CN101179713A - 复杂背景下单个运动目标的检测方法 - Google Patents

Abstract

复杂背景下单个运动目标的检测方法，属于数字图像处理领域。首先对摄像头采集的第k帧图像f_k(x，y)和第k－1帧图像f_k－1(x，y)分别采用laplace算子进行边缘提取，然后对经过边缘提取的两帧图像进行差分运算，得到差分图像D(x，y)，然后对差分图像D(x，y)进行均值滤波和二值化处理，最后对二值化后的图象进行判断，即认为当差分图像中某一个像素的差大于设定的阈值时，则认为该像素是目标像素，反之则认为是静止不动的背景像素。本发明能够在噪声比较严重的情况下，很好的检测出运动目标，在监控和智能交通等领域有广泛的应用前景。

Description

复杂背景下单个运动目标的检测方法

技术领域

本发明属于数字图象处理领域。

背景技术

新一代的智能视觉监控技术现在航天、军事、农业、工业等有着广泛的应用，它是一个跨学科的综合问题，也是一个极具挑战性的前沿课题。它与传统监控技术的重要区别在于，试图赋予监控系统观察分析场景内容的能力，从而能够在几乎不需要人为干预的情况下，通过对摄像机拍录的图像序列进行自动分析来对动态场景中的目标进行定位、识别和跟踪，并在此基础上分析和判断目标的行为，做到既能完成日常管理又能在异常情况发生的时候及时做出反应。

在整个视觉监控系统中，运动目标检测与跟踪处于最底层，是各种后续高级处理如目标分类、行为理解等的基础。运动目标检测是指从视频流中实时提取目标，而运动目标跟踪则指对目标进行连续的跟踪以确定其运动轨迹。

对运动目标的检测通常有三种方法光流法、瞬时差分算法和背景减法。大多数光流法的计算非常复杂，如果没有硬件支持，不适合实时处理，而且对噪声也比较敏感。瞬时差分算法虽然对动态环境有很好的适应性，能实现实时的运动检测，但是如果图像的质量不是很好，噪声比较严重的话，这种检测方法的可靠性就会大大下降。背景减法则是一个重要的运动检测方法，它能够较完整的提取目标点，却容易受到光照和外部条件造成的场景变化的影响。所以它的难点在于如何进行背景更新。

传统的这种瞬时差分算法在应用的时候有一定的局限性，如果图像中噪声比较严重的话，仅通过阈值的选取来提取运动区域出现错误的几率会比较大，而且阈值的选取并不容易，这样很容易就将噪声点误判为运动目标。

发明内容

本发明的目的是在静止的复杂背景下对单个运动目标进行检测。本发明对传统的瞬时差分的方法进行了改进，并且在以TMS320C6416为核心的DSP开发板上实现了本发明提出的改进算法，经过对算法的汇编语言的不断优化和改进，能够实时且较准确的锁定运动目标，并且能够钩实时得到运动目标的位置信息。

瞬时差分算法是主要的运动目标检测算法之一，它直接比较了两帧图像对应像素点的灰度值的不同，然后通过阈值来提取序列图像中的运动区域。这个在检测图像序列中是个很重要的过程。场景中任何可观察的运动都会在场景序列的变化上体现，检测这个变化，就是在检测其运动过程。

本发明的检测方法主要包含下列步骤：

步骤一：读取第k帧图像f_k(x，y)和第k-1帧图像f_k-1(x，y)，其中k，k-1表示第k帧和k-1帧图像，(x，y)表示图像中像素点的坐标，f_k(x，y)和f_k-1(x，y)表示像素点的像素值。

步骤二：对f_k(x，y)和f_k-1(x，y)分别进行边缘提取，得到f′_k(x，y)和f′_k-1(x，y)。边缘提取的算子很多，可以选择laplace算子，拉普拉斯算子是对二维函数进行运算的二阶导数标量算子。它的定义为

${\▿}^{2}f(x,y)=\frac{{\∂}^2}{\∂x^2}f(x,y)+\frac{{\∂}^2}{\∂y^2}f(x,y)$

其中

和

表示在x方向和y方向的二阶偏导数。在计算中使用的laplace算子是：

-1	-1	-1
			-1	8	-1
-1	-1	-1

步骤三：对经过边缘提取的两帧图像f′_k(x，y)和f′_k-1(x，y)进行差分运算，得到差分图像D(x，y)。

D(x，y)＝|f′_k(x，y)-f′_k-1(x，y)|

其中，D(x，y)为图像f′_k(x，y)和f′_k-1(x，y)差值的绝对值。

步骤四：对差分图像D(x，y)进行均值滤波处理，均值滤波是图像平滑的一种方法，它的运算如下所示：

$D^{\′}(x,y)=\frac{1}{9}\underset{(x,y)\∈S}{\mathrm{\Σ}}D(x,y)$

式中，S是以(x，y)为中心的邻域的集合。对差分图像D(x，y)进行滤波处理主要是过滤一些噪声点，以便留下真实的运动变化的像素点。

步骤五：对均值滤波之后的图像D′(x，y)进行二值化处理。二值化的关键是阈值的选取，计算过程如下所示：

$D^{\&prime;\&prime;}(x,y)=\left\{\begin{array}{c}0,\mathrm{if}{D}^{\&prime;}(x,y)<T\\ 1,\mathrm{otherwise}\end{array}\right.,(0<T<64)$

式中T为差分图像二值化阈值。二值图像中为“0”的像素对应在前后两帧图像间没有发生变化的地方，为“1”的像素对应两帧图像间发生变化的地方，这是由目标运动而产生的，这也就是我们最终检测出来的运动的目标。

在实验过程中为了提高检测的精度和效果，可以采用多帧图像进行类似的处理，关键的问题是在二值化时阈值的选取。正确的选取阈值，才能将噪声的干扰去掉，实现对运动目标的检测。

本发明在传统的瞬时差分算法上进行了改进，能够在噪声比较严重的情况下，很好的检测出运动目标，其基本原理流程图见图1。

附图说明

图1相邻两帧图像瞬间差分基本原理流程

图2整个装置示意图

图3第k-1帧图像

图4第k帧图像

图5检测结果

具体实施方式

本发明是在一个DSP开发板上实现的，此开发板的核心DSP是TI公司的TMS320C6416，它可以外接摄像头，采集图像，也留有VGA接口，可以外接显示器，显示图像。整个装置的示意图如图2所示：

本发明的实现过程可以分为一下几步：

第一步：由核心DSP TMS320C6416控制摄像头，采集图像，将采集来的图像数据存放在DSP的外部RAM上。

第二步：在TMS320C6416上实现目标检测与跟踪的算法，并且进行汇编代码的优化，提高代码效率。

第三步：将摄像头采集进来的图像直接显示在显示器1上，将最终二值化后的图像显示在显示器2上，这样就可以将原始图像和检测出来运动目标的图像进行对比。

本发明在DSP开发板上的实现主要是利用了TI的DSP/BIOS，TI的DSP/BIOS是一个简易的嵌入式操作系统，它方便用户编写多任务程序，并且能增强对代码执行效率的监控。本发明中的运动目标检测算法是在任务中完成的。

首先，利用DSP开发板自带的函数库，将摄像头采集的图像数据放到DSP的外部RAM上。

其次，对存储的图像数据进行处理。取出两帧图像第k帧图像f_k(x，y)和第k-1帧图像f_k-1(x，y)，对它们分别进行边缘提取，本发明采用的是laplace算子，选用其他的算子(如sobel算子)也可以。然后对两帧边缘提取之后的图像进行差分运算，得到差分图像D(x，y)，将差分后的像素值取绝对值之后，进行均值滤波和二值化。

$D^{\&prime;\&prime;}(x,y)=\left\{\begin{array}{c}0,\mathrm{if}{D}^{\&prime;}(x,y)<T\\ 1,\mathrm{otherwise}\end{array}\right.,(0<T<64)$

式中T为差分图像二值化阈值。

二值化的计算主要是阈值的选取。均值滤波和二值化都是为了去除噪声的影响，检测出真正的运动目标。数字图像处理的这些算法都是用汇编语言实现的，算法复杂度不是很大，但是数据量很大，而且摄像头的采集速度很快，为了得到流畅的不丢帧的图像，这些算法要反复的优化，能够高效快速的处理数据。

最后，将摄像头采集的图像和检测目标的图像显示出来。利用开发板的函数库将原始图像和检测后的图像分别显示在不同的显示器上，以便进行对比。

实验结果：

在实验中对本发明提出的算法进行了检验，能够比较准确的找到运动目标。图3和图4分别为第k-1帧和第k帧图像，图5为检测结果，其中，在图5中白色区域为检测出的运动目标，方框为运动目标所在区域。

Claims (1)

1.复杂背景下单个运动目标的检测方法，其特征在于，包括以下步骤：

步骤一：读取第k帧图像f_k(x，y)和第k-1帧图像f_k-1(x，y)，其中k，k-1表示第k帧和k-1帧图像，(x，y)表示图像中像素点的坐标，f_k(x，y)和f_k-1(x，y)表示像素点的像素值；

步骤二：对f_k(x，y)和f_k-1(x，y)分别进行边缘提取，得到f′_k(x，y)和f′_k-1(x，y)；

步骤三：对经过边缘提取的两帧图像f′_k(x，y)和f′_k-1(x，y)进行差分运算，得到差分图像D(x，y)；

D(x，y)＝|f′_k(x，y)-f′_k-1(x，y)|

其中，D(x，y)为图像f′_k(x，y)和f′_k-1(x，y)差值的绝对值；

步骤四：对差分图像D(x，y)进行均值滤波处理，运算如下所示：

$D^{\&prime;}(x,y)=\frac{1}{9}\underset{(x,y)\&Element;S}{\mathrm{\&Sigma;}}D(x,y)$

式中，S是以(x，y)为中心的邻域的集合；

步骤五：对均值滤波之后的图像D′(x，y)进行二值化处理，计算过程如下所示：

$D^{\&prime;\&prime;}(x,y)=\left\{\begin{array}{c}0,\mathrm{if}{D}^{\&prime;}(x,y)<T\\ 1,\mathrm{otherwise}\end{array}\right.,(0<T<64)$

式中T为差分图像二值化阈值；二值图像中为“0”的像素对应在前后两帧图像间没有发生变化的地方，为“1”的像素对应两帧图像间发生变化的地方，就是最终检测出来的运动的目标。

Images