基于matlab的運(yùn)動(dòng)目標(biāo)檢測(cè)

本文格式為Word版，下載可任意編輯——基于matlab的運(yùn)動(dòng)目標(biāo)檢測(cè)XX大學(xué)2023屆本科生畢業(yè)論文（設(shè)計(jì)）

1緒論

1.1課題研究背景及意義

運(yùn)動(dòng)目標(biāo)檢測(cè)是圖像處理與計(jì)算機(jī)視覺的一個(gè)分支，在理論和實(shí)踐上都有重大意義，長(zhǎng)久以來一直被國(guó)內(nèi)外學(xué)者所關(guān)注。在實(shí)際中，視頻監(jiān)控利用攝像機(jī)對(duì)某一特定區(qū)域進(jìn)行監(jiān)視，是一個(gè)細(xì)致和連續(xù)的過程，它可以由人來完成，但是人執(zhí)行這種長(zhǎng)期枯燥的例行監(jiān)測(cè)是不可靠，而且費(fèi)用也很高，因此引入運(yùn)動(dòng)監(jiān)測(cè)十分有必要[1]。它可以減輕人的負(fù)擔(dān)，并且提高了可靠性。概括起來運(yùn)動(dòng)監(jiān)測(cè)主要包括三個(gè)內(nèi)容[2]：運(yùn)動(dòng)目標(biāo)檢測(cè)，方向判斷和圖像跟蹤。運(yùn)動(dòng)目標(biāo)檢測(cè)是整個(gè)監(jiān)測(cè)過程的基礎(chǔ)，運(yùn)動(dòng)目標(biāo)的提取確鑿與否，直接關(guān)系到后續(xù)高級(jí)過程的完成質(zhì)量。

1.2國(guó)內(nèi)外研究現(xiàn)狀

運(yùn)動(dòng)目標(biāo)檢測(cè)在國(guó)外已經(jīng)取得了一些的研究成果[3]，大量相關(guān)技術(shù)已經(jīng)開始應(yīng)用到實(shí)際系統(tǒng)中，但是國(guó)內(nèi)研究相對(duì)落后,與國(guó)外還有較大差距。傳統(tǒng)的視頻目標(biāo)提取大致可以分兩類,一類以空間同性為準(zhǔn)則,先用形態(tài)學(xué)濾波器或其他濾波器對(duì)圖像作預(yù)處理;然后對(duì)該圖像的亮度、色度或其他信息作空間上的分割以對(duì)區(qū)域作邊緣檢測(cè);之后作運(yùn)動(dòng)估計(jì),并合并相像的運(yùn)動(dòng)區(qū)域以得到最終的提取結(jié)果。如光流算法、主動(dòng)輪廓模型算法。此類方法結(jié)果較為確鑿但是運(yùn)算量相對(duì)較大。另一類算法主要以時(shí)間變化檢測(cè)作為準(zhǔn)則,這類算法主要通過幀差檢測(cè)圖像上的變化區(qū)域和不變區(qū)域,將運(yùn)動(dòng)物體與靜止背景進(jìn)行分割。此類方法運(yùn)算量小,提取結(jié)果不如前類方法確鑿。此外,還有時(shí)空結(jié)合方法、時(shí)空亮度梯度信息結(jié)合的方法等等[4]。本文將圍繞以時(shí)間變化監(jiān)測(cè)為基礎(chǔ)的方法展開分析和探討。

1.3本文結(jié)構(gòu)

第1章介紹了本文的研究意義及國(guó)內(nèi)外發(fā)展?fàn)顩r；第2章分為四個(gè)部分詳細(xì)陳述了運(yùn)動(dòng)目標(biāo)檢測(cè)的方法，介紹了背景提取與更新算法，檢測(cè)算法，閾值選取，形態(tài)學(xué)濾波等；第三章對(duì)全文作出了總結(jié)。

1

XX大學(xué)2023屆本科生畢業(yè)論文（設(shè)計(jì)）

２運(yùn)動(dòng)目標(biāo)檢測(cè)的一般過程

2.1背景提取與更新算法

在進(jìn)行運(yùn)動(dòng)目標(biāo)檢測(cè)時(shí)，一個(gè)很重要的步驟就是區(qū)分出運(yùn)動(dòng)目標(biāo)和背景范圍，常見的一種狀況是攝像機(jī)處于靜止?fàn)顟B(tài)并且焦距也是固定的。此時(shí)，圖像中的背景區(qū)域固定不動(dòng)。在這種狀況下，運(yùn)動(dòng)目標(biāo)識(shí)別無論是使用背景差法，還是使用背景差法結(jié)合幀間差法，質(zhì)量良好的背景的建立顯得及其重要。另外，當(dāng)涉及到背景的使用時(shí)，一旦背景發(fā)生一些變化時(shí)，如背景中頻繁地出現(xiàn)運(yùn)動(dòng)物體，或者光照發(fā)生變化、樹葉等小物體的晃動(dòng)等等，使得不能確鑿地提取背景作為參考圖像，從而不能正確地分割出視頻序列中的運(yùn)動(dòng)物體。為了戰(zhàn)勝上述問題，國(guó)內(nèi)外眾多研究人員提出了背景建立和自適應(yīng)的背景模型，實(shí)現(xiàn)了背景模型的實(shí)時(shí)更新，能夠比較確鑿地識(shí)別出運(yùn)動(dòng)目標(biāo)。在能夠滿足實(shí)時(shí)性和實(shí)用性要求的前提下，探討并研究以下幾種算法[5]。

2.1.1手動(dòng)背景法

手動(dòng)背景法需要人觀測(cè)到?jīng)]有前景物體時(shí)啟動(dòng)該幀圖像，作為背景圖像。這種背景提取方法增加了人力和物力的需求，而且在好多狀況下很難在沒有前景的狀況下獲得背景圖像，譬如高速馬路的車輛監(jiān)測(cè)系統(tǒng)、小區(qū)的門禁系統(tǒng)等等。這種方法不能實(shí)現(xiàn)自適應(yīng)背景更新的功能，需要使用其他方法修正由于光線，亮度等的變化帶來的背景誤差。

2.1.2統(tǒng)計(jì)中值法

考慮到運(yùn)動(dòng)物體較少的狀況下，連續(xù)多幀圖像中背景的像素值占主要部分，這樣在一段時(shí)間內(nèi)變化緩慢，取中值便可以認(rèn)為是背景圖像。統(tǒng)計(jì)中值算法從統(tǒng)計(jì)學(xué)的角度統(tǒng)計(jì)單個(gè)像素點(diǎn)Ai(x,y),(i=1,2,…N)在連續(xù)幀圖像中的亮度值Bi。在一段時(shí)間內(nèi)對(duì)視頻序列圖像的亮度值(或者色調(diào)信息)Bi進(jìn)行排序，然后取中值Mi(x,y)作為背景。該算法存在的問題在于：圖像幀的像素點(diǎn)大多以數(shù)萬，數(shù)十萬的數(shù)量級(jí)出現(xiàn)，而用于取中值的圖像幀數(shù)量N也應(yīng)當(dāng)比較大。對(duì)如此大的數(shù)組進(jìn)行排序取出中值，實(shí)現(xiàn)時(shí)計(jì)算量較大，處理較慢。同時(shí)需要占用大量的內(nèi)存單元用于存儲(chǔ)數(shù)據(jù)。

2.1.3算術(shù)平均法

采用算術(shù)平均法提取背景圖像，可以總結(jié)為在特定的時(shí)間段內(nèi)對(duì)像素點(diǎn)的亮度和色調(diào)信息取平均值，用均值作為背景圖像對(duì)應(yīng)像素點(diǎn)數(shù)值。在讀入一段視頻時(shí)，對(duì)某一像素點(diǎn)進(jìn)行觀測(cè)，會(huì)發(fā)現(xiàn)在沒有前景的運(yùn)動(dòng)目標(biāo)通過時(shí)，該點(diǎn)的灰度值保持穩(wěn)定，變化很小,只有當(dāng)前景的運(yùn)動(dòng)目標(biāo)通過時(shí)，該點(diǎn)的灰度才會(huì)發(fā)生猛烈的變化。這樣就可以連續(xù)讀入N幀圖像，對(duì)圖像各點(diǎn)的灰度或色調(diào)信息進(jìn)行統(tǒng)計(jì)的方法，使得變化猛烈的像素點(diǎn)變得平緩，取其平均值作為背景圖像像素點(diǎn)的值。這樣也可以濾除背景圖像中的突變?cè)肼朁c(diǎn)。其統(tǒng)計(jì)公式如下：

2

XX大學(xué)2023屆本科生畢業(yè)論文（設(shè)計(jì)）

NB(x,y)?1N?Ii(x,y)（2-1）

i?1公式中式中：B(x,y)表示背景圖像，Ii(x,y)表示第i幀序列圖像，N表示平均幀數(shù)。在實(shí)際場(chǎng)景中，一段時(shí)間內(nèi)，同一區(qū)域很少有可能總是存在運(yùn)動(dòng)物體。而通過平均法得到的背景就會(huì)消除亮暗分布不均勻的狀況。

選取N=120，MATLAB仿真,從序列圖像的第1、60、120幀可以看出，在第1幀至第120幀時(shí)都存在運(yùn)動(dòng)目標(biāo)，如2-1圖。經(jīng)過對(duì)連續(xù)120幀計(jì)算算術(shù)平均值，得到了基本不包含運(yùn)動(dòng)目標(biāo)的背景圖像，如2-2圖。

(a)第1幀圖像(b)第60幀圖像(c)第120幀圖像

圖2-1各幀圖像

圖2-2算術(shù)法提取的背景圖像

由上述仿真試驗(yàn)證明，算術(shù)平均法的特點(diǎn)是模型簡(jiǎn)單，計(jì)算便利，可以較好的得到背景圖像。但是在仿真過程中，也發(fā)現(xiàn)了該方法的一些問題。其中最明顯的是，該算法得到背景圖像需要獲取的圖像幀較大。受運(yùn)動(dòng)物體數(shù)量的影響，隨著平均幀數(shù)的增加，得到的背景圖像的質(zhì)量越好。由于是求取序列圖像的算術(shù)平均值，假使N值太小，背景圖像中的運(yùn)動(dòng)物體不簡(jiǎn)單被濾除，很簡(jiǎn)單在背景圖像中留下“影子〞。而且在運(yùn)動(dòng)物體好多，軌跡很固定的狀況下，也需要加大N的數(shù)值，以使得平均值更加接近與真實(shí)的背景圖像。在這種狀況下，背景的建立就需要較長(zhǎng)的時(shí)間。本算法也有一定自適應(yīng)更新功能。隨著時(shí)間的推移，在背景提取后獲取的圖像幀也可以作為新的信息量，與背景圖像進(jìn)行統(tǒng)計(jì)平均或加權(quán)平均，實(shí)現(xiàn)背景的自適應(yīng)更新。因此這種方法也使用于實(shí)時(shí)背景更新算法。

3

XX大學(xué)2023屆本科生畢業(yè)論文（設(shè)計(jì)）

2.1.4Surendra算法

Surendra背景更新算法[6][7]能夠自適應(yīng)地獲取背景圖像，該算法提取背景的思想是對(duì)差值圖像的亮度值進(jìn)行判斷，如亮度大于閾值，背景圖像對(duì)應(yīng)位置的像素點(diǎn)保持不變，否則利用當(dāng)前幀對(duì)背景圖像進(jìn)行替換更新。其算法可以分成以下幾個(gè)步驟：

(1)將第1幀圖像I1作為背景B1。

(2)選取閾值T，迭代次數(shù)m=1，最大迭代次數(shù)MAXSTEP。(3)求當(dāng)前幀的幀差分圖像1|Ii－Ii-1|＞T

Di=(2-2)

0|Ii－Ii-1|≤T(4)由二值圖像Di更新背景圖像Bi，

Bi-1(x,y)Di=1

Bi=(2-3)αIi(x,y)+(1-α)Ii-1(x,y)Di=0

式中Bi(x,y)，Di(x,y)為背景圖像和差分二值圖像在(x,y)的灰度值，Ii(x,y)為輸入的第i幀圖像，α為更新速度。

(5)迭代次數(shù)m=m+1，進(jìn)行第(3)步的運(yùn)算。當(dāng)?shù)螖?shù)m=MAXSTEP時(shí)終止迭代，此時(shí)Bi(x,y)可當(dāng)作背景圖像。

選取MAXSTEP=80，α=0.1，選取固定閾值T=20。在MATLAB中進(jìn)行仿真

第30幀背景（灰度）第30幀圖像

第80幀背景（灰度）第80幀圖像

4

XX大學(xué)2023屆本科生畢業(yè)論文（設(shè)計(jì)）圖2-3Surendra算法提取的背景圖像

在仿真研究中發(fā)現(xiàn),MAXSTEP很大程度地決定了背景建立時(shí)的速度，α則決定背景更新的速度。這種背景建模和更新的方法，能夠很好地解決物體長(zhǎng)時(shí)間停留對(duì)背景的影響，由于背景的更新會(huì)將它逐步地作為背景像素點(diǎn)更新到背景中。但是由于它的基本處理方式是幀間差分，使得它不能將色調(diào)、亮度相像的，大面積的運(yùn)動(dòng)物體完整的檢測(cè)出來。這種狀況下，運(yùn)動(dòng)物體的某些部分將作為背景區(qū)域更新到背景中。

2.1.5其他算法

國(guó)內(nèi)外已有的背景提取與更新算法遠(yuǎn)不止上述幾種，如混合高斯模型，分塊統(tǒng)計(jì)算法等也是目前比較常見的算法，其主體思想與算術(shù)平均法類似，只是在做法上有區(qū)別。由于絕大多數(shù)算法都是基于PC機(jī)的實(shí)現(xiàn)，很少將算法的實(shí)時(shí)性作為參考要素。

2.2動(dòng)目標(biāo)檢測(cè)算法研究

在實(shí)際的安防與監(jiān)控應(yīng)用中，大多考慮攝像頭固定的狀況。因此本文在研究運(yùn)動(dòng)目標(biāo)檢測(cè)算法時(shí)，也做如下假設(shè)：攝像頭固定，只對(duì)視場(chǎng)內(nèi)的目標(biāo)進(jìn)行檢測(cè)，離開視場(chǎng)后再次進(jìn)入的物體被視為新目標(biāo)。目前，大多數(shù)的運(yùn)動(dòng)目標(biāo)檢測(cè)的方法或是基于圖像序列中時(shí)間信息的，或是基于圖像序列中空間信息的。常見的方法有如下3種[8]：

(1)光流法

當(dāng)目標(biāo)運(yùn)動(dòng)時(shí)，圖像上對(duì)應(yīng)目標(biāo)的亮度信息（光流）也相應(yīng)的運(yùn)動(dòng)。這樣，根據(jù)時(shí)間上相鄰的幾幀圖像可以計(jì)算出各像素點(diǎn)運(yùn)動(dòng)的大小和方向，從而利用運(yùn)動(dòng)場(chǎng)來區(qū)分背景和運(yùn)動(dòng)目標(biāo)。其主要優(yōu)點(diǎn)在于能檢測(cè)出獨(dú)立的運(yùn)動(dòng)目標(biāo)，而不需預(yù)知場(chǎng)景的任何信息，對(duì)變化的繁雜背景狀況有較好的適應(yīng)。但其缺點(diǎn)也很明顯，由于要依靠光流估計(jì)的確鑿程度，大多數(shù)計(jì)算方法相當(dāng)繁雜并且計(jì)算量特別大，所以除非有特別的硬件支持，否則很難實(shí)現(xiàn)實(shí)時(shí)檢測(cè)。

(2)背景減法

將實(shí)時(shí)視頻流中的圖像像素點(diǎn)灰度值與事先已存儲(chǔ)或?qū)崟r(shí)得到的視頻背景模型中的相應(yīng)值比較，不符合要求的像素點(diǎn)被認(rèn)為是運(yùn)動(dòng)像素。這是視頻監(jiān)控中最常用的運(yùn)動(dòng)檢測(cè)方法。這種方法雖然能較完整的提取運(yùn)動(dòng)目標(biāo)，但對(duì)光照和外部條件造成的環(huán)境變化過于敏感，往往會(huì)將運(yùn)動(dòng)目標(biāo)的陰影錯(cuò)誤的檢測(cè)為其自身的一部分。同時(shí)由于時(shí)間流