高远+路杨+李佩琛

摘 要：在视频运动目标检测中，混合高斯模型是一种目前较常用的建模方法。针对混合高斯模型实时性不强等缺陷，文章提出了一种基于三帧差分和混合高斯建模的运动目标检测方法。实验证明，这种算法在自适应性、实时性、正确率等方面都有了很大改进，并且可以减少部分的噪声。

关键词：三帧差分；混合高斯模型；帧运动量；运动目标检测

中图分类号：TP39 文献标志码：A 文章编号：2095-2945（2017）31-0021-03

引言

随着监控技术的快速发展，人们安全意识的普遍提高，监控摄像头早已遍布大街小巷，对视频运动目标的检测和提取成为了重要的研究方向。运动目标检测是指在视频序列中提取与背景存在相对运动的目标，是进行目标追踪、目标识别等处理的基础。

目前常用的运动目标检测方法主要分为三类[1]，包括光流法、帧间差分法和背景减除法。其中光流法利用运动目标随时间变化的矢量特征检测运动区域，能够在摄像机运动的情况下检测出目标，但计算复杂、硬件要求较高。帧间差分法[2]用图像时间序列相邻的帧图像相减，通过相减后的差分图像获取运动轮廓，计算简单，实时性较强。背景减除法[3]则需要预先构建背景，通过当前帧图像和背景相减所得差分图像检测运动目标，能较准确提取目标，但对背景变化敏感，如光照变化、树枝摇动都能引起背景变化，需及时更新背景，所以背景模型的建立至关重要。Stauffer和Crimson提出的混合高斯模型背景建模（GMM）[4-6]，是目前一种较常用的背景建模方法，该方法具有较强的鲁棒性，但对运动物体在场景中静止或者静止物体的突然运动检测失效，并且有着初始学习速度慢、学习速率固定等缺陷。

针对帧间差分法和背景减除法的不足，提出了一种基于三帧差分和混合高斯建模的运动目标检测方法，通过三帧差分所得差分图像统计帧运动量，根据帧运动量的变化自适应调节混合高斯模型的学习速率，实验证明新方法在实时性、自适应性、正确率等方面都有了改进。

1 基本方法

1.1 算法思想

本文算法主要由帧间差分法、运动量统计、混合高斯建模、背景提取和更新、形态学处理等部分组成。首先根据三帧差分得到差分图像，根据差分图像运动区域统计帧运动量，然后由运动量变化动态调节混合高斯建模的学习速率，再由混合高斯模型所得前景图像与差分图像进行逻辑与运算，最后对所得图像进行形态学闭运算和降噪处理，其中三帧差分法和混合高斯模型建模是本算法的核心和关键。

1.2 三帧差分提取差分图像

帧间差分法通过计算视频相邻两帧图像之间像素值的差值提取运动区域，通过计算差分图像能快速检测出目标的运动区域，但往往提取的目标区域比实际情况要大，并且不能检测到重叠部分，导致出现“双影”和“空洞”现象。三帧差分法是帧间差分法的改进，选取时间序列连续的三帧图像并分别将相邻两帧相减，将两幅相减后的图像二值化后进行逻辑与运算得到运动目标轮廓，最后进行填充、去噪声、闭运算等操作，能较好的检测出运动目标的形状轮廓。

1.3 混合高斯建模

混合高斯建模是基于像素样本统计信息的背景建模方法，利用像素在较长时间内大量样本值的概率密度等统计信息（如模式数量、每个模式的均值和标准差）对每个像素点建立高斯分布统计模型，用当前帧的像素值更新高斯模型参数，统计差分进行目标像素判断。

1.4 根据帧运动量改变学习速率

在建立混合高斯模型的参数中，学习速率α对背景模型的影响巨大。学习速率代表了模型更新时旧数据对模型的影响，反应了模型对环境变化的适应快慢。对于复杂场景，运动目标数量较多时要增大学习速率以增强模型的敏感性，以保证运动目标出现和离开及时更新；对于运动目标较少、较为简单的场景，要设置较小的学习速率以保证背景的稳定，不会将运动目标的暂时停留判断为背景。传统混合高斯模型的学习速率通常固定，并不能满足实际需求，本文引入帧运动量以动态改变学习速率α。帧运动量表示差分图像中运动区域像素数和所有像素总数的比值，反映了运动目标区域在整帧图像中的变化情况。对形态学处理和连通域合并后的差分图像B可以根据下面公式得到运动量M：

根据统计出的帧运动量，计算前后两帧的运动量变化率R1以及过往20帧的运动量的平均变化率R2。当某帧运动量较高甚至接近1时，说明几乎整个画面都发生了变化，这种一般是由于光照变化导致，正常情况下的运动目标不可能占据整个屏幕，此时学习速率要取较大的值，本文取值0.5。当R1和R2同时小于0.3时，表明场景处于平稳运动中，背景更新的速度较慢，通常α取值0.05，當R1或R2大于等于0.3时，表明当前场景背景更新速度较快，这时适当增大学习速率α的值以适应环境变化。

1.5 三帧差分法和混合高斯模型的结合

将自适应的混合高斯模型所得运动区域图像与三帧差分法差分图像进行逻辑与运算，然后将图像进行形态学处理、滤波降噪等操作，最后得到运动目标图像。本文算法的流程图如图1。

2 实验结果及分析

本文实验选取的编程工具eclipse，采用opencv3.1作为基础算法库， 选取了768x576.avi和VISOR数据集中帧率为帧率24帧/s、分别率320X240的Laboratory_raw.avi、highwayI_raw.avi测试视频进行处理，分别使用帧间差分法、传统混合高斯建模和本文方法进行实验，部分实验结果如图2。

通过实验结果可以看出，帧间差分法检测结果产生的“双影”和“空洞”现象较明显，传统混合高斯建模实时性不强，提取目标噪声较多。本文算法通过结合两种方法，消除“双影”和“空洞”现象，在目标运动速度较慢的场景，查全率和查准率比传统算法明显提高，检测效果提升显著，而对于运动目标速度过快的场景，效果并不理想。

3 结束语

本文提出了一种三帧差分和混合高斯建模相结合的运动目标提取方法，根据差分图像帧运动量动态调节混合高斯模型学习速率，改进了传统混合高斯建模，实时性、自适应性和正确率等方面都有所提高。

参考文献：

[1]黄凯奇，陈晓棠，康运锋，等.智能视频监控技术综述[J].计算机学报，2015.

[2]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，2009，25（4-3）.

[3]李刚，邱尚斌.于背景差法和帧间差法的运动目标检测方法[J].仪器仪表学报，2006，8.

[4]Stauffer C， Grimson WEL， Adaptive background mixture models for real-time tracking， In Proceedings of IEEE Conference on Com Puter Vision and pattern Recognition， 1999：246-252.

[5]华媛蕾，刘万军.改进混合高斯模型的运动目标检测算法[J].计算机应用，2014，34（2）.

[6]丁亮.视频检索技术在视频图像侦查中的应用研究[D].江苏科技大学，2015.

[7]王文新.海量视频摘要及检索关键技术研究与实现[D].南京邮电大学，2015.

[8]韩小萱.高效监控视频摘要的关键技术研究[D].南京邮电大学，2015.endprint