张国欣，张殿富，范柳青

(1.武警工程学院研究生管理大队，陕西西安 710086;2.武警工程学院科研部，陕西西安 710086;3.武警石家庄指挥学院训练部，河北石家庄 050061)

运动目标检测在视频分析、视频编解码及视频监控等方面起着重要的作用。运动目标检测即实时的检测运动目标，并将其提取出来。在序列图像处理中，运动目标的检测方法总体上可归纳为以下3类:光流法、帧差法和背景差法。

文中重点研究了三帧差分法和混合高斯模型背景差分法。三帧差分法比较简单，对环境的适应能力强，但检测到的运动目标不精确;混合高斯模型背景差分法能在运动目标存在的场景中提取背景模型且对其进行实时更新，但当场景全局光照突变时，会将整个视频帧检测为运动目标，造成误检现象［1］。文中就三帧差分法和混合高斯模型算法进行比较。

1 三帧差分法

三帧差分法也称为对称帧差法，从视频流中截取连续的三帧图像，由这三帧图像的差值得到中间运动目标，这样能够去除因为目标的运动而产生的背景影响，从而得到更准确的目标［2］。三帧差分法的运算过程如下

图1 三帧差分法流程图

其中，fk(x，y)为选取的第k帧图像;Rk(x，y)、Rk+1(x，y)表示相邻帧差图像差分二值图，threshold1、threshold2是二值化图像阈值。对差分后的Rk(x，y)、Rk+1(x，y)差分图进行逻辑与运算，得到最终的差分图像Gk(x，y)，运算过程如式(4)所示

2 混合高斯模型背景差分法

混合高斯背景模型法也称为统计背景模型法［3］，在RGB颜色空间对每个像素点采用K隔状态来表示其所呈现的颜色，K个状态中每个状态都采用一个高斯分布表示，其中一部分表示背景的像素值，其余部分则表示运动目标的像素值。令某一点像素点在t时刻的颜色取值表示为Xt，对于灰度图像Xt是一个标量，对于彩色图像，它一个矢量，其概率密度函数用K个三维高斯函数的线性组合表示

图2 混合高斯模型背差分法框图

混合高斯背景模型运用数学建模思想对每个像素点用混合高斯分布建模［4］，由于它是基于背景样本的统计学特征，因此能客观、科学地表征背景信息，然而当背景条件较为复杂时，如受强噪声、背景扰动变化的影响时，混合高斯模型建模对前景运动区域和背景的判别就容易产生误判［5］。

3 两种差分法的对比

测试环境是Matlab，选取典型视频运动实例的第一帧和最后一帧图3所示，其中混合高斯模型的参数K取值3，初始方差σ2为12.5，学习率α为0.01。

图3 实验结果对比

图3(a)和图3(b)是实例的第一帧及最后一帧原图像;图3(c)和图3(d)是三帧差分法检测结果;图3(e)和图3(f)是混合高斯背景差分法运动目标检测结果。从检测结果图可以看出，三帧差分法对场景中光照变化不敏感，而混合高斯背景差分法也能适应缓慢的光照;三帧差分法检测到的运动目标存在不连续的空洞，不能得到运动目标所有的相关特征像素点，也不能得到运动目标完整轮廓，例如图3(c)，图3(d)检测到的人物不完整，提取到的特征像素点较少，这给以后的运动目标识别和跟踪带来困难;而混合高斯背景差分法能够提取运动目标完整的特征像素点，并将运动目标的阴影一起检出，导致目标轮廓不清晰。

4 结果分析

通过编程实现并比较三帧差分和混合高斯背景差分法，可以得出以下结论:三帧差分法算法简单、计算速度快，能够实现实时检测，且不需要人为干预，对动态环境有较好的适应性，但不能提取完整的运动目标，检测的目标精确性一般;混合高斯模型背景差分法能够较为快速且准确的检测出场景中运动的目标，并实时更新背景模型，对场景的变化具有一定的适应性，检测过程不需要人为干预，自主性好，但当场景全局光照突变时，会将整个视频帧检测为运动目标，造成误检。

随着计算机视觉以及视频分析技术的进一步发展，视频目标检测面临许多新应用［6］。针对武器系统的高精度目标自主检测、战场环境的侦查，随着军事装备的自主化、智能化要求越来越高，各种自主控制设备在战场环境侦查等方面的作用凸显。面对武器制导设备的目标检测算法，不仅要求算法具有较高的检测精度，而且在实时性、快速性方面亦提出了更高的要求。面对新的应用，当前已有的算法无法在精度、实时性、自主性鲁棒性等方面满足当前的某些应用需求。在这种情况下，对目标检测算法提出了新的挑战，迫切需要开发新的检测算法或改进已有的检测算法。

［1］姜惠云，吴晓娟，王孝刚，等.运动检测算法的研究和仿真实现［J］.电气电子教学学报，2009，24(6):125 －127.

［2］罗志升，王黎，高晓蓉，等.序列图像中运动目标检测与跟踪方法分析［J］.现代电子技术，2009，32(11):68 －71.

［3］魏晓慧，李良福，钱钧.基于混合高斯模型的运动目标检测方法研究［J］.应用光学，2010，17(3):112 －116.

［4］彭艳芳.视频运动目标检测与跟踪算法研究［D］.武汉:武汉理工大学，2010.

［5］施雪梅.运动目标检测与跟踪算法研究［D］.北京:北京交通大学，2010.

［6］赵文哲，秦世引.视频运动目标检测方法的对比分析［J］.科技导报，2009，27(10):131 －132.