运动目标检测算法的研究
1 帧间差分法
帧间差分法是用来检测固定摄像头下的运动物体。该方法利用图像序列中相邻帧的像素值之间的相关性,先将图像序列中相邻两帧进行相减,然后对得到差值图像进行阈值判断,进而提取动态前景。设It(i, j)代表t时刻的图像,Bt(i, j)为t时刻的背景图像,T为分割阈值,那么
该算法优点是计算简单,适用于简单场景以及光线变化的场景,但是该算法过于简单导致检测结果精度不高,在连续两帧的图像中,运动物体容易造成内部空洞现象,同时还会出现伪目标点,导致检测出的目标要比实际目标大一圈。
2 背景减除法
背景减除是先在不同的应用场景中建立背景,然后检测出场景中的运动目标的方法,也被叫做背景建模。获取背景模型的最简单方法是直接捕获一副不包含任何移动物体的“干净”的背景图像。然而,在实际环境中,这样“干净”的背景是很难被捕捉到的。实际情况中,摄像机捕捉到的每一帧视频往往都是在变化的,如:变化的光照、运动目标被引入背景或从背景中删除等。考虑到鲁棒性和适应性的问题,研究者们提出了许多不同的背景建模方法。下图展示了背景减除的基本步骤:
图2-4 背景减除流程
Fig.2-4 The The process of background subtraction
其中,N表示用来进行背景初始化的帧数,B(t)和I(t)分别表示t时刻的背景图像和当然图像。
一般而言,背景减除都包含了以下步骤: