運(yùn)動(dòng)目標(biāo)檢測ppt課件

1、.基于背景減法和幀差法的運(yùn)動(dòng)目標(biāo)檢測電子與通信工程1670737.應(yīng)應(yīng) 用用運(yùn)動(dòng)目標(biāo)檢測概概 述述運(yùn)動(dòng)目標(biāo)檢測是指對序列圖像使用基于信號檢測的方法自動(dòng)分離出運(yùn)動(dòng)像素點(diǎn)和靜止像素點(diǎn)，將變化區(qū)域從背景圖像中提取出來，一般是確定目標(biāo)所在區(qū)域和顏色特征，即檢測出場景中相對運(yùn)動(dòng)的目標(biāo)的過程。運(yùn)動(dòng)目標(biāo)檢測通常處于計(jì)算機(jī)圖像、視頻處理工作底層，是各種后續(xù)高級處理或應(yīng)用，如目標(biāo)跟蹤、目標(biāo)分類、目標(biāo)行為理解等的基礎(chǔ)。智能監(jiān)控系統(tǒng)能夠處理從攝像機(jī)捕捉到的視頻數(shù)據(jù)，并控制整個(gè)視頻監(jiān)控系統(tǒng)，從而賦予視頻監(jiān)控類似人類的智能， 運(yùn)動(dòng)目標(biāo)檢測廣泛應(yīng)用于智能交通系統(tǒng)中，可以通過目標(biāo)檢測技術(shù)來判斷道路交通狀況，如：車輛超速、違

2、規(guī)、交通事故等，也可監(jiān)測交通流量，以使交通指揮人員做出合理的調(diào)度。運(yùn)動(dòng)目標(biāo)檢測在軍事、安檢和航空航天等領(lǐng)域也得到越來越多的研究，一些項(xiàng)目已經(jīng)在實(shí)際應(yīng)用中取得了相當(dāng)不錯(cuò)的效果。.04紋 理01顏 色03流 光02邊 緣 運(yùn)動(dòng)目標(biāo)檢測的基礎(chǔ)運(yùn)動(dòng)目標(biāo)檢測的基礎(chǔ)紋理：它是量化物體表面強(qiáng)度變化的量，一般需要生成描述算子灰度共生矩陣等使用紋理特征進(jìn)行運(yùn)動(dòng)目標(biāo)檢測。顏色：目標(biāo)的外觀顏色與背景不同，可以對其進(jìn)行檢測。在圖像處理中，RGB顏色空間與HSV顏色空間都有廣泛應(yīng)用。邊緣：目標(biāo)的邊緣通常會有較大的亮度變化，而邊緣檢測可以捕捉這變化。邊緣這一特性不易受陽光等外界因素影響，比較簡單精確。流光：它是一個(gè)定義了

3、每個(gè)像素運(yùn)動(dòng)矢量的密集場。先假定連續(xù)幀中對應(yīng)像素的亮度值恒定，接著根據(jù)亮度約束進(jìn)行計(jì)算，常應(yīng)用于運(yùn)動(dòng)目標(biāo)分割和跟蹤。本文主要研究幀差法與背景減法。幀差法利用前后幀的邊緣特性，背景減法中主要基于目標(biāo)的顏色特性。在進(jìn)行運(yùn)動(dòng)目標(biāo)檢測時(shí)，運(yùn)動(dòng)目標(biāo)的特性與背景存在差異才能檢測出來。一些常見的目標(biāo)特性可以概括如下：.幀差法幀差法定義原理基本步驟幀差法是最為常用的運(yùn)動(dòng)目標(biāo)檢測和分割方法之一，在圖像序列相鄰兩幀或三幀間對應(yīng)像素灰度值發(fā)生變化，通過這些差異提取出圖像中的運(yùn)動(dòng)區(qū)域。將相鄰幀圖像對應(yīng)像素值相減得到差分圖像，然后對差分圖像二值化，在環(huán)境亮度變化不大的情況下，如果對應(yīng)像素值變化小于事先確定的閾值時(shí)，可以

4、認(rèn)為此處為背景像素；如果圖像區(qū)域的像素值變化很大，將這些區(qū)域標(biāo)記為前景像素.背景減法背景減法背景減法，或稱背景差法，是目前運(yùn)動(dòng)檢測中的主流方法，它是利用含有運(yùn)動(dòng)目標(biāo)的當(dāng)前圖像與背景圖像的差分來檢測運(yùn)動(dòng)區(qū)域的一種技術(shù)，將當(dāng)前幀與背景圖像進(jìn)行差分比較實(shí)現(xiàn)對運(yùn)動(dòng)區(qū)域的檢測，其中區(qū)別較大的像素區(qū)域被認(rèn)為是運(yùn)動(dòng)區(qū)域，而區(qū)別較小的像素區(qū)域被認(rèn)為是背景區(qū)域。定義首先，用事先存儲或者實(shí)時(shí)得到的背景圖像序列作為背景模型，將當(dāng)前含運(yùn)動(dòng)目標(biāo)的圖像幀和背景模型相減，其次，將計(jì)算結(jié)果在一定閾值T限制下進(jìn)行二值化，判斷出當(dāng)前圖像中出現(xiàn)的偏離背景模型值較大的像素，則為出現(xiàn)的運(yùn)動(dòng)目標(biāo)像素。由于運(yùn)動(dòng)目標(biāo)與背景在灰度或色彩上存在

5、差異，相減、閾值操作后得到的結(jié)果直接給出了目標(biāo)的位置、大小、形狀等，從而可得到較完整的目標(biāo)信息。步驟原理.基于基于MATLABMATLAB的幀差法實(shí)驗(yàn)的幀差法實(shí)驗(yàn)MATLAB語法結(jié)構(gòu)簡單，并具有極強(qiáng)的數(shù)值計(jì)算、圖形文字處理、數(shù)據(jù)分析和圖形繪制等功能，效率比較高。本文涉及的背景法與幀差法都是在MATLAB環(huán)境中實(shí)現(xiàn)運(yùn)動(dòng)目標(biāo)檢測。兩幀差分法是最簡單的運(yùn)動(dòng)目標(biāo)檢測方法之一，由于其運(yùn)算量比較小，容易實(shí)現(xiàn)。然而由于兩幀差法進(jìn)行運(yùn)動(dòng)目標(biāo)檢測是前后兩幀求差的運(yùn)算，可能會攜帶兩幀的運(yùn)動(dòng)細(xì)節(jié)，從而檢測出的目標(biāo)可能會比實(shí)際目標(biāo)要大，或不準(zhǔn)確。本文用三幀差分法代替兩幀差分法進(jìn)行目標(biāo)檢測。三幀差分法就是先對圖像進(jìn)行兩

6、幀差分，再對差分后的圖像進(jìn)行“與”運(yùn)算，從而可以得到兩個(gè)差分圖像的相同區(qū)域，避免了兩幀差中檢測出的目標(biāo)被拉長拉高的現(xiàn)象。實(shí)驗(yàn)數(shù)據(jù)以靜態(tài)背景下的視頻為例，以常見的車輛與行人作為要檢測的運(yùn)動(dòng)目標(biāo)。得到運(yùn)動(dòng)圖像后，一般要進(jìn)行連通性分析，常用的方法是先計(jì)算某一連通區(qū)域的面積，如果其面積大于事先設(shè)定的閾值，那么判斷此區(qū)域?yàn)檫\(yùn)動(dòng)前景，否則為噪聲，要去除。運(yùn)用三幀差分所檢測出的運(yùn)動(dòng)目標(biāo)，可以有效的檢測出運(yùn)動(dòng)物體，能夠較清晰地得到運(yùn)動(dòng)物體的輪廓。.幀差法流程圖幀差法流程圖圖4-1 三幀差分法.幀差法程序幀差法程序.幀差法程序幀差法程序.使用幀間差分法，需要考慮如何選擇合理的時(shí)間間隔，這一般取決于運(yùn)動(dòng)目標(biāo)的速度

7、。對于快速運(yùn)動(dòng)的目標(biāo)，需要選擇較短的時(shí)間間隔，如果選擇不當(dāng)，最壞情況下目標(biāo)在前后兩幀中沒有重疊，被檢測為兩個(gè)分開的目標(biāo)；對于慢速運(yùn)動(dòng)的目標(biāo)，應(yīng)該選擇較長的時(shí)間間隔，如果選擇不當(dāng)，最壞情況下目標(biāo)在前后兩幀中幾乎完全重疊，根本檢測不到目標(biāo)。幀差法結(jié)果幀差法結(jié)果圖4-2 第97幀圖4-3 第98幀圖4-4 第99幀圖4-5 二值化圖4-6 第97幀.基于基于MATLABMATLAB的背景減法實(shí)驗(yàn)的背景減法實(shí)驗(yàn)用事先存儲或者實(shí)時(shí)得到的背景圖像序列作為背景模型，將當(dāng)前含運(yùn)動(dòng)目標(biāo)的圖像幀和背景模型相減，其次，將計(jì)算結(jié)果在一定閾值T限制下進(jìn)行二值化，判斷出當(dāng)前圖像中出現(xiàn)的偏離背景模型值較大的像素，則為出現(xiàn)的

8、運(yùn)動(dòng)目標(biāo)像素。相減后的圖像，一般要進(jìn)行連通性分析，判斷此區(qū)域是否為運(yùn)動(dòng)前景或者為噪聲。去噪，剔除過小噪聲。本文選取某一原始幀作為背景，實(shí)際中是對背景圖像序列每一個(gè)像素進(jìn)行統(tǒng)計(jì)建模得到背景模型，常采用的建模方法有很多，例如高斯背景建模，背景建模對目標(biāo)檢測的準(zhǔn)確性起了重要作用。.背景減法流程圖背景減法流程圖圖4-7 背景減法.背景減法程序背景減法程序.背景減法程序背景減法程序.背景減法結(jié)果背景減法結(jié)果圖4-3 第一幀圖4-4 第98幀圖4-5 背景幀圖4-6 當(dāng)前幀圖4-7 二值化后圖4-8 檢測結(jié)果.幀差法與背景減法的比較分析幀差法與背景減法的比較分析幀差法與背景減法都比較簡單，普遍應(yīng)用的運(yùn)動(dòng)目標(biāo)檢測方法。但是對于幀差法，運(yùn)動(dòng)過快或者運(yùn)動(dòng)過慢的目標(biāo)，檢測的準(zhǔn)確率大大降低，甚至檢測不出，在動(dòng)態(tài)背景下也不適用，易受外界環(huán)境變化的干擾。背景減法的關(guān)鍵在于背景模型，最簡單的背景模型獲取方法是在場景沒有運(yùn)動(dòng)目標(biāo)時(shí)采集圖像作為背景，但這種背景存在局