运动目标检测——研究方向与难点

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I_t(i, j)代表t时刻的图像，B_t(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：