复杂背景下实时目标出现与消失的判别（已录用）

1  引  言

     运动物体的检测与跟踪处于视觉监控里面的最基本部分，是后续各种高级处理如目标分类，行为分析等的基础。运动目标的检测是指从视频流中实时的提取出运动的目标，并对其进行识别与判定。物体的出现和消失是物体运动检测过程中经常遇到的问题。在复杂的背景中判别物体的出现和消失是对感兴趣的物体准确跟踪的前提。在发生遮挡，行人丢包，车辆非法停留等场景中，根据前景灰度的变化，传统的帧间差分法并不能很好的区分出来当前区域中物体是出现还是消失，因此，提出了一种自适应背景学习的方法，在实时的情况下，对物体的出现和消失有很好的判别效果。作为扩展，又在单物体判别的基础上提出了多物体判别的思想和方法。

      实现物体消失出现的判别主要有三种方法：光流法^[1]，帧间差分法^[2]，背景差分法^[3]。

      光流法可以在预先不知道场景信息的情况下，通过当前帧的光流变化的运算，检测出独立运动的物体，但多数的光流法运算复杂，不符合实时性的要求；帧间差分法虽然有比较好的适应性，但对帧间的变化速度有一定的要求，过快或者过慢都会影响到运动物体的分割提取，因此有一定的局限性。背景差分法则克服了以上两种方法的缺点，可以很好的分割出运动的物体，并进一步判断物体是出现还是消失。运算量小，保证了实时。需要解决的主要问题有两个：

• （1） 稳定的背景提取。在复杂的背景中，对单个物体消失和出现的判别会受到其他物体以及变化背景的影响。因此背景差分法就是要先提取出一个短时间内不会发生大的变化的背景来，并在一定的情况下对其进行更新。
• （2） 物体的出现消失。一般的跟踪算法都是根据帧间灰度的变化来判别的，而且一般物体的运动都是连续的。对于出现或者消失这种非线性的变化，只采用帧间的灰度变化的方法并不能区分出是发生了出现还是消失。问题的原因就在于不能判断物体是否已经融入到了背景当中。计算出不变的背景帧是对出现消失判别的一个前提。

      在背景的获取方面，采用了一种简单有效的背景提取方法，在复杂的背景下对鼠标选取区域的视频进行前景，背景提取，并通过渐消记忆递归二乘背景估计法^[4]，对运动的背景进行迭代运算，最终得到一个只有背景中静止物体的图像。将降噪滤波后的前景与背景对比，就能判别当前选取的区域内的物体是出现还是消失。

2 判断单物体的出现消失

      提出的背景提取方法为渐消记忆递归二乘背景估计法，先将选取区域中的ROI（Region Of Interesting）区域提取出来，将前景和背景转换成灰度图像后，通过帧间相减的差值得到图像中不变的背景。二值化图像后就将图像中的前景背景剥离出来，并通过形态学滤波，平滑，侵蚀膨胀，上下位运算等处理得到前景当前帧的灰度图像。物体出现消失的检测流程如图1所示：

2.1 ROI选取区域

      ROI（Region Of Interesting），即图像中的感兴趣区域。作用有两个：一个是选出图像中需要监控的区域，主要是通过鼠标的圈选来获得图像中感兴趣的物体或者区域。另外一个就是降低运算量，在以往的前景背景提取过程中，都是对整个的图像进行运算，当用户只是关注某一区域的灰度变化时，其他地方的运算就会白白消耗资源。从提高图像处理的实时性来说，ROI的选取减少了预处理和编解码的计算量，以及代码传输的带宽，为后面的跟踪，分类等高级处理节约了开销。

2.2前景背景提取

      在镜头