庞首颜，张元胜

（重庆交通大学信息科学与工程学院，重庆， 400074）

0 引言

随着社会的发展，人们对安全的要求逐渐提高。智能监控已经逐渐从军事侦查、气象监控、科学研究等专业领域走进了人们的日常生活，逐渐在银行、高速公路、智能小区等广泛使用起来。运动目标检测一直都是视频流分析的重点和难点，其检测的准确精度直接决定了后续的目标跟踪和识别等研究，是视频图像跟踪识别系统中的重要环节。目前常用的运动目标检测方法有背景差分法［1］、帧间差分法［2］和光流法［3］。

帧间差分法是在连续的图像序列中2个或3个相邻帧间，采用逐像素的差分并阈值化来提取出图像中的运动区域，它能较快地检测出视频图像中发生变化的部分。由于连续两帧图像之间的时间间隔较短，差分图像受光线、气候等环境因素变化的影响较较小，因此具有很强的自适应性。但当连续两帧图像灰度和纹理比较接近时将无法得到完整的目标，形成较明显的目标“空洞”，从而不利于目标的后期进一步分析与识别。

此处以单目固定机位摄像机输出的视频图像序列为研究对象，针对对称差分提出了一种改进算法。首先通过三帧差分法快速得到运动目标，这时候的运动目标一般都伴随着“空洞”和“重影”［4］，所以先对其进行二值填充，得到较完整的运动区域二值填充图。为了进一步精确检测运动目标，结合Canny算子对中间帧进行物体的边缘处理［5］，得到其二值边缘模板，然后与该运动区域的二值填充图相“与”，从而顺利分割出运动目标。

1 运动目标检测及基本数学形态运算

1.1 帧间差法运动目标检测

在连续的视频流中采集某一时间段里的视频序列图像，设f（x，y，t）表示t时刻当前帧，f（x，y，t－1），表示t时刻的前一帧，则帧间差分法为:

（1）先对连续2帧差分:

（2）对得到的差分结果进行阈值化得到二值结果:

帧间差分法能有效的抑制在背景差分法中属于背景的噪音，运动前景轮廓的提取也比较完整。在实验中可以发现，帧间差分法对光线等场景变换不太敏感，能够适应动态的环境，因此表现出较好的稳定性。但帧间差分法检测出来的物体是前后两帧相对变化的部分，出现“双影”的概率较大。另外，由于检测出来的物体是前后两帧相对变化的部分，无法检测重叠部分，导致检测到的目标发生“空洞”［6］。为了改进差分运算效果，提出了基于相邻三帧的差分法。

1.2 三帧差分运动目标检测

在视频序列中，设 f（x，y，t）表示 t时刻当前帧，其前后相邻的两帧分别用 f（x，y，t－1）和 f（x，y，t+1）表示，则三帧差分法为:

（2）利用公式（1）对差分结果阈值化得到二值结果。

1.3 Canny算子

常用的边缘检测算子［7］有Canny算子、Roberts算子、Sobel算子、Kirsch算子、Laplacian算子等。其中Roberts算子提取的边缘比较粗，边缘定位不是很准确，Soble算子对灰度简便和噪声较多的图像处理效果比较好，常用于边缘定位;Kirsch算子对灰度渐变和噪声较多的图像处理效果较好;LapLacian算子对图像中的阶跃边缘点定位准确，但对噪声非常敏感，容易造成一些不连续的检测边缘。它们都是局域窗口梯度算子，对噪声敏感，所以在处理实际图像时效果并不是十分明显。而Canny算子不容易受噪声干扰，能够检测出真正的弱边缘，不容易别噪声“填充”，更容易检测出真正的弱边缘，所以此处的边缘检测采取Canny算子。

2 基于三帧差分及Canny算子相结合的运动目标提取

对比帧间差分法，三帧差分法一定程度上解决了对目标运动速度的敏感性，增加了系统的鲁棒性。同帧间差分法相同，三帧差分法可以对噪声进行有效的抑制。帧间差分法和三帧差分法本质上相同，都采用相邻帧间的差值，寻找帧间不同的像素点，提取运动目标，因此是有着相同计算模式的两种算法。在选择帧间差距的时候由于目标运动速度的差异，也导致了三帧差分法的计算结果中部分目标中心会有“空洞”出现。所以此处结合三帧差分自身的特点及运动目标周围的环境，制定算法。其具体的流程如图1所示。

其具体步骤为:

图1 程序流程图

（1）分别对当前帧 f（x，y，t），前一帧 f（x，y，t－1），后一帧 f（x，y，t+1）进行平滑去噪;

（2）f（x，y，t），f（x，y，t－1），f（x，y，t+1）分别做差分，得到差分图像 D1（x，y，t），D2（x，y，t）;

（3）分别对差分结果 D1（x，y，t），D2（x，y，t）进行阈值二值化;

（4）对二值化后的差分结果进行相“与”运算，得到相“与”结果B（x，y，t）;

（5）对 B（x，y，t）进行区域填充;

（6）对平滑去噪后当前帧f（x，y，t）进行Canny算子边缘检测，得到当前帧的物体边缘结构;

（7）将当前帧的边缘结构与步骤（5）的结果相“与”，得到运动目标的边界;

（8）将（7）得到的目标边界利用椭圆自适应膨胀，进一步完善不完整的边界，从而得到封闭的边界图像，从而实现运动目标的顺利提取。

此外，考虑到三帧差分法的计算量较背景差分法有较大的增加，因此将帧间间隔从连续的3帧扩大到相隔N帧的3帧，其中2≤N≤5，N的取值为经验值，在这个范围内，目标运动速度小范围的波动，程序仍然能够保持准确性和稳定性。

3 实验结果分析

利用此处的方法在普通PC机（CPU为Intel（R）Pentium 2.00G Hz，内存为2 GB）上，利用VC++6.0和Opencv1.0实现对图像图序列的处理，图像序列的格式为 JPG，25帧/秒。检测结果如图2所示:

图2（a）—（d）为图像序列中每隔5帧提取的图像;图2（e）—（h）是三帧差分的结果;图2（i）—（l）是此处算法提取的目标边缘结果;图2（m）—（p）是目标区域提取结果。可以看出三帧差分法检测到的目标很模糊，而且轮廓不清晰，而文中算法可以比较准确的提取到目标的运动边界，且对车辆等刚体的边缘提取效果明显，解决了传统三帧差分算法里的边缘检测不完整的问题。此外，提取的目标区域结果比较完整，尤其对面积较大的目标提取效果良好，一定程度上解决了三帧差分算法易产生目标“空洞”的缺点，能准确的实现目标区域的提取。

图2 图像序列检测结果

4 结论

提出了基于三帧差分和Canny算子边缘检测相结合的运动目标检测方法。该方法的优点在于当有运动目标存在时，能准确地将运动边缘检测出来;另外，该方法也较好的实现了运动目标的提取。实验结果表明，该方法快速准确，有一定的实用价值，不仅在光照变化和背景变化的条件下能够检测到目标的边缘，而且在运动目标周围背景存在过多边缘时，仍能够检测到目标的边缘，而且目标信息完整，抗噪性能佳。但该方法在运动目标面积较小的情况下，填充效果不理想，是下一步需要继续研究的方向。

［1］HARTAOHU I，HARWOOD D，DAVIS L.Real-time surveillance of people and their activities［J］.IEEE Trans Pattern Analysis and Ma2 chine Intelligence，2000，22（8）:809-830

［2］LIPTON A，FUJIYOSHI H，PATIL R.Moving target classification and tracking from real-time video［A］.Proc IEEE Workshop on Application of Computer Vision［C］.Princeton:NJ，1998:8-14

［3］MEYER D，DENZ LE J，N IEMANN H.Model based extraction of articulated objects in image sequences for gait analysis［A］.Proc IEEE Interl national Conference on I mage Processing［C］.Santa Barbara，California，1997:78-81

［4］陈春雨，姚秋香，乔玉龙.基于帧差法和边缘检测法的视频分割算法［J］.济南大学学报:自然科学版，2012，26（1）:31-35

［5］张 鹤，吴谨，吴雪垠.结合对称差分和边界信息的运动目标检测方法［J］.信息技术，2011（11）:138-141

［6］莫林，廖鹏，刘勋.一种基于背景减除与三帧差分的运动目标检测算法［J］.微计算机信息，2009（12）:274-276

［7］GONZALEZ R C，WOODS R E.数学图像处理［M］.2版.阮裘琦，阮宇智，译.北京:电子工业出版社，2007