基于三幀差分及Canny算子的運動目標提取

龐首顏，張元勝

（重慶交通大學信息科學與工程學院，重慶， 400074）

0 引言

隨著社會的發(fā)展，人們對安全的要求逐漸提高。智能監(jiān)控已經(jīng)逐漸從軍事偵查、氣象監(jiān)控、科學研究等專業(yè)領域走進了人們的日常生活，逐漸在銀行、高速公路、智能小區(qū)等廣泛使用起來。運動目標檢測一直都是視頻流分析的重點和難點，其檢測的準確精度直接決定了后續(xù)的目標跟蹤和識別等研究，是視頻圖像跟蹤識別系統(tǒng)中的重要環(huán)節(jié)。目前常用的運動目標檢測方法有背景差分法［1］、幀間差分法［2］和光流法［3］。

幀間差分法是在連續(xù)的圖像序列中2個或3個相鄰幀間，采用逐像素的差分并閾值化來提取出圖像中的運動區(qū)域，它能較快地檢測出視頻圖像中發(fā)生變化的部分。由于連續(xù)兩幀圖像之間的時間間隔較短，差分圖像受光線、氣候等環(huán)境因素變化的影響較較小，因此具有很強的自適應性。但當連續(xù)兩幀圖像灰度和紋理比較接近時將無法得到完整的目標，形成較明顯的目標“空洞”，從而不利于目標的后期進一步分析與識別。

此處以單目固定機位攝像機輸出的視頻圖像序列為研究對象，針對對稱差分提出了一種改進算法。首先通過三幀差分法快速得到運動目標，這時候的運動目標一般都伴隨著“空洞”和“重影”［4］，所以先對其進行二值填充，得到較完整的運動區(qū)域二值填充圖。為了進一步精確檢測運動目標，結合Canny算子對中間幀進行物體的邊緣處理［5］，得到其二值邊緣模板，然后與該運動區(qū)域的二值填充圖相“與”，從而順利分割出運動目標。

1 運動目標檢測及基本數(shù)學形態(tài)運算

1.1 幀間差法運動目標檢測

在連續(xù)的視頻流中采集某一時間段里的視頻序列圖像，設f（x，y，t）表示t時刻當前幀，f（x，y，t－1），表示t時刻的前一幀，則幀間差分法為:

（1）先對連續(xù)2幀差分:

（2）對得到的差分結果進行閾值化得到二值結果:

幀間差分法能有效的抑制在背景差分法中屬于背景的噪音，運動前景輪廓的提取也比較完整。在實驗中可以發(fā)現(xiàn)，幀間差分法對光線等場景變換不太敏感，能夠適應動態(tài)的環(huán)境，因此表現(xiàn)出較好的穩(wěn)定性。但幀間差分法檢測出來的物體是前后兩幀相對變化的部分，出現(xiàn)“雙影”的概率較大。另外，由于檢測出來的物體是前后兩幀相對變化的部分，無法檢測重疊部分，導致檢測到的目標發(fā)生“空洞”［6］。為了改進差分運算效果，提出了基于相鄰三幀的差分法。

1.2 三幀差分運動目標檢測

在視頻序列中，設 f（x，y，t）表示 t時刻當前幀，其前后相鄰的兩幀分別用 f（x，y，t－1）和 f（x，y，t+1）表示，則三幀差分法為:

（2）利用公式（1）對差分結果閾值化得到二值結果。

1.3 Canny算子

常用的邊緣檢測算子［7］有Canny算子、Roberts算子、Sobel算子、Kirsch算子、Laplacian算子等。其中Roberts算子提取的邊緣比較粗，邊緣定位不是很準確，Soble算子對灰度簡便和噪聲較多的圖像處理效果比較好，常用于邊緣定位;Kirsch算子對灰度漸變和噪聲較多的圖像處理效果較好;LapLacian算子對圖像中的階躍邊緣點定位準確，但對噪聲非常敏感，容易造成一些不連續(xù)的檢測邊緣。它們都是局域窗口梯度算子，對噪聲敏感，所以在處理實際圖像時效果并不是十分明顯。而Canny算子不容易受噪聲干擾，能夠檢測出真正的弱邊緣，不容易別噪聲“填充”，更容易檢測出真正的弱邊緣，所以此處的邊緣檢測采取Canny算子。

2 基于三幀差分及Canny算子相結合的運動目標提取

對比幀間差分法，三幀差分法一定程度上解決了對目標運動速度的敏感性，增加了系統(tǒng)的魯棒性。同幀間差分法相同，三幀差分法可以對噪聲進行有效的抑制。幀間差分法和三幀差分法本質(zhì)上相同，都采用相鄰幀間的差值，尋找?guī)g不同的像素點，提取運動目標，因此是有著相同計算模式的兩種算法。在選擇幀間差距的時候由于目標運動速度的差異，也導致了三幀差分法的計算結果中部分目標中心會有“空洞”出現(xiàn)。所以此處結合三幀差分自身的特點及運動目標周圍的環(huán)境，制定算法。其具體的流程如圖1所示。

其具體步驟為:

圖1 程序流程圖

（1）分別對當前幀 f（x，y，t），前一幀 f（x，y，t－1），后一幀 f（x，y，t+1）進行平滑去噪;

（2）f（x，y，t），f（x，y，t－1），f（x，y，t+1）分別做差分，得到差分圖像 D1（x，y，t），D2（x，y，t）;

（3）分別對差分結果 D1（x，y，t），D2（x，y，t）進行閾值二值化;

（4）對二值化后的差分結果進行相“與”運算，得到相“與”結果B（x，y，t）;

（5）對 B（x，y，t）進行區(qū)域填充;

（6）對平滑去噪后當前幀f（x，y，t）進行Canny算子邊緣檢測，得到當前幀的物體邊緣結構;

（7）將當前幀的邊緣結構與步驟（5）的結果相“與”，得到運動目標的邊界;

（8）將（7）得到的目標邊界利用橢圓自適應膨脹，進一步完善不完整的邊界，從而得到封閉的邊界圖像，從而實現(xiàn)運動目標的順利提取。

此外，考慮到三幀差分法的計算量較背景差分法有較大的增加，因此將幀間間隔從連續(xù)的3幀擴大到相隔N幀的3幀，其中2≤N≤5，N的取值為經(jīng)驗值，在這個范圍內(nèi)，目標運動速度小范圍的波動，程序仍然能夠保持準確性和穩(wěn)定性。

3 實驗結果分析

利用此處的方法在普通PC機（CPU為Intel（R）Pentium 2.00G Hz，內(nèi)存為2 GB）上，利用VC++6.0和Opencv1.0實現(xiàn)對圖像圖序列的處理，圖像序列的格式為 JPG，25幀/秒。檢測結果如圖2所示:

圖2（a）—（d）為圖像序列中每隔5幀提取的圖像;圖2（e）—（h）是三幀差分的結果;圖2（i）—（l）是此處算法提取的目標邊緣結果;圖2（m）—（p）是目標區(qū)域提取結果。可以看出三幀差分法檢測到的目標很模糊，而且輪廓不清晰，而文中算法可以比較準確的提取到目標的運動邊界，且對車輛等剛體的邊緣提取效果明顯，解決了傳統(tǒng)三幀差分算法里的邊緣檢測不完整的問題。此外，提取的目標區(qū)域結果比較完整，尤其對面積較大的目標提取效果良好，一定程度上解決了三幀差分算法易產(chǎn)生目標“空洞”的缺點，能準確的實現(xiàn)目標區(qū)域的提取。

圖2 圖像序列檢測結果

4 結論

提出了基于三幀差分和Canny算子邊緣檢測相結合的運動目標檢測方法。該方法的優(yōu)點在于當有運動目標存在時，能準確地將運動邊緣檢測出來;另外，該方法也較好的實現(xiàn)了運動目標的提取。實驗結果表明，該方法快速準確，有一定的實用價值，不僅在光照變化和背景變化的條件下能夠檢測到目標的邊緣，而且在運動目標周圍背景存在過多邊緣時，仍能夠檢測到目標的邊緣，而且目標信息完整，抗噪性能佳。但該方法在運動目標面積較小的情況下，填充效果不理想，是下一步需要繼續(xù)研究的方向。

［1］HARTAOHU I，HARWOOD D，DAVIS L.Real-time surveillance of people and their activities［J］.IEEE Trans Pattern Analysis and Ma2 chine Intelligence，2000，22（8）:809-830

［2］LIPTON A，F(xiàn)UJIYOSHI H，PATIL R.Moving target classification and tracking from real-time video［A］.Proc IEEE Workshop on Application of Computer Vision［C］.Princeton:NJ，1998:8-14

［3］MEYER D，DENZ LE J，N IEMANN H.Model based extraction of articulated objects in image sequences for gait analysis［A］.Proc IEEE Interl national Conference on I mage Processing［C］.Santa Barbara，California，1997:78-81

［4］陳春雨，姚秋香，喬玉龍.基于幀差法和邊緣檢測法的視頻分割算法［J］.濟南大學學報:自然科學版，2012，26（1）:31-35

［5］張 鶴，吳謹，吳雪垠.結合對稱差分和邊界信息的運動目標檢測方法［J］.信息技術，2011（11）:138-141

［6］莫林，廖鵬，劉勛.一種基于背景減除與三幀差分的運動目標檢測算法［J］.微計算機信息，2009（12）:274-276

［7］GONZALEZ R C，WOODS R E.數(shù)學圖像處理［M］.2版.阮裘琦，阮宇智，譯.北京:電子工業(yè)出版社，2007