基于android平台的视频运动目标检测系统
■篓鋈盟塑!!—— 塑塑竺!
基于Android平台的视频运
熊欧郑紫微胡峰(宁波大学通信技术研究所浙江宁波315211)
摘要:为了在Android平台上实现实时性好,抗噪声性能强的视频序列运动目标检测系统。本文提出了
一种融合单高斯背景模型和帧间差分的运动目标检测算法。该算法提取出帧间差分法检测的运动目标区域,
并对该区域采用基于单高斯模型的背景差分算法提取出运动目标,然后对高斯背景图像进行更新。实验结果
证明,该算法能够有效降低背景扰动的影响,增强检测出的运动目标的完整性,而其复杂度仅为两种组成算法
之和的73.9%,在Android平台上运行效果良好。
关键词:Android平台;单高斯模型;帧间差分;背景差分;运动检测
1概述 高斯背景模型和帧间差分法的运动目标检测算法,
并设计实现了Android平台上的运动检测系统。
不同于传统的运动目标检测方式,Android移动
智能终端的便携性使得Android平台上的视频处理更
具灵活性、移动性和可拓展性Ill。例如,利用几部2融合算法设计与实现
Android手机就能随时随地快速搭建起一个临时的视本文的融合算法在算法优势互补的基础上,提
频监控系统。因此,Android平台上的运动目标检测具高了检测的运动目标的完整性,降低了背景扰动的
有重大的现实意义。 影响。
帧间差分法能够有效过滤掉背景的扰动,提取
常用的运动目标检测算法包含:光流法(Optical
出包含运动目标区域的轮廓。帧间差分法用前一帧
Flow)、帧间差分法(TemporalDifference)和背景差分法
(Background 图像作为后一帧图像的背景模型,然后相减得到差
Subtraction)三种。其中光流法田计算量相
当大,对硬件要求高,且抗噪声性能差。帧间差分法131分图像。在存在背景扰动的情况下,二值化差分图像
对光照变化不敏感,自适应能力强,但在检测表面相 后会出现一些代表背景扰动的一些相对孤立的亮
对均匀的运动目标时会出现“空洞”现象,不能完整 点。这些亮点在经过随后的数学形态学(腐蚀和膨
的检测出运动目标。背景差分法湖是目前使用最广 胀)处理后将不复存在了,从而达到了去除背景扰动
泛的运动目标检测算法,包括单高斯背景模型[61,中影响的目的。帧间差分法的检测结果是相邻2帧图像
值滤波[71,混合高斯背景模型【8】,内核密度估计嗍等,其中运动目标的叠加,由于空洞现象,实际检测出的是
中的单高斯模型的背景差分法计算量小、容易实现、 包含相邻2帧图像变化的边缘轮廓。这个轮廓包含了
实际的运动目标。
能提取出完整的运动目标,满足Android平台上对算
法的低复杂度的要求。李钰【1等人利用单高斯模型对 单高斯模型法运动检测的优势在于能够提取出
行人进行检测取得较为理想的效果,但在背景扰动 完整的运动目标。结合帧间差分法和单高斯模型法
(晃动的树叶)的情况下表现不理想。 各自的优势,本文算法先采用帧间差分法提取出运
针对使用单高斯模型背景差分法检测运动目标 动目标的轮廓,所有轮廓外的像素点都被视为背景,
易受背景扰动影响的问题。本文提出了一种融合单 只对轮廓所包围的像素点进行单高斯模型匹配得到
万方数据
型竺塑竺