资源描述：
《视频监视系统中运动目标检测的新方法》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。
1、第23卷第1期成都信息工程学院学报Vol.23No.12008年2月JOURNALOFCHENGDUUNIVERSITYOFINFORMATIONTECHNOLOGYFeb.2008文章编号:16711742(2008)01002505视频监视系统中运动目标检测的新方法吴嵘,段文锋,钟诚(四川大学电子信息学院,四川成都610064)摘要:运动目标检测是计算机视觉监视系统的核心。对于采用固定摄像机监控视频运动目标的检测,利用AffineLucasKanade特征跟踪算法的图像金字塔模型,根据模型的不同层数,将对应不同层数分辨率下的差分图像与S
2、usan算子结合,通过形态学处理实现对复杂背景下运动目标的检测。仿真实验结果表明,采用的算法有效地抑制了噪声对运动目标检测效果的影响,且计算量随金字塔层数的增加而成倍减少。关键词:运动目标检测;时间差分;Susan算子;金字塔模型中图分类号:TN911.73文献标识码:A1引言运动目标检测与跟踪是计算机视觉研究领域的热点研究方向。在对运动目标检测的长期研究中,人们提出了许多经典的算法。常用的算法大致有如下几种:时间差分法(TemporalDifference)、背景减法(BackgroundSubtraction)、光流法(opticalflow)、统计学
3、习方法(StatisticalMethodorLearningbasedApproaches)。其中,光流法与统计学习方法运算复杂,不便实时实现;背景减法需要在背景已知的情况下才能很好的检测出运动的目标,一旦实际背景的变化就会影响检测的效果。时间差分法适用于摄像机固定的情况,尤其对动态变化环境下的运动目标有很强的自适应性。文中介绍的两帧差分法与三帧差分法都属于这种方法。文献[1]基于时间差分法提出了一种新的自动提取运动物体的方法,该法认为,图像的梯度信息不易受量化噪声和亮度突变的影响,可有效改善运动检测算法的稳健性,因此,将三帧差分与图像梯度信息(Sobel算子计算得到)相
4、结合,计算出运动物体的轮廓,根据设定的门限值从背景信息中提取运动目标,最后利用连通性测试减弱残余的背景噪声。然而,通过实际仿真发现,虽然该法具有计算量少,适合实时处理,抗噪性能强的优点,但提取的目标模糊,效果与传统三帧帧差法的相似。因此,为改善运动物体的提取质量,正确反映物体实际形状与大小,借鉴了经典光流法的图像金字塔模型,对模型中各层降采样后的子图像运用可变步长的二帧帧差法,将帧差的结果作为Susan算子的输入,对算子作用后的输出进行二值化和形态学处理,从而实现对运动物体的检测。仿真实验表明,采用的方法在抗噪性能及提取目标清晰度方面皆优于文献[1]的方法。2基于时间帧差与
5、Susan算子的检测算法2.1Susan算子在二维图像中,角点刻画了图像中物体的几何形状,Susan是最小核同值区域的缩写,Susan算子是一个简单的非线性操作,能够检测到图像中的边界点和角点,Susan算子采用圆形模板来得到各向同性的响应,设模板为N(x,y),将其依次放在图像中每个像素点的位置,将模板内每个像素的灰度值与核(模板中心)的灰度值进行比较,即1
6、f(x0,y0)-f(x,y)
7、TC(x0,y0;x,y)=(1)0
8、f(x0,y0)-f(x,y)
9、>T式中,(x0,y0)是核在图像中位置坐标,(x,y)是模板N(x,y)中其它位置,f(x,y)
10、和f(x0,y0)分别是在(x0,y0)和(x,y)处像素的灰度,T是一个灰度差的阈值,该值既可用来检测核同值区面积最小值,也可以确定收稿日期:2007072026成都信息工程学院学报第23卷可消除噪声的最大值,函数C(.;.)代表输出的结果。通过对模板中每个像素进行比较得到一个输出游程和S(x0,y0)=C(x0,y0;x,y)(2)(x,y)N(x,y)将游程和S与一个固定的几何阈值G进行比较得到初始边缘响应G-S(x0,y0)S(x0,y0)11、值G设为3Smax/4,可得到最优的噪声消除性能。选用Susan算子替代文献[1]中的Sobel算子,是因为!运算过程中不需要计算微分且其非线性响应的特点有利于减少噪声;∀边缘的响应R将随着边缘的平滑或模糊而增强;#大多数边缘算子会随尺度的变化而改变所检测出的边缘的位置,但Susan算子能提供不依赖于模板尺寸的边缘精度;∃控制参数的选择简单,且任意性较小,容易实现自动化选取。2.2两帧差分与三帧差分法两帧差分法利用2个连续帧的差分检测物体运动区域,如(4)式所示。简单易实现的优点使其常用于实时处[
