仪器仪表与检测技术　Ｉｎｓｔｒｕｍｅｎｔａｔｉｏｎ　ａｎｄ　Ｍｅａｓｕｒｍｅｎｔ　自动化技术与应用》　２０１６年第３５卷第３期　智能监控系统中运动目标检测算法的研究　孙永欣　，邓广龙　一．张博文　（１．黑龙江省科学院自动化研究所，黑龙江哈尔滨１５００９０；２．黑龙江省科学院高技术研究院，黑龙江哈尔滨ｌ５００２０））　摘　要：本文主要针对智能监控系统中的目标检测算法做了改进，采用Ｃａｎｎｙ边缘检测算子，结合帧间差分法、背景减除法、颜　色偏差法三种方式的改进算法，实现对光扰噪声、阴影噪声和边缘断裂的去除，从而准确提取出了目标物体边缘，实现对　目标物体的检测与分割。　关键词：目标检测；边缘背景查分法；帧间查分改进算法　中图分类号：ＴＰ２７７．２　文献标识码：Ｂ　文章编号：１００３—７２４１（２０１６）０３—００７３—０６　Ｒｅｓｅａｒｃｈ　ｏｎ　Ｄｅｔｅｃｔｉｏｎ　ｏｆ　Ｍｏｖｉ　ｎｇ　０ｂｊｅｃｔｓ　ｉ　ｎ　Ｉ　ｎｔｅｌ　ｌ　ｉｇｅｎｔ　Ｍｏｎ　ｉｔｏｒｉ　ｎｇ　ａｎｄ　Ｃｏｎｔｒｏｌ　Ｓｙｓｔｅｍ　ＳＵＮ　Ｙｏｎｇ－ｘｉｎ　，ＤＥＮＧ　Ｇｕａｎｇ－ｌｏｎｇ　，ＺＨＡＮＧ　Ｂｅ－ｗｅｎ　（１．Ｉｎｓｔｉｔｕｔｅ　ｏｆＡｕｔｏｍａｔｉｏｎ　Ｈｅｉｌｏｎｇｊｉａｎｇ　Ａｃａｄｅｍｙ　ｏｆ　Ｓｃｉｅｎｃｅ，Ｈａｒｂｉｎ　１　５００９０　Ｃｈｉｎａ；　２．Ｉｎｓｔｉｔｕｔｅ　ｏｆＡｄｖａｎｃｅｄ　Ｔｅｃｈｎｏｌｏｇｙ　Ｈｅｉｌｏｎｇｊｉａｎｇ　Ａｃａｄｅｍｙ　ｏｆ　Ｓｃｉｅｎｃｅｓ，Ｈａｒｂｉｎ　１　５００９０　Ｃｈｉｎａ）　Ａｂｓｔｒａｃｔ：Ｔｈｉｓ　ａｒｔｉｃｌｅ　ｆｏｃｕｓｅｓ　ｏｎ　ｔｈｅ　ｉｎｔｅｌｌｉｇｅｎｔ　ｍｏｎｉｔｏｒｉｎｇ　ｓｙｓｔｅｍ　ｉｎ　ｔａｒｇｅｔ　ｄｅｔｅｃｔｉｏｎ．Ｔｈｅ　ｐａｒｔ　ｏｆ　ｔａｒｇｅｔ　ｄｅｔｅｃｄｏｎ　ｕｓｅｓ　Ｃａｎｎｙ　ｅｄｇｅ　ｄｅｔｅｃｔｉｏｎ　ｏｐｅｒａｔｏｒ，ｃｏｍｂｉｎｅｓ　ｗｉｔｈ　ｔｈｅ　ｉｎｔｅｒ－ｆｌａｍｅ　ｄｉｆｅｒｅｎｃｅ　ａｎｄ　ｂａｃｋｇｒｏｕｎｄ　ｓｕｂｔｒａｃｔｉｏｎ　ｍｅｔｈｏｄ，ｔｏ　ｉｍｐｒｏｖｅ　ｔｈｅ　ａｌｇｏｒｉｔｈｍ，　ｔｏ　ｒｅｍｏｖｅ　ｔｈｅ　ｏｐｔｉｃａｌ　ｉｎｔｅｒｆｅｒｅｎｃｅ　ｎｏｉｓｅ，ｓｈａｄｏｗ　ｎｏｉｓｅ　ａｎｄ　ｅｄｇｅ　ｂｒｅａｋｉｎｇ，ａｎｄ　ｔｏ　ａｃｃｕｒａｔｅｌｙ　ｅｘｔｒａｃｔ　ｔｈｅ　ｅｄｇｅ　ｏｆ　ｔｈｅ　ｔａｒｇｅｔ　ｏｂｊｅｃｔ　ｔｏ　ａｃｈｉｅｖｅ　ｔｈｅ　ｔａｒｇｅｔ　ｏｂｊｅｃｔ　ｄｅｔｅｃｔｉｏｎ　ａｎｄ　ｓｅｇｍｅｎｔａｔｉｏｎ．　Ｋｅｙ　ｗｏｒｄｓ：ｔａｒｇｅｔ　ｄｅｔｅｃｔｉｏｎ；ｅ　ｅ－ｂａｃｋｇｒｏｕｎｄ　ｄｉｆｆｅｒｅｎｃｅ　ｍｅｔｈｏｄ；ｉｎｔｅｒ－ｆｌａｍｅ　ｄｉｆｆｅｒｅｎｃｅ　ｍｅｔｈｏｄ　１　引言　新一代智能监控系统的相关功能正日趋完善，向着智　能化、数字化和网络化的方向迈进，在国防安全、交通管　理、商业监控等领域有着广泛的应用。在智能视频监控系　统的实际应用中，往往需要研究的只是运动目标，为了实　现对运动目标的正确分析，首要的就是通过计算机等设备　将视频序列图像中捕捉到的感兴趣的区域（即运动目标）　分割出来，这就是运动目标检测。作为智能视频监控系统　算法中最基础的部分，它的检测效果会直接影响到后续运　动目标分类、目标跟踪和行为理解等环节，因为后期的处　理主要在于对像素的考虑。但是外界环境的干扰以及背景　的变化也给检测和分割工作带来了很大的难度。　目前常见的运动目标检测方法有帧间差分法、背景　减除法、光流法三种。并且这三种方法的实现方式和效　果均不同…。在实际应用中通常将帧间差分法和背景减　除法结合起来，从而推出一种新的改进算法，以便解决　收稿日期：２０１５—１０－１２　两者算法上存在的不足，虽然这种方法在运动目标检测　上确实使结果得到了改进，但是共性问题却没有得到本　质的改变，光照和阴影的影响依然很突出　。然而图像　边缘检测法却可以填补上述两种方法中共同的漏洞，它　具有受光照影响小、弱光情况下不显示阴影边缘等特点，　因此本文将帧间差分法、背景减除法、边缘检测法，这　三种方法的优势提炼出来，组合成一种改进算法。　２算法的原理与操作步骤　本文的算法改进是在图像边缘检测法的基础上演变　而来的，利用Ｃ　ａｎｎｙ算子本身具备的特性，先构造出　简单的边缘背景模型，再利用边缘减除法，将提取出的　边缘检测结果与所构造的背景边缘做差，从而得到背景　边缘的检测结果，再将其融合到改进的帧间差分法和背　景减除法中，这样便会得到精确的效果，再将轮廓用双　向模板进行填充，最后运用数学形态学滤波方法得到完　整的运动目标图像。

　仪器仪表与检测技术　Ｉｎｓｔｒｕｍｅｎｔａｔｉｏｎ　ａｎｄ　Ｍｅａｓｕｒｍｅｎｔ　自动化技术与应用　２０１６年第３５卷第３期　像序列中的每一个点，假设稳定的背景边缘图像是在Ｔ　帧后建立的，那么经过Ｔ时刻，图像中的每一点表示为　Ｆｂ（ｘ，ｙ）＝砉　其中，其中（ｘ，ｙ）为图像中的一点，Ｆ　（ｘ，Ｙ）代表　边缘概率，通过一点的概率函数，我们不难推出所有点　的概率分布。假设　为阈值，得出最终边缘背景图像　的表达式为　ｆＯ，　Ｒ＜　（　１１，　（２）　设置过大或者过小都会对图像造成影响，过大则　可能造成背景边缘的丢失，过小将有可能涵盖目标边缘，　图３为背景图像在不同①值下所构建的图像。　３．２更新边缘背景　由于光照对图像边缘的影响较小，因此不需要对背　景的每一个时刻进行更新，通过大量的实验可知，每隔　５０帧更新一次背景，效果很好。背景在更新过程中，将　像素点分为两种，一种是没有更新的点，为前景点，另　外一种是参与更新的点，为背景点。其原理与背景原理　一样，具体公式如（３）、（４）所示。　∑　（　Ｊ，　ｆ）＋Ｂ　（　Ｊ，）　（蕾Ｊ　）　—旦　—————一　（３）　‘∑ｗ（ｘ，Ｊ　，ｆ）＋　（　，Ｊ　）　其中　（Ｘ，Ｙ，ｔ）表示背景点中边缘出现情　况，　（ｘ，ｙ，ｔ）代表边缘中前景点的分布，式（４）代表更　新完的最终结果　乏三三　（４）　假设阈值是０，每隔Ｔ　时间更新一次。Ｔ　＝５０，　０＝０．８为本文实验所选取的值。　３．３背景边缘差分法　背景边缘图像建立后，用Ｃａｎｎｙ算法对当前帧进　行边缘检测，并和背景边缘进行差分，假定Ｐ（　，）：｛　ｏ’　Ｌ　，　为当前帧边缘图像，Ｂ　（ｘ，ｙ）为构造的背景边缘，则背　景边缘检测差分图像为　Ｄ（ｘ，ｙ）＝Ｐ（ｘ，ｙ）一Ｂ　（ｘ，Ｙ）　（５）　Ｄ（ｘ，Ｙ）为所得的边缘差分图像，该图像可描述如　下：（１）如果Ｄ（ｘ，ｙ）＝１，则Ｐ（ｘ，ｙ）值为１，Ｂ　（ｘ，Ｙ）　值为０，那么当前帧中该点可判定为物体边缘。（２）如果　Ｄ（ｘ，ｙ）＝０，则Ｐ（ｘ，ｙ）＝Ｂ　（ｘ，ｙ），Ｐ（ｘ，ｙ）＝Ｂｇ（ｘ，　Ｙ）＝０时，可判定该点为目标上非边缘点或者为背景非　边缘点，因此可以得出为非运动物体边缘。Ｐ（ｘ，Ｙ）＝　Ｂｇ（ｘ，ｙ）＝１时，分两种情况讨论，（ａ）Ｐ（ｘ，Ｙ）与Ｂ　（ｘ，　ｙ）二者都是背景边缘，此刻该点不是运动物体边缘。（ｂ）　Ｐ（ｘ，Ｙ）记为运动目标边缘，Ｂ　（ｘ，ｙ）记为不动物体边　缘，当运动物体边缘与背景边缘一致时，该点是目标边　缘。所以，Ｄ（ｘ，Ｙ）为０的点不能确定是否是运动物体　边缘，为了方便后文的叙述，我们将情况２所描述的点　记做“Ｄ点”，即Ｄ（ｘ，Ｙ）＝０且Ｐ（ｘ，ｙ）＝Ｂ　（ｘ，ｙ）：１　的情况。（３）如果Ｄ（ｘ，ｙ）＝－Ｉ时，说明出现了目标遮挡　情况，该点是边缘点的说法也被否定，而准确的说法是　该点是背景边缘，从而得出背景边缘差分图像　。ｉｆ（ｘ）　＝　。ｐｏｉ　（６）　３．４帧间差分算法的改进算法　通常情况下摄像机存在噪声，这其中包括光学的和　量化的，噪声又会影响差分图像的结果　，使其不等于０，　但在时间和空间上，相邻两帧背景点却都近似的服从高　斯分布Ｎ（　，ｏ　），　『一（△Ｌ（　Ｊ　，ｆ）一　）　］　Ｐ（　（　，）ｌ　＝ｅｘｐ　Ｊ—　｝　（７）　【　ｊ　其中，ｔ时刻（ｘ，Ｙ）处的亮度差分值为△Ｌ（ｘ，Ｙ，ｔ）　，背景点的假设条件Ｈ。，因此，依据高斯分布中的“３　ａ　法则”，当阈值设定合理时，就可以有效的分离背景与　前景，将差分图像产生的噪声抑制掉。一般图像中的前　景区域面积远小于背景区域，先将相邻图像做差分，再　选择其均值，均方差视为噪声均值与标准偏差的估计。　本文为了增加均值与均方差估计值的可靠性，采用了如　下公式确定Ｓ　（ｔ），其中Ｓ　（ｔ）为帧间差分阈值。　’（，）：　（，）＋３　（，）　（８）　．　（９）　（，）＝　∑∑址（蕾Ｊ’　ｔ）＊ｏ－（Ｆ（ｘ，ｙ．，））　（１０）　Ａ　ｘ＝Ｏ１＝０　：　／　１　Ｍｚ－　１　ｈｚ＇－Ｉ　Ｌ　Ａ　，￣＊　．ａ（『）＝１　厶厶Ｌ　，　，一　，Ｊ　，　．ｆ））　（１１）　Ｖ丑　０　Ｊ＝０　Ａ＝∑∑ａ（Ｆ（ｘ，　ｆ））　（１２）　由于图像中服从高斯分布规律的点不包括前景点，　

因此与背景点灰度差很多的前景点容易干扰运算，使结　《自动化技术与应用》　２０１６年第３５卷第３期　仪器仪表与检测技术　ｌｎｓｔｒｕｍｅｎｔａｔｉｏｎ　ａｎｄ　Ｍｅａｓｕｒｍｅｎｔ　果不准确。所以，为了使均值与均方估计更合理，应　避开这种前景点的参与　】。本文为了消除这类前景点，　先做了一次处理，然后再估计差分图像的阈值。其中　给定初值Ｓ（ｔ）为１００，然后经ｉ．５．Ｓ　（ｔ－１）进行调整，　以便消除干扰的前景点。估计的均值与标准差分别为　Ｏ）与ｏ－（ｔ），背景区域面积为Ａ，图像宽度与高度分别　为Ｍ和Ｎ。　３．５　背景边缘检测差分与帧间差分和颜色　偏差的结合法　帧间差分的优点是可以消除高斯噪声，缺点是会产　拖影现象，而背景边缘检测差分法优点是不会产生拖影　现象，且受光照和阴影影响较小　。本文采用将背景边　缘检测差分与帧间差分相与，取结果的公共部分的方法，　使其将两者的优势发挥出来，但是该方法仍得不到完整　的目标边缘，在背景相对复杂的情况下，仍会有运动边　缘与背景边缘相重合的地方，因此，本文为了消除边缘　断裂，又在帧差法的基础上，结合了基于亮度与颜色偏　差法。流程如图４所示。　针对图４所示流程，做如下描述：先找到目标边缘　点，再依次进行有规律的顺序扫描，然后判断是否是边　缘点，如果是，在考虑Ｄ点，看ｎ　ｎ范围内是否存在，　如果不存在，重复之前的操作，否则，在ｍ　ｍ范围　内，判断所有像素点。具体步骤：１．进行亮度帧差判别，　然后跟阈值做比较，小于阈值认为是背景点，大于阈值，　则继续进行运算。２．如果既满足亮度帧差判别条件，又　满足颜色偏差，那么可以判定该点是前景点，相反是背　景点。因为目标边缘能量集中的位置可以防止误差扩散，　使结果相对准确、可靠，所以本文限定了ｍ与１２值的大　小，综合考虑，设ｎ为８，ｍ为３。　实验证明大部分噪声来自帧差图像的边缘处，为了　避免大量背景噪声的引入，考虑到不能单纯的引用亮度　帧差，因此本文引人了颜色偏差法来二次判定边缘，旨　在避免光扰及阴影的再次介入。与亮度帧差相比，颜色　偏差所需计算量较大，而Ｄ点又大量存在于待检测图像　中，因此本文通过亮度帧差法滤除大部分背景边缘，然　后用颜色判别法找出大于亮度帧差阈值的点，以保证为　运动目标边缘。　专表示为二者的颜色偏差，设前一帧像素点为ｘ　＝｛Ｂｉ，Ｇｊ，Ｒｊ｝，当前帧像素点为ｘ　＝｛Ｂ　，Ｇ　，Ｒ　｝，最终的判　别结果为　撕　’　，ｘｊ）　＞　ｌ－　经过大量的实验，最终选取颜色判别阈值　＝１０。　

图４背景边缘检测差分结合帧间差分与颜色偏差流程图