视频运动目标检测算法设计 - 基于DM6446的视频运动车辆检测系统

　　3 视频运动目标检测算法设计

　　在获得视频数据后，需进一步对视频运动目标进行检测（运动车辆）。对固定相机的应用场合，一般采用背景差技术检测视频运动目标，而背景差法又受背景建模效果的约束。目前存在如基于光流场、目标模型以及差分图像等多种视频运动目标检测方法。基于光流场的目标检测法对噪声敏感、计算量大，导致算法实时性较差。基于目标模型的检测方法一般须建立目标的三维模型，再将模型投影至二维平面，再在图像中进行匹配。基于差分图像的检测方法较为常用，可分为邻帧差和背景差两种方法，背景差法是视频运动目标检测中的流行方法。本文即采用背景差法对目标运动区域进行检测，本文针对嵌入式应用，从检测算法的处理效率出发，场景背景模型的获取采用文献［4］所述的基于差异积累的背景建模法。对视频运动目标进行检测主要经过四个步骤：差异积累背景建模、运动区域检测、形态学滤波和区域生长法视频运动目标定位。

　　3.1 差异积累背景建模

　　差异积累背景建模法首先要建立差异图像，设差异图像为F（i，j，t），当前视频帧为f（i，j，tc），基准帧为f（i，j，tb）， 则由当前帧与基准帧比对可以得到一幅差异图像，可表示为公式（1）：

　　

　　这里的Tf 是一个特定的门限，决定着差异的程度。

　　若两幅图像间灰度差在其坐标上有较大的不同时，F（i，j，t）的值被赋为1，否则为0.这样可以生成一个像素值为0 或1，大小与输入图像一致的图像矩阵，称为差异图像。现在考虑一组m 帧视频序列{f（i，j，t1），f（i，j，t2）， …， f（i，j，tm）}，本文选取视频的第f（i，j，tc-3）帧作为基准帧，系统初始化时将读取的第一帧视频数据赋予基准帧，基准帧随着视频的输入不断迭代，程序实现时可按如下方式进行迭代：

　　

　　差异图像描述了视频图像中物体的运动，若在连续图像序列中存在相对稳定的非运动区域则可考虑作为背景。差异图像矩阵随视频帧变化而不断改变，根据差异图像每个像素值的变化程度可以得到一个差异积累动态矩阵D（i，j，t）。 如公式（2）所示：

　　

　　λ记录每个像素差异积累的深度，动态矩阵的单元数量和高宽比例与差异图像矩阵相同，当差异图像某位置处的值为0时使动态矩阵相同位置处的计数器加1，这种计数器在动态矩阵每个单元位置各有一个。在对视频序列连续处理过程中，若动态矩阵元素的计数器值等于λ时，就认为对应位置的像素灰度值在规定范围内无变化，可以作为背景像素。

　　背景的更新采用加权平均法，设更新前背景为Bold（i，j，t），新背景为Bnew（i，j，t），结合系数利用公式（3）可获得当前更新的背景。应用场景的背景会随着新视频帧的输入而不断进行自动更新，图3 示意了差异积累法的背景更新效果。

　　

　　

　　图3 差异积累背景建模过程示意图

　　3.2 运动区域检测

　　在获得背景模型后，采用背景差法即可获得背景差图，设背景差图为Bd（i，j，t），则有：

　　

　　对背景差图做二值化处理即可获得视频运动车辆区域。本文二值化阈值选取采用文献［5］的Otsu 法（最大类间方差法）。Otsu 法根据图像的灰度特性，将图像分成前景和背景两部分。前景和背景之间的类间方差越大，说明构成图像的两部分差别越大，当部分前景错分为背景或部分背景错分为前景时都会导致两部分差异变小，因此，使类间方差最大的分类意味着错分概率最小，选取使类间方差最大和类内方差最小的图像灰度值作为最佳阈值。

　　3.3 形态学滤波

　　仅对背景差图像做二值化处理是不够的，在二值图中可能出现因错判而导致的空洞和细小的噪声，须进一步经形态学滤波处理以连接相关区域和去噪，具体的操作是腐蚀和膨胀。腐蚀的作用是从二值图像中消除不相关的细节，膨胀可以使裂缝桥接起来。先腐蚀后膨胀的过程具有消除细小物体，在纤细点处分离物体和平滑较大的边界时又不明显地改变其面积的作用。先膨胀后腐蚀的过程具有填充物体内部细小空洞、连接邻近物体、在不明显改变面积的情况下平滑其边界的作用。本文中选择3×3 像素大小的结构元素先后对二值图进行腐蚀和膨胀操作。