一种基于梯度图像帧间差分和背景差分的运动目标检测新方法

第29卷第1期 光 电 子 技 术 V01．29No．1 2009年3月 OPTOEI，ECTRONICTECHNOLOGY Mar．2009 一种基于梯度图像帧间差分和背景差分的 运动目标检测新 方法 快递客服问题件处理详细方法山木方法pdf计算方法pdf华与华方法下载八字理论方法下载 ’ 潘翔鹤1，赵曙光r，柳宗浦1，王媛 (1．东华大学信息科学与技术学院，上海201620；2．西安黄河机器厂设计所，西安710043) 摘 要：提出一种基于梯度图像，融合帧间差分和背景差分的运动目标检测新方法。其特点是 采用混合高斯背景模型，先利用针对梯度图像的帧间差分检出变化区域，再利用背景差分从变化区 域中检出运动物体，最后利用连通性检验消去噪声和阴影。针对真实视频序列的实验结果表明，该 方法既简单有效，又具有较小的运算量和较好的鲁棒性。 关键词：运动目标检测；梯度图像；帧间差分；背景差分 中图分类号：TN27；TP391文献标识码：A 文章编号：1005—488X(2009)Ol一0034—03 DetectionofVideoMovingObjectsbyCombiningGrads-based FrameDifferenceandBackgroundSubtraction PanXianghel，ZhaoShuguan91，LiuZongpul，Wangyuan2 (1．Collegeof觚．Science＆Technology，DonghuaUniversity，Shanghai201620，CHN； 2．InstituteofXi’anHuangheMachineryFactory，Xi7an710071，CHN) Abstract：Anovelapproachtodetectionofvideomovingobjects(VMOs)isproposed，which combinesgrads—basedframedifferencewithbackgroundsubtraction．BasedonamixedGaussmodelof background，itfindsfirstlychangedareasbyapplyingframedifferencetogradsimagesderived，detects thenVMOsfromtheareasbyusingbackgroundsubtraction，andobtainsfinallynoise—freeVMOsbyusing connectivitytest．Provedbytheresultsofexperimentsonsomerealvideosequences，itisrathersimple， effectiveandrobust． 引 Keywords：videomovingobjectsdetecting；gradsimages；framedifference；backgroundsubtraction 士 丘 在现有的图像运动目标检测‘13方法中，帧差 法‘2。33基于图像序列中两帧(或多帧)图像间的差分 来实现检测，具有简单、直接、易于现、可连续处理等 优点，可较好地适应环境的较大变化；但因其难以有 效地检测出对应于运动目标但帧间变化不够明显的 像素点，一般难以获得运动目标的完整轮廓[‘]。光流 法L5J通过估计图像的运动场并合并相似的运动矢量 来实现检测，对于摄像机可动的情况其性能较好。但 其算法复杂，运算量较大，很难实现对视频流的实时 收稿日期：2008—08—07 基金项目：国家自然科学基金资助项目(60672026)。 作者简介：潘翔鹤(1985一)，男，硕士研究生，研究方向为数字图像识别等； 赵曙光(1965一)．男，博士、教授，博士生导师，主要研究方向为智能信息处理、电子设计自动化等，(E·mail： sg．zhao@126．corn) 柳宗浦(1982一)，男，硕士研究生，研究方向为数字图像识别、机器视觉等。 稿件联系人 万方数据 第l期 潘翔鹤等：一种基于梯度图像帧问差分和背景差分的运动目标检测新方法 35 处理；背景差法【63通过将图像序列和参考背景模型 相减来实现检测，可以检测出和运动目标相关的所 有像素点(完整地分割出运动对象)，因而近年来广 受重视和研究。但现有的该类算法普遍对于外界环 境的变化(如光照、外来事件等)较为敏感“]。 将帧差法与背景差法相融合可获得较好的检测 性能[6]。本文提出一种基于梯度图像，融合帧间差分 和背景差分的运动目标检测新方法。针对真实视频 序列的实验结果表明，该方法既简单有效，又具有较 强的抗干扰能力，较宽的适应范围，较小的运算量和 较好的实时性。 1 基于梯度图像帧间差分和背景差分 的运动目标检测新方法 1．1基本思路与流程 如图1所示，本文方法的特点是基于梯度图像， 将帧间差分与背景差分相融合。预先选取一帧作为 背景帧，建立各像素点的(混合)高斯模型；再对相邻 两帧图像的梯度图像进行差分处理，区分出背景点 和变化区域；然后将变化区域与背景帧的对应区域 进行模型拟合(差分)，区分出显露区(此前被遮挡而 今显露的区域)和运动物体；最后对运动物体进行连 通性 分析 定性数据统计分析pdf销售业绩分析模板建筑结构震害分析销售进度分析表京东商城竞争战略分析 和检验，进一步降低噪声以获得无阴影的 运动物体。背景模型更新也在此过程中完成：对帧间 图1帧间差分与背景差分相融合的运动目标检测算 法流程图 Fig．1Flowchartofthemovingobjectdetecting algorithmproposedthatcombinesgrads— basedframedifferencewithbackground subtraction 差分所判定的背景点按一定的规则进行更新；对背 景差分所判定的显露区，则以较大的更新率收入到 背景帧中；对运动物体对应的区域不进行更新。以下 具体加以说明。 1．2梯度图像生成 帧间差分法的关键是选择适当的分割阈值以区 分目标和噪声。固定阈值无法适应情况(信／噪比)和 环境的变化，自适应阈值则往往算法复杂。另一方 面，图像的梯度不易受亮度变化、量化噪声等的影 响，针对梯度图像进行帧间差分可以较小的计算成 本较好地提取运动目标。因此，本文利用边缘检测性 能较好、计算复杂度较低的Sobel算子‘73提取梯度图 像： 厶(z，y，f)=lf(x，Y，￡)-KHxI+I／(z，Y，f)*Hy (1) ，『1 o 一1] Hx=专I2 o一2 L1 0—1j ．f一1—2 —11 Hy=i1I o o o (2) ‘【 1 2 1 j 其中，f(x，Y，f)为原始灰度图像在(z，y)处的像 素点；厶(z，Y，f)是在t时刻的近似梯度幅值；H。、 H，分别是水平、垂直方向上的Sobel算子。 1．3帧间差分 研究表明序列图像中背景点的帧间差分值服从 零均值，方差为口2的高斯分布N(O，arz)[71： p(dkI凰)=exp[一d2／(2az)]／[瓜口](3) 其中H。代表(z，y)处像素点是背景的假设，d足代表 该像素点的灰度差分值。因此，根据概率统计学中的 假设检验“3盯”法则，利用适当设置的阀值丁即可滤 除背景，检出变化区域： ⋯ 、f255厂G(z，Y，t)≥T，， 肋。∥∥卜10 f～a(x,y,。t)≥丁“’ 上述思想和方法同样适用于梯度图像的帧间差 分[3J]。为提高自适应性，本文按照式(5)、式(6)实时 估计当前帧的背景区域的均方差值盯，按照式(7)选 定丁值： jcj(￡)=去∑∑D(x，Y，￡)*3(FD(x，Y，f一1))(5) (6) 万方数据 光 电 子 技 术 第29卷 T=a·口 (7) 其中，l,b分别是图像序列的长度、宽度，4是背景区 域的面积；一般可令口=3；对于较复杂的场景(如有 摆动的树枝，波动的水面等)，口可取值4到8。 1．4 自适应混合高斯背景模型‘。] 为了适应较为复杂的背景，本文利用混合高斯 模型{j7。(冠)，⋯，仉(X，)，⋯，孙(X，)}，为背景中的每 个像素点五分别建模。其中Ⅳ为分布模型的总个 数，N=3～5(本文N=3)；仉(X，)={胁(X，)，DI (X。)}为第志个高斯分布，胁(X，)、A(置)分别对应 于咒的均值、方差。相应地，像素点X的概率模型 是： f P(Xt)=∑吨(￡)玑(墨)(8) 其中，咄(f)是t时刻第是个分布的优先权系数，反映 它在最近时段内在模型里出现的频度。 为快速、鲁棒地反映背景的变化，本文采用下列 背景更新策略：逐一将每个像素点X，与混合模型包 含的Ⅳ个分布进行比较，直到找到一个与五最匹配 的分布，匹配的定义是： r厂—————’ 舰(￡)；_{1IXt一胁(￡)IT，)(10) o ●11 若这Ⅳ个分布与X。都不匹配，说明X，是一个 新的前景点，则使用一个新的分布17(p，D)来代替混 合模型里优先权系数03k(f)最小的那个分布，该新分 布的均值户=X，，方差D取DM^x，优先权系数03取一 个较小的值。对各优先权系数按下式更新： 吡O)=(1一a)cot(￡)+Mk(t)愚；l，2，⋯，Ⅳ (11) 其中口是学习速率。t时刻各分布的均值、方差分别 按式(12)、式(13)进行更新： 胁(f)：j‘1一JD)段(f一1)+PXtxt与第6个分布匹配 【以(f一1) 否则 (12) f(1一p)D·(f一1)+p(X，一X，与 DI(￡)=．{以(f))了1(x。～胁(f))第1个分布匹配 【D·O一1) 否则 (13) 其中，P的定义和估算公式分别如式(14)、式(15)所 示： JD=aT／(冠I胁(￡)，n(f))(14) nct，≈{：／咄。’喜寄第五个分布匹配] (15) 2 实验与讨论 利用上述方法，针对实际视频序列进行了多组 实验。部分结果如图2、图3所示，反映本文方法可获 得较为理想的背景图像和较好的检测效果。更多的 实验结果‘93进一步表明，该方法既简单有效，又具有 较强的抗干扰能力，较宽的适应范围和较小的运算 量。 图3实验结果2(树枝背景) Fig．3Theexperimentalresult2 3 结束语 考虑到帧间差分和背景差分各有其优缺点且可 互补，而图像梯度具有突出的抗噪声特性，本文提出 了一种基于梯度图像，融合帧间差分和背景差分的 运动目标检测新方法，并进行了实验验证。今后将继 续研究其DSP实现，以实现视频运动目标的高效、 实时检测。 (下转第4l页) 万方数据 第1期 郑煊等：基于虹膜图像特征的噪声检测方法 41 的“膨胀”操作，将“膨胀”之后的所有像素点的位置 都记下来，作为光斑及其周围区域的位置信息。在后 续的操作中，每当碰到这些位置，就跳过不计算。 4 结 论 本文对虹膜区域内的噪声干扰信号的检测问题 作了研究。根据眼睑的特点及眼睑、瞳孔、虹膜的位 置关系，提出了一种快速定位眼睑的方法，并对睫毛 检测方法进行改进。用CASIA虹膜图像数据库内 图像进行实验，仿真结果表明，本文方法基本上可以 实现虹膜区域中噪声的检测。检测出虹膜图像中的 噪声点后，对这些点做标记，在后续处理中对这些点 不做处理，有助于准确定位虹膜外圆，提高识别精 度。 感谢中科院自动化研究所提供的虹膜图像。 参考 文献 I-11DaugmanJ．Howirisrecognitionworks[J]．IEEETrans．on CircuitsandSysten∞forVideoTechnology。2004·14(1)：21— 30． [2]WildesRP。AsmuthJC。GreenGL，eta1．Asystemforau— tomatedirisrecognition[C]．ProceedingsoftheSecondIEEE WorkshoponApplicationofComputerVision，Florida，USA． 1994． [3]田启川．潘寡，程咏梅．等．虹膜识别中噪声检测和处理方法 [J3．计算机 工程 路基工程安全技术交底工程项目施工成本控制工程量增项单年度零星工程技术标正投影法基本原理 ，2006，32(2)：172—174． [4]LiborMasek．RecognitionofHumanIrisPatternsforBiomet— ricldentification[EB／0L]．http：／／www．csse．uwa．edu．au／ ～pk／studentprojects／libor／． [5]中国科学院自动化研究所．CASIA虹膜图像数据库(版本 1．o)I-EB／OL]．http：∥WWW．sinobiometrics．corn．[2007一lo- 203 [6]HuangJunzhou，WangYunhong，TanTieniu，eta1．Anew irissegmentationmethodforrecognitionEC]／／Proceedingsof the17thInternationalConferenceonPatternRecognition·Cam— bridge，2004 [7]徐梅宜．虹膜图像处理技术研究[D]．重庆：重庆大学，2004． [8]姚鹏．复杂背景条件下的虹膜识别算法的研究[D]．合肥：中 国科学技术大学．2005． [93KongWK。ZhangD．Detectingeyelashandreflectionforac· curateirissegmentationl-J-I．InternationalJournalofPattern RecognitionandArtificialIntelligence。2003。17(6)：1025- 1034． [10]KongWK，ZhangD．Accurateirissegmentationbasedon novelreflectionandeyelashdetectionmodel[C]．Proceedings of2001InternationalSymposiumonIntelligentMultimedia· VideoandSpeechProcessing，HongKong，2001． f'113YnanXiaoyan。ShiPengfei．Anirissegmentationprocedure foririsrecognition[C]．ProceedingsofSino-biometrics， Guangzhou·Chinat2004． ¨●¨“●¨¨●ⅢJ◆川◆州I◆㈨●¨¨◆川l◆ⅢI．IⅢ●ⅢI●1I¨◆川I◆ⅢI◆川I◆Ⅲl◆Ⅲ}卅川◆川I◆ⅢI●川I◆ⅢI◆洲◆ⅢI◆圳◆川I◆Ⅲl●川l●Ⅲl●咐I◆Ⅲl◆川HHⅢ◆洲●㈣●1¨I●ⅢI◆¨¨◆ⅢI●ⅢI●埘I◆Ⅲ◆ⅢI◆I-l◆ⅢI◆Ⅷ◆洲●邶．1¨I●¨ (I-接第36页) [13 [23 E3] [4] 参考 文献 BorsAG．Pitas1．Predictionandtrackingofmovingobjects inimagesequences口]．IEEETrans．onImageProcessing． 2000．9(8)：1441-1445． LiptonA．FujiyoshiH·PatilR．Movingtargetclassi—fication andtrackingfromreal·timevideoEC]．In：Proc．IEEEWork— shoponApplicationsofComputerVision．Princeton，NJ． 1998：8一14． ZhaoSG·ZhaoJ．WangY．eta1．MovingobjecteetectingUS- inggradientinformation[C]．Three—frame—differencingand ConnectivityTesting．AI2006，LNAI4304：510-518． ValeraM·VelastinSA．Inteillgentdistributedsurveillance systems；areview[J]．IEEProc．VisionImageSignalPro- cess．2005，152(2)：192—204． [53BarronJ。FleetD．BeaucheminS．Performanceofopticalflow techniques[J]．InternationalJournalofComputerVision， 1994．12(1)：42·77． [6]朱明早．罗大庸．曹倩霞．帧问差分与背景差分相融合的运动目 标检测算法EJ-I．计算机测量与控制，2005，13(3)t215-217． [73WilliamKPratt．数字图像处理[M]．北京：机械工业出版社， 2005． [83StaufferC．GrimsonW．Adaptivebackgroundmixturemodels forreal—timetracking[C]。In：ProcIEEEConferenceonCom- puterVisionandPatternRecognition，Colorado，1999：246— 252． [9]王媛．视频运动目标检测与跟踪算法研究ED]．西安：西安电 子科技大学，2007． 万方数据 一种基于梯度图像帧间差分和背景差分的运动目标检测新方 法 作者： 潘翔鹤， 赵曙光， 柳宗浦， 王媛， Pan Xianghe， Zhao Shuguang， Liu Zongpu， Wang yuan 作者单位： 潘翔鹤,赵曙光,柳宗浦,Pan Xianghe,Zhao Shuguang,Liu Zongpu(东华大学信息科学与技术 学院,上海,201620)， 王媛,Wang yuan(西安黄河机器厂设计所,西安,710043) 刊名： 光电子技术 英文刊名： OPTOELECTRONIC TECHNOLOGY 年，卷(期)： 2009,29(1) 被引用次数： 4次 参考文献(9条) 1.Bors A G;Pitas 1 Prediction and tracking of moving objects in image sequences[外文期刊] 2000(08) 2.Lipton A;Fujiyoshi H;Paril R Moving target classi-fication and tracking from real-time video 1998 3.Zhao S G;Zhao J;Wang Y Moving object eetecting using gradient information 4.Valera M;Velastin S A Intelligent distributed surveillance systems:a review 2005(02) 5.Barron J;Fleet D;Beauchemin S Performance of optical flow techniques 1994(01) 6.朱明旱;罗大庸;曹倩霞 帧问差分与背景差分相融合的运动目标检测算法[期刊 论文 政研论文下载论文大学下载论文大学下载关于长拳的论文浙大论文封面下载 ]-计算机测量与控制 2005(03) 7.William K Pratt 数字图像处理 2005 8.Stauffer C;Grimson W Adaptive background mixture models for real-time tracking 1999 9.王媛 视频运动目标检测与跟踪算法研究 2007 本文读者也读过(4条) 1. 朱明旱.罗大庸.曹倩霞.Zhu Minghan.Luo Dayong.Cao Qianxia 帧间差分与背景差分相融合的运动目标检测算 法[期刊论文]-计算机测量与控制2005,13(3) 2. 邱德润.朱明旱.伍宗富.QIU De-run.ZHU Ming-han.WU Zong-fu 一种基于帧间差分与背景差分的运动目标检测 新方法[期刊论文]-湖南文理学院学报（自然科学版）2007,19(1) 3. 陈凤东.洪炳镕.CHEN Feng-dong.HONG Bing-rong 基于动态阈值背景差分算法的目标检测方法[期刊论文]-哈尔 滨工业大学学报2005,37(7) 4. 车乒.岳格妮 大学音体美专业学生写作中的错误分析[期刊论文]-考试周刊2010(44) 引证文献(4条) 1.蔡睿妍.田全 视频序列中目标的检测与跟踪[期刊论文]-电视技术 2012(15) 2.梁曦.隋静.黄美兰 视频跟踪技术方法研究[期刊论文]-电子元器件应用 2011(1) 3.毕国玲.赵建.隋龙.张艳超 基于红外图像的SF6检漏定位系统[期刊论文]-光电工程 2011(3) 4.陈宇峰.向郑涛.陈利.潘正清 智能交通系统中的交通信息采集技术研究进展[期刊论文]-湖北汽车工业学院学报 2010(2) 本文链接：http://d.wanfangdata.com.cn/Periodical_gdzjs200901008.aspx