般不会出现空洞。然而高精度的背景建模成为限制该方法的一个难点问题，复杂的背景模型精度较高，但

4、其系统开销也大。本文采用简单的基于统计平均的背景差分方法，该方法具有简单、计算量小等优点，并且有一定的自适应性，但是在目标运动的轨迹上会存在运动目标的阴影。本文考虑利用背景差分法解决上述光流法产生的问题，同时利用区域光流消除背景差分法产生的运动目标阴影，为此提出一种联合背景差分与区域光流的运动目标轮廓提取算法，原理如图1所示：2算法描述根据联合背景差分与区域光流的运动目标轮廓提取模型，要求输入视频中的序列连续图像，输出运动目标在当前帧中的轮廓信息，详细算法步骤如下:步骤1采用基于统计平均的背景差分方法，对第k帧(假设为当前帧)求前景图像，即灰度差分图像Ik1。令Gk(p,q)表示视频序列第k帧

5、(p,q)位置像素点的像素值，则背景图像中第k帧(p,q)位置像素点的像素值Bt(p,q)可由式(1)求得，灰度差分图像Ik1山式求得；Bt(p,q)=1t刀ti=1Gt(p,q)(1)Ik1=GkBk(2)步骤2采用基于视频窗口切分与分类的序列图像运动目标检测算法，快速标定出第k帧图像中的n个包含运动目标的矩形区域Qk1,Qk2,Qkn；步骤3由光流方程(3)和全局平滑约束条件(4)对标定的矩形运动区域求解光流，并认为矩形区域外的像素点的光流为0，我们按此方法求解第k帧图像的光流场u,vk；Ixu+Iyv+It=0(3)Es=(ux)2+(uy)2+(vx)2+(vy)2)2dxdy(4)其

6、中Ix,Iy,It分别为图像中对应点(x,y)的灰度值I(x,y,t)沿x,y,t三个方向的偏导数；步骤4为便于对光流场矢量数据进行分析，我们对第k帧图像的光流场u,vk按照(5)、(6)式进行归一化处理；Vk0=u2+v2(5)Vk仁(Vk0-min(Vk0)/(max(Vk0)-min(Vk0)(6)其中Vk0是对应当前帧图像的速度场，Vk1为归一化后的速度场。为了直观的显示光流速度并有效借助于图像处理的相关技术，我们将Vk1内数据转换为类似灰度图像的整型数据。只需将取值范围做一个0,1-:0,255的变换，得到灰度光流图像Ik2,灰度值较大的像素点是那些光流较大的点，其对应的运动目标就具

7、有较大的速度；反之，灰度值较小的像素点是那些光流较小的点，其对应的运动目标就具有较小的速度；步骤5将步骤1中得到的灰度差分图像Ik1与步骤4中得到的灰度光流图像Ik2按照式(7)进行图像信息融合，得到灰度融合图像Ik3；Ik3=12(Ik1+Ik2)(7)步骤6分别将图像Ik1和图像Ik3二值化，并对二值化后的图像做与操作，最终得到运动目标的二值化图像Ik4-从而得到为前帧图椽小的运动冃标轮.廓:.3实验设计与结果分析本文采用一个运动行人视频序列进行实验，该视频是在摄像机固定的情况下拍摄的场景，每帧图像大小为480X640像素。测试结果分别如图2和图3所示：实验结果表明，在监控场景中，联合背景

8、差分与区域光流的运动目标轮廓提取方法能够准确地提取视频序列中运动目标轮廓，尤其对非刚性物体的运动目标而言，本文算法能更好地检测出运动目标在每一帧序列图像中的完整轮廓信息。另外本文采用区域光流求解大大降低了光流的计算代价，提高了算法的效率。图2中对区域光流求解的计算量为全帧光流场计算量的0.0651倍；对该运动行人序列连续100帧进行统计，平均每帧计算光流的时间开销仅为全帧光流场计算量的6.17%。4结束语本文针对光流法计算量大并且无法精确提取运动目标轮廓的问题，提出了一个联合背景差分与区域光流的运动目标轮廓提取模型。通过实验表明该模型在摄像机静止、物体运动的监控场景中，能够准确地提取运动目标轮廓，为运动目标识别、跟踪以及行为分析奠定了基础。参考文献：1王亮亮，王黎,高晓蓉，等.基于视频图像的运动目标检测算法研究J微计算机信息，2010(6).:2.ProceedingsofInternationalConferenceonImagingScience,SystemsandTechnology,UniversityofSouthernCalifornia,Losangeles,USA,1999.:3盛旭锋，朱方文,李校祖，庄俊.基于三帧时间差分法的独居老人运动检测J.计算机工程与应用,2010(13).Cn: