运动目标检测--基于YUV颜色空间检测

一、理论

    针对室内监控摄像机和场景相对静止的特点，提出一种基于 YUV 颜色空间的运动检测算法。该算法采用单高斯背景模型建立背景帧，通过与运算将色度分量和亮度分亮的检测结果结合起来，并利用数学形态学闭运算和连通区域面积分析的方法进行后处理。实验表明该算法能较好地抑制光照和阴影的影响，得到较好的处理结果。

二、颜色空间变换

    颜色空间指的是某个三维颜色空间中的一个可见光子集，它包含某个颜色域的所有颜色，可用于表示色彩之间的相互关系。颜色空间有多种，其中 RGB(Red,Green,Blue)颜色空间是一种最常用的彩色信息表达方式，它通过红、绿、蓝三基色的相加来产生其它的颜色，因而适合于显示器等发光体的显示,是计算机领域中最常见的颜色空间。

    然而，在处理现实世界时 RGB 并非很有效，因为它对所有色彩都用等带宽的 R、G、B 三色加以合成，这就使得每个像素在 R、 G、 B 这 3 个分量上拥有相同的像素深度和显示分辨率，需要更多的存储空间。并且任何色彩变动都要求重新读取所有3个分量值进行计算和存储，使得在 RGB 颜色空间上处理一幅图像非常复杂。 因此，为了更好地进行视频运动检测，通过实验，本文算法采用了 YUV 颜色空间。Y 指明视度，即亮度，而 U 和 V 分别为 R-Y 和 B-Y 分量，又称色度，它描述色彩饱和度的属性。 YUV 的优点是它的亮度信号(Y)和色度信号(U，V)相互独立，只需要用 U 和 V 两个分量即可表示色彩，可以单独编码，易于实现压缩，方便传输和处理。在有显示硬件支持的情况下，使用 YUV 还可以减少和消除色彩变换处理，极大地加快显示速度。 因此，它被广泛应用于计算机视频和图像处理之中。

    由于视频序列中图像的存储和显示一般采用 RGB 颜色空间模型，因此需要进行 RGB 到 YUV 颜色空间的变换。传统的转换方法为：

                           

    公式(1)每转换一个像素需要 9次乘法和 6次加法。 在实际处理时为了提高运算速度，使用一种近似公式：

                           

    公式(2)每转换一个像素需要 5 次乘法与 4 次加法，降低了运算次数。

三、运动检测

       假定视频采样时间间隔为t，则当 t=nt 时捕获到第 n帧图像。用 Yni 和Uni、Vni, 分别表示当前第n帧图像点i的亮度分量和两个色度分量；Ybi 和 Ubi、Vbi，表示当前背景图像点的亮度分量和两个色度分量。在允许一定背景噪声的情况下进行检测。

       首先利用色度分量进行检测，并将检测结果存放在一个与视频帧相同尺寸大小的数组 Muv 中，这个数组称为掩模映射表，即色度分量检测出的运动对象所对应的二值图像，在Muv 中所有标志为“1”的点构成前景区域，为“0”的点构成背景区域。

                                                            

       式中：|Uni - Ubi| + |Vni - Vbi| 可以理解为相应像素点颜色之间的色度距离，当有对象闯入时一般会破坏它的成立，可以据此发现运动像素，分割出运动物体。为允许的色度变化阈值，阈值选择准确与否直接影响到二值图像的质量。如果阈值选得太高，二值图像中判定为运动目标的区域就会产生碎化现象；太低，又会引入大量的噪声。本文采用值为0.03。

       使用色度分量检测能够较好地抑制阴影或光照，但是在运动物体和背景颜色接近的地方容易造成漏检。为了解决这一问题，算法同时利用了亮度检测的结果。具体方法为：先对色度检测结果进行膨胀操作，然后和亮度检测结果进行与运算，得到色度和亮度相结合的检测结果。其中亮度检测的形式化描述为:

                                                                              

      相与运算的形式化描述为:

                              

 

      式中：Ty—亮度检测的阈值，本文中取值为0.05。式(9) 中 Muv My分别为色度和亮度检测结果的二值图像，Myuv为色度和亮度进行与运算后的二值图像。