基于背景差分法和帧间差分法的视频运动检测

第２９卷第４期增刊

２００８年４月

仪器仪表学报

、，ｏＩ．２９Ｎｏ．４Ａｐｒ．２００８

ＣｈｉｎｅｓｅＪｏｕｍａｌＯｆＳｃｉｅｎｔｉｆｉｃＩｎｓｔｒｕｍｅｎｔ

基于背景差分法和帧间差分法的视频运动检测

林佳乙１

于哲舟１

张健１

马安娜２

）

楚叶峰‘

（１吉林大学计算机科学与技术学院长春１３００１２

２吉林省电力设计院长春１３００２２

摘要本文在介绍了现有运动监测方法的基础上，将背景图像差分法和帧问差分法结合起来，提出了一种新的视频运动检测方法，该方法继承了两种算法的优点，同时又弥补了它们的不足。实验结果表明，本文所述方法对于光照、背景内容的变化不敏感，在运动图像检测中取得了良好的效果。关键词运动检测

背景差分法

帧问差分法

ＡＮｅｗ

ＭｏＶｉｎｇ

Ｄｅｔｅｃｔｉｏｎ

Ｍｅｔｈｏｄ

Ｂａｓｅｄ

ｏｎ

ＢａｃｋｇｒｏｕｎｄＤｉｆ－ｆｅｒｅｎｃｉｎｇａｎｄ

ＣｏｔｅｒｍｉｎｏｕｓＦｒａｍｅｓＤｉｆ．ｆｅｒｅｎｃｉｎｇ

Ｌｉｎ

Ｊｊａｙｉｌ

Ｙｒｕｚｈｅｚｈｏｕｌ

ｚｈａｎｇ

Ｊｉ柚１ＭａＡｎｎａ２

ＣｈｕＹｅｆｅｎ９１

Ｑｃｏｌｔｅｇｅ巧ｃｏｍ雕ｔｅｒＳｃｉｅ∞ｅｎ喇艮ｃｈ∞ｌｏ烈ＪｉｔｉｎＵｎ沁ｅｒｓ讧ｙ・ｃｈｄｎｇｃｈ％ｌ瑚、２・ｃｈｉＭ

２

Ｊｉｌ汛Ｐ删ｉ舵ｅ

Ｅ｜ｅｃ打ｉｃＰｏＷｅｒ

Ｄｅｓｉ醪Ｉ凇ｍＨｔｅ，Ｃ｝ｔｄｎｇｃｈｕｎ．、３∞２２－ｃｈｉＭ）

Ａｂｓｔｒａｃｔ

ＩｎｔｒｏｄｕｃｅｓｏｍｅａｌｇｏｒｉｔｈｍｓｆｏｒＶｉｄｅ０ｍｏｔｉｏｎｄｅｔｅｃｔｉｏｎｉｎｉｍａｇｅ

ｏｎ

ｓｅｑｕ朗ｃｅｓ．Ａ

ｎｅｗ

ｍｏｔｉ∞ｄｅｔｅｃｔｉ∞

ｓｈｏｗ

ｗ雏ｄｅＶｅｌｏｐｅｄｂａＳｅｄ

ｔｈａｔｉｔｉｓ

ｄｉ艉ｒｅｎｃｉｎｇ锄ｄｃｏｔｅ咖ｉｎｏｕｓｆｈｍｅｄｉ侬：ｒｅｎｃｉｎｇ．Ｅｘｐｅｒｉｍｅｎｔｓ

ｒｏｂｕｓｔ啪ｄｅｒｌｉｇｈｔｉｎｇ卸ｄＶａｒｉｏ峪ｂａｃｋｇｒｏｕｎｄｓ．１ｔｉｍｐｒｏＶ％ｔｈｅｅ髋ｃｔｏｆｍｏｔｉｏｎｄｅｔｅｃｔｉｏｎ．

ｔｈｅｂ孔ｋｇｒｏｕｎｄ

ｍｏｔｉｏｎｄｅｔｅｃｔｊｏｎ

ｂａｃｋｇｒｏｕｎｄｄｉ伍：ｒｅｎｃｉｎｇ

ｃｏｔｅ邝ｎｉｎＯｕｓｆｈｍｅｄｉｆｆＩｅｒｅｎｃｉｎｇ

Ｋｅｙｗｏｒｄｓ

方法主要是光流法１２Ｊ和差分图像法Ｉ印Ｊ。

１引言

运动检测ｌＩ】是运动图像分析、可视监控、可

一般来说，光流法的时问开销很大，其实时性和实用性较差。相反，图像差分法比较简单，易于实时，因而成为目前应用最广泛、最成功的运动目标检测方法。图像差分法可分为两类：背景图像差分法和帧间差分法。本文将这两种方法结合起来，提出了基于背景差分法和帧间差分法的视频运动检测方法，实验结果表明，本文所述方法对于光照、背景内容的变化不敏感，在运动图像检测中取得了良好的效果。

视人机交互中的重要处理步骤。其日的是从图像序列中将运动的区域从背景图像中提取出来。通过运动检测可以得到图像中的运动信息，提取图像中的运动人物和目标，对于简化图像目标分类、运动跟踪和图像理解分析等后期处理的难度具有十分重要的意义。然而，由于背景图像的动态变化，如天气、光照、影子及混乱干扰等的影响，使得对图像中运动物体的检测成为一项相当凼难的工作。

目前，对运动物体的检测和运动参数测量的研究方向主要有两种，即：运用人．１：神经网络和运用图像处理的方法。大多数专家学者都把研究重点放在运用图像处理的方法进行运动目标榆测和跟踪，现有的比较有效的图像运动目标检测的

２背景图像差分法

背景图像若分法是传统运动同标检测方法中最卣接、最简单的一种方法。首先，它将选定的背景图像储存卜．来，然后将序列图像当前帧与背景图像做减法运算。由于运动物体和背景在灰度或色彩上存在差别，相减后所得结果中每～像

第４期增刊基于背景差分法和帧问差分法的视频活动检测

素的值和一个预先设定的阈值相比较，如果这个像素的值大于设定的阈值，则判定被监控的场景中存在运动物体，从而得到运动的同标。

背景图像差分法其原理和算法设计简单；可以根据实际情况确定阈值进行处理，所得结果直接反映了运动目标的位置、大小、形状等信息，能够得到比较精确的运动目标信息。但同时也存在受光线、天气等外界条件变化的影响较大；用背景图像差分法去处理目标由静止开始运动的情况，可能出现“鬼影”现象等缺点。在运用背景图

像差分法时，应该重点考剧ｕＪ：

ｌ、如何获得背景图像。背景图像中要求不应该包含运动目标，但是在某些情况下却很难满足这一要求，这就要求用已有图像（其中包含运动目标）去构造一个不包含运动目标的背景图像。

２、如何处理动态背景和视频噪声。运用背景图像差分法，理想的情况就是背景完全不发生变化且没有噪声污染，可是实际中很少能达到这样的理想情况。其主要原因是，视频图像在获取的过程中都会掺入视频噪卢；在户外的情况，背景经常会受到光线和风等自然因素影响而发生变化。根据噪声的米源，可以采用不同的滤波器消除噪声，同时采用自适应动态背景更新的方法来减小动态背景对检测结果的影响。

３、如何选取阈值。阈值的选取直接决定了检测结果的好坏，只有恰当的阈值才能正确地分割出运动目标所占的区域。现在普遍采用根据经验来选取阈值的方法。

３帧间差分法

帧问差分法１６Ｊ是一种通过对视频图像序列中相邻两帧作差分运算来获得运动目标轮廓的方法，它可以很好地适用于存在多个运动目标和摄像机移动的情况。当监控场景中出现异常物体运动时，帧与帧之间会出现较为明显的差别，两帧相减，得到两帧图像亮度羞的绝对值，判断它是否大于阈值来分析视频或图像序列的运动特性，确定图像序列中有无物体运动。图像序列逐帧的差分，相当于对图像序列进行了时域卜的高通滤波。

帧问差分法的优点是：算法实现简单，程序设计复杂度低；对光线等场景变化／１ｉ太敏感，能够适应各种动态环境，稳定性较好。其缺点是：

不能提取出对象的完整区域，只能提取出边界；同时依赖于选择的帧间时间间隔。对快速运动的物体，需要选择较小的时间间隔，如果选择不合适，当物体在前后两帧中没有重叠时，会被检测为两个分开的物体：而对慢速运动的物体，应该选择较大的时问差，如果时间选择不适当，当物

体在前后两帧中几乎完全重叠时，则检测不到物

体。

４提出方法的研究

鉴于背景差分法和帧问差分法的优缺点，我们将这两种方法结合起来，使它们优势互补，从而克服相互的弱点，提高运动检测的效果。但是在实际的场景中，即便是室内环境，也存在光线等各种变化造成的干扰，或者人为造成的开灯等光线的强烈变化。所以在背景差分法的实现中，它的固定背景不能一成不变。如果不进行重新初始化，错误的检测结果将随时间不断累计，造成恶性循环，从而造成ｊｌ｛【控失效。因此，我们在提出检测算法的同时，要建立背景更新模型。保证背景图像能随着光线的变化而变化，确保检测的准确性。

４．１提出新算法的思想

在视频图像序列中，利用已有的背景差分法和帧问差分法作为启示，将动态图像中连续两帧差图像和背景差图像直接进行与操作，再将结果进行二值化处理得到运动结果。这样就达到了加大目标信息的权重，同时抑制了静态背景的效果，

得到的运动检测图像包含了更多日标的信息，不仅包含目标轮廓而且还有目标轮廓内的目标相关点，从而将运动目标从背景图像中分离出来，最终得到视频序列图像中运动存在与否的二值化图像。

４．２算法描述

ｌ、对序列图像进行３×３中值滤波预处理，去掉图像随机噪声。减少以后运算的复杂度，克服噪声对图像处理结果的干扰。

２、从视频图像序列中选取出背景图像所阢砂，使其只包含固定的背景图像：

３、在视频图像序列中选取连续的两帧图像，其中前一帧图像Ｒ．１似∥，当前帧图像＾伍砂；

４、计算当前帧与背景帧的差得ＦＤ化∥，从图像中提取出完整的目标；

１１２

筇２９卷第４＃Ｉｍ¨

Ｃｈｊ—Ｊｏ…１

仪器仪表学报

ｖ０Ｊ２９Ｎｏ４Ａｎｒ２００８

ｏｆＳｃｉｅｎｔｌｎｃ

Ｉｎｓｔ…ｅｎｔ

５、计掉当前１陋与前。恤的芹得ＦＧＡ，ｗ，得

到ｒ］标的变化毓，

６、求帧幕ＦＤ阮纠与，ＦＧ扛川的交集得剑琏动¨杯粗糙的运动区域幽像，

７、数学形志学运算使得运动Ｒ域封川、连续、完整，并去掉背持中的噪卢。

其中

肋（圳）＝｛：

斥（Ｊ，ｙ）玮（Ｊ，ｙ））ｒ

片（Ｊ，，）一毋（ｘ，，Ｈｓ７

阳（ｗ）＝｛：＆：赫髦㈦誊ｍ

上式中，为劂值。对于给定视频序州的图像．假发像素点｝处没有运动，其帧蔗血服从均值为０，

方筹为，的Ｇａｕｓｓ分布Ｎ（ｏ，一）：

州圳，０）２了去“ｐ（＿嘉）…

上式ｃ｝：，Ｈｎ表示无运功假设，∥是帧差的统训

方差，通常认为它等于摄像机嶙卢方筹的两倍。根据概率统计学假发检验“３ｄ”法则，并依据“正

确的阈值ｒ应该能消除太部分噪声”的氰则“。由

试验测试得闽恤ｒ在本文特定的麻刖背骷Ｆ可以选在５～】５之间。

４

３自适应背景模型的更新

采川Ｋａｍａｎｎｍｌ提出的些丁｝尔曼滤波的更

新公式来改进图像平均模犁。在背景估计的柳蚺化阶段，前先选取一个初始的背景，然后川Ｆ式更新背景：

４．】（，）＝Ｂｍ＋（“ｏＭ．（，）＋ｑ“（卜Ⅳ。（ｆ｝）ב【』）一且｛ｆ＂

（４）

式中皿俐为当前背景中像素，的值，竹删为更新后背景中像豢，的值，ｏｍ为当前图像中像素，的值，ｎ－、ａｚ为更新系数。从慨ｍ定义如Ｆ：

帆（泸｛：珊“卜剐。珥’。

由十噪声的存在蚪厦背景的变化，＾

ｆ｝（，】一８★｛，）ｃ‘时．就认为”’前的图像值就是

背景，否ｊｈ＿ｌ｜当前的阿像值为前景。根据当前的图像值是肯帚还是前景取小同的皿新系数

ｍ、％，

当前的圈像值属ｒ背景时就用ｄ．更新，当前的图像值属十前景时就川∞更新．可咀考虑∞、ｎ２随时Ｍ变化，得到“ｌ（ｆ），。２（ｔ），也ａ，以考虑在不同

的图像Ｒ域取不同的参数，得到ｎ。（ｏ‘ｙｘ

№“』．，）－其中ｆ为时问坐标，‘，是像素在罔像中的坐标。

将背景模型更新与前面的ｊ薹动检测结果相结台，畦予静ｌｔ的背景点较大的更新率Ⅱ广０

Ｉ，

而赋丁运动的前景点（运动｜】粕、）较小的更新率

∞＝０叭，经过这种改进后．町以在保护背景模型不受运动ＩＩ标影响的同时迅速响应背景的变化。

这样，背景模带在傩一叫刻不断的得到更

新，尽可能跟实际环境保持敢。通过上面方法，就叮以得刘一值化的前景幽像，由于噪声和空洞的影响，这样的值化前景幽像效果不够理想，田此需要对二值化Ｚ后的目像进行＾ｉ处理，找出遗涮的点。剔除异常点。利川腐蚀＿Ｉ膨胀捭ｆ分别古除孤立的嵘声前景点和填补Ｈ枷：区域的小孔。

４

４实验结果分析

根据上述算法，选取下列５幅Ｈ像来说明该

算法在窀内对＾运动进行检测的情Ｍ。其中，削Ｉ为选取的背景帧图像，例２为当前帧吲像（随机选取视频序列－ｐ第加帧为二’前帧）图３为当前帧图像与背景图像作差后得到的图像图４为当前帧与前一帧作羞得到的图像．图５为使用改

进算法对图２与图３做与运算后所到得的图像．

从罔５ｎｒ以清楚的看出人运动的榆测结粜。

一

～一

目１背＊帕目像

第４期增Ｗ基１背景ｔ分池和帧问麓丹｝＾的祝％镕动柠ｄ

５结束语

实验表明．利用背景艽沾和帧间兹分让改进后的视捌运动｜｜鞠、榆删；Ｚ注，对桃颇罔像序列中的运动物体检ｊ则乳有更¨的教果，并且逆尊：速度快。麻匿看到，嫂进后的锥法要求背景‘ｏ遥动物体的对比艘夫于５％以ｈ才能检测出移动的物体。同时，荠分法巾存在的些缺点¨，然没有得到解决，这些问题还ｆＪ待进步研究。，

参考文献

『ｌ＿±亮，目■¨．谭％小人《自的Ｍ世Ｈ析练述・｝算

机学报２ｎ０２．２５（３）：２２５

２３７

【２］章％日镕ｇ目＊ＴＨ（中ｍ）目像＊＊（第＝版）

北京清华大学，｜：版针

３。＊址仝．颦＃．｝＆点桃‰监拌拄ｍ∞＆‰与ｍ挑

Ⅱ代咆子拈术，２００６．２ｊ：８ｒ１

９Ｉ

ｄ＃十崇．Ｉ＾玲．，ｒＨＵｍ％Ｈ像巾∞ｇ自持Ⅲ武“

月』太学学报，２（州，２４㈨¨７

【５￥Ｈ存，ｊＩｍ琦．ⅦＨＫⅡＪ４＂椅：９１９Ⅻ小被什析

的税频日悻＾∞榆Ⅻ４科学技术与Ｉ摧，２００５，ｊ（１６）：

１１５０ｌｌｊ７

【６．＊盘魁．刘克数字找蜮监控系统小寓时《曲检测系

统的ｍＭ¨胙机＾川日ｆ究，２００５ｌＨ｝１８５

『７ｊ

ＭｅｌｃＬＫＮＮ口ｎ

ｖ【ｄｃｏ＆ｃ…ｌａｌ【ｏｎ倚ｃ。ｎＩｅｎｔ．

ｂａｓｃｄ

ｃ删ｍ删㈦ｊＩ二ｒｆａｎｓ

ｃ雌ｕｌＩｓｓ州ｖＩｄｃｏ

眦ｈ“ｏｌ

１９９９

１２ｆ９ｋ

１１９０

１２∞

＿｛Ｋ

ＰＫ…ｎｎ

ＡＢⅢ“ＲＧ蚓

Ｍｏｖ…ｇ

ｏｑｅｃＩ

ｓｅ胛ｃｎｎＩＩｏｎ

ｂａｓｃｄ

∞

ａｄａｐｌＩ…ｃｋｒｃｎｃ。

ｌｍａｇｅｓ

ｓ镕ｎａ１Ｐｒｏｃｅｓｓｍｇ１９９０【５）：９５｜＿９５４

基于背景差分法和帧间差分法的视频运动检测

作者：作者单位：

林佳乙， 于哲舟， 张健， 马安娜， 楚叶峰

林佳乙,于哲舟,张健,楚叶峰(吉林大学计算机科学与技术学院,长春,130012)， 马安娜(吉林省电力设计院,长春,130022)

本文读者也读过(4条)

1. 肖本贤.陆诚.陈昊.余炎峰.陈荣保 基于帧间差分法和不变矩特征的运动目标检测与识别[会议论文]-20082. 张秋仙.ZHANG Qiu-xian 帧间差分法与平均背景法在运动检测中应用的研究[期刊论文]-企业科技与发展2010(18)

3. 王建林.孙孟奎.杨磊.孙永奇.张士国.王志海 一种基于减背景模型的运动目标检测算法[会议论文]-20084. 范莹.郭成安 一种运动图像的检测与识别技术[期刊论文]-大连理工大学学报2004,44(1)

本文链接：http://d.g.wanfangdata.com.cn/Conference_6810933.aspx