余长生, 秦伦明

(上海电力大学 电子与信息工程学院, 上海 200090)

近几年,机器视觉领域发展尤为迅速,而运动目标检测作为机器视觉研究的一个不可分割的重要分支,有着十分广阔的应用前景。文献[1]最早提出了用于背景建模的混合高斯模型(Gaussian Mixture Model,GMM),在运动目标检测领域应用广泛。文献[2]通过结合codebook模型和GMM来确定合适的参数值,改进了GMM的效率。文献[3]将帧间差分图像与视觉背景提取差分图像进行逻辑运算来去除鬼影。文献[4]在文献[1]的基础上,将每帧图像区分为背景区域、背景显露区域和运动物体区域,在快速变换的场景下有较好的检测效果。文献[5]提出了一种非参数模型,通过粒子滤波更新参考数据的位置,可以加快处理速度。

运动目标检测最经典的方法包括帧间差分法、背景差分法和光流法。三帧差分法(Three-frame Difference Method,TFDM)是帧间差分法的一种。该方法相较于其他几种算法有着计算量小、抗干扰能力强等优点,但是该方法目标检测不完整,检测结果存在空洞现象。为了改进检测效果,考虑将TFDM和一些好的建模方法相结合,其中最典型的就是混合高斯背景建模法,从而可以有效地提取出完整目标。本文采用两种算法相结合(TFDM& GMM算法)来改善TFDM固有的检测目标不完整的问题。

1 三帧差分法

TFDM是一种通过对视频图像序列的连续几帧图像做差分运算以获取运动目标轮廓的方法。当监控场景中有目标运动时,相邻帧图像之间会出现较为明显的差别,两帧相减,可求得图像对应位置像素值差的绝对值,判断其是否大于某一阈值,如果该绝对值大于预先设置的阈值,则该像素点属于前景,否则属于背景。……