第五章 运动目标检测
基于视频分析的运动目标检测技术
阴影去除（SR）
基于视频分析的运动目标检测技术
边缘检测
基于视频分析的运动目标检测技术
运动目标提取
演示：室内人流量统计原型系统
第四次上机安排： 时间：12月1日（周一）8:00-11:50（1-4节） 地点：计算中心T07 内容：任选一种方法检测视频中的运动目标，并分析实验 结果。 方式：自行完成 要求：上机时带上选好的有运动目标（建议单个目标，如 车，行人）的视频，可带自己的电脑。
（4）背景中物体运动，引起虚静止物体 当初始背景 中存在运动物体时，该运动物体的初始图像在背景中将 长期存在，在检测结果中出现虚的静止目标，用一般的 背景更新算法很难将该区域去除。 （5）树叶摆动等干扰 当背景中有很多并非绝对静止 的背景物体时，在检测结果中将会产生很多噪声。若场 景中有风，背景中大部分树叶都在晃动，在检测结果中 出现很多树叶。 （6）运动物体的阴影 由于运动物体存在着阴影，而 这些阴影往往与背景不同，在背景相减过程中，这些阴 影会与前景物体连在一起，不利于前景物体的跟踪与识 别。
内颜色分量值在帧视频图像中出现的次数，然后计算出现次数最多的区 间内所有值的平均值，并用它来作为背景模型在该点的颜色值：
Bt ( x, y ) 1 m 1 I t i ( x , y ) m i 0
基于视频分析的运动目标检测技术
背景建模
背景建模
基于视频分析的运动目标检测技术
目标检测
对于（1）光照条件变化 ，必须对所有像素点进 行全局统计，以判断是否有光照条件的变化。依 据前景物体所占比例小的假设，可以通过判断像 素点中前景点占的百分比来判断光照条件是否变 化，以决定是否要提高背景的更新率。 对于（2）遮挡与运动目标混淆 ，目前的解决方 法是基于模板匹配。 对于（3）物体停止或者运动过慢 ，如果停止的 物体将长期静止，则应该将其视为背景；如果它 只是短期停留，则应该还是将其作为前景目标。
缺点 噪声较多，检测精度不高，易 出现重叠和空洞现象，对目标 描述不完整 易受到背景变化的干扰，如树 叶摇动、雨雪天气等 算法复杂耗时，抗噪声能力比 较差，需要特定的硬件支持， 实用性较差
背景减法 算法简单易于实现，检测 结果完整，适合实时处理 光流法 包含目标运动信息和三维 结构信息，可以在场景信 息未知的情况下进行检测
• 测试结果
用户接收报警信息结果
演示：运动目标检测系统
例2：基于视频分析的运动目标检测系统
运动目标检测
视频帧 图像 预处理 背景初始化及更新 目标检测 后处理 运动 目标
算法流程图
预处理: 去噪和亮度归一化 背景建模: 改进的均值滤波背景建模法
目标检测: 差分图像分割
后处理: 涂抹去噪和填充空洞
对于（4）背景中物体运动，引起虚静止物体 ， 由于虚物体被检测出来都是静止的，可以用上述 解决（3）的方法来处理，不过这种方法需要一 定长的时间。或通过基于内容的方法来解决。
对于（5）树叶摆动等干扰 ，可以借助一些去除 噪声的方法。 对于（6）运动物体的阴影 ，可以使用隐式马尔 可夫模型来解决该问题。
TFED算法流程图
运动目标检测—— W4算法
基本原理:用最小灰度值 Min( x, y ) 、最大灰度值 Max( x, y ) 和邻间差分最大值Dif ( x, y ) 来描述背景模型，其中邻间 差分最大值是相邻两帧图像之间灰度差分最大值。算法
检测原理如以下公式所示。
B( x)
0,( Min ( x , y ) k Dif ( x , y )) I ( x, y ) ( Max( x, y ) k Dif ( x, y)) 1,else
第三次上机安排： 时间：11月24日（周一）8:00-11:50（1-4节） 地点：计算中心T07 内容：对第二次上机保存的关键帧先进行灰度化，然后利 用阈值分割算法对其进行图像分割（至少编程实现一种算 法），并分析实验结果。 方式：自行完成 要求：上机时带上存好的关键帧图像，可带自己的电脑。
第五章 运动目标检测技术
基于视频分析的运动目标检测技术
背景建模
步骤1：建立一个视频流滑窗用来缓存前L帧视频图像;
步骤2：将图像的颜色值的变化范围0-255划分为n个区间：[0, N], [N,
2N], … [(n-1)N, 255], N = 255/n；
步骤3：对于每个像素点的每一个颜色通道Байду номын сангаас先统计滑窗时间里每个区间
建立 背景模型
背景差分
提取 运动目标
运动目标
对于场景的动态变化，光照和外部噪声等干扰会影响处 理结果： （1）光照条件变化 一是光照缓慢变化，可以通过更 新背景解决；另一种是光照条件变化很快，背景模型的 更新速度跟不上光照变化速度。会将大面积的背景当作 前景目标。 （2）遮挡与运动目标混淆 当两个运动物体相互靠近重 叠时，简单的背景相减会将其当作一个目标而不是两个 不同目标。而如果一个运动物体的一部分被背景遮挡， 则背景相减后可能会将其当作两个分开的运动物体。 （3）物体停止或者运动过慢 当运动物体停止时，需 要考虑是否将该物体当作背景；而运动过慢物体会产生 拖尾以及中间产生空洞。
运动目标检测—— W4算法
待检测图像
k=1
k=3
k=5
第45帧图像不同k值检测结果对比图
例1：运动目标实时监控及报警系统开发
研究内容
远程视频监控及 报警系统
运动目标检测模 块：W4运动目标 检测算法
远程报警模块： GPRS MODEM 发送短信和彩信 报警
运动目标实时监控及报警系统的设计与开发
关于实验作业（40%） 1）考试（暂定12月22日）前上传至ftp: ftp://211.71.149.41 (只上传上机报告附源代码和 注释）不要上传视频； 2）验机：机房或上课展示
关于期末考试（60%）
1）考试时间地点另行通知（班长） 2）考试方式：闭卷 3）考试题型（填空题，简答题，计算题， 分析应用题，编程题）
SR算法流程图
1. 基于颜色的阴影去除 2. 引入边缘检测 3. 轮廓提取
基于视频分析的运动目标检测技术
阴影去除（SR）——基于颜色的阴影去除
R c1 arctan( max(G, B) ) G ) c2 arctan( max( R , B ) B ) c3 arctan( max( R, G )
运动目标检测——相邻两帧差分
相邻两帧算法流程图
差分图像二值化公式
运动目标检测——相邻三帧差分
相邻三帧算法流程图
运动目标检测——差分相乘法
差分相乘算法流程图
运动目标检测——背景差分法
背景差分算法流程图
运动目标检测——背景差分与边缘检测结合算法（BSED）
BSED算法流程图
运动目标检测——三帧差分和边缘检测结合算法（TFED）
• 路线图
存储彩信图像
视频 序列
W4算法检测 目标
初始化数据库 报警信息
GPRS MODEM 利用数据库接 口发送信息
用户接收报警 信息
系统反馈报警 情况
显示检测结果
运动目标实时监控及报警系统技术 路线图
运动目标实时监控及报警系统的设计与开发
远程报警模块
移动通信技术中使用时间最长、用户最多的网络是2G/2.5G网络。
交叉熵分割
基于视频分析的运动目标检测技术
阴影去除（SR） ◦ 实现了基于颜色不变特征等经典的SR算法
◦ 结合颜色不变特征、混合高斯阴影模型和边缘检测 提出了一种阴影去除方法
基于视频分析的运动目标检测技术
阴影去除（SR）
当前背景 当前帧 边缘检测 边缘差分二值化 边缘检测 轮廓提取 带阴影的 运动目标 基于c1c2c3颜色 空间的阴影检测 基于GMSM 的 阴影验证并去除 边缘二值化 去除阴影的 运动目标
背景和 当前帧
N
背景减
∑>T Y 差分图像 阈值分割
带阴影的运动目标
目标检测算法流程图
基于视频分析的运动目标检测技术
阈值分割
最小分离度阈值:
L i i D(k ) ipi log( ) ipi log( ) m0 (k ) i k 1 m1 (k ) i 0 k
差分图像
2D交叉熵分割
教材补充内容
空域法 运动目标检测 时域法 背景减法 统计背景建模法 光流法 两帧差分法 三帧差分法
运动目标测方法总结示意图
基本背景建模法
均值滤波法 W4法 单高斯模型
混合高斯模型
帧差法
运动目标检测
常见时域法优缺点对比表
算法名称 帧差法
优点 算法简单易于实现实时监 控，对场景光线变化不敏 感
1 f d ( x, y, t1 , t 2 ) 0 | f ( x, y, t1 ) f ( x, y, t 2 ) | T else
图像Ik-1
图像Ik
图像Ik+1
帧差
帧差
差分图像 IZ（k-1,k)
差分图像 IZ（k,k+1)
与运算
三帧时间差分图像 IZk
三帧时间差分法
2、背景差分法(P.172)
基于颜色不变特征的阴影检测
d1 c1B ( x, y ) c1I ( x, y ) 基于高斯混合阴影模型的阴影验证 B ( x, y ) I ( x, y ) c2 d 2 c2 B ( x, y ) I ( x, y ) d c c 3 3 3
GSM全球移动通信系统/GPRS通用分组无线服务
USB接口GPRS MODEM
硬件设备连接效果图
运动目标实时监控及报警系统的设计与开发
