基于差分的运动目标的检测.pdfVIP

第 卷 第 期 软件导刊 8 % 6 Vol.8 No.6 年 月 2009 6 Software Guide Jun. 2009 基于背景差分的运动目标检测研究 黄 磊，于曼曼 （中国地质大学计算机学院，湖北武汉430074 ） 摘 要：基于视频的运动车辆检测及车型识别系统是智能交通系统的重要组成部分。 论述了在固定摄像头拍摄的车 辆图像序列中检测出运动车辆，使用了目前最常用也最有效的运动目标检测方法和背景差分算法，其中前景提取是 背景差分算法的关键。 实验表明：此方案可行。 关键词：车型识别；背景差分；二值化 中图分类号： 文献标识码： 文章编号： （ ） TP391.41 A 1672-7800 2009 06－0187－02 运动目标的像素，否则，就认为是背景像素。在经过前几个阶段 1 运动目标的检测 操作之后， 分割出的像素不仅仅有感兴趣的前景运动像素，往 往还包含由于前景物体运动出现相互遮挡、物体阴影或者噪声 1．1 非背景差分建模方法 等不真实的运动目标像素， 或在真实的运动目标内存在空洞。 非背景差分建模法是不通过建立相应的背景模型进行差 运动区域后处理就是去除不真实的像素得到真实前景运动目 分得到运动变化区域，而是通过一定的模型自适应得找到相应 标的过程。对于运动区域后的处理一般采用的是数学形态学的 的物体变化产生的变化量检测运动物体，这类方法可以适应在 方法。 虽然背景差分建模法思想简单，但是需要有比较强健的 多种环境下的监控。 非背景差分建模法主要的方法是光流法。 背景模型的构建算法，以及能够适应环境变化的更新算法。 这 1．2 背景差分建模方法 样才能避免由于场景的变化导致背景图像的构建失败。这一部 在固定摄像机监控系统中，往往选用计算简单的、实时效 分是背景差分模型算法最为重要的部分。 果都比较不错的背景差分建模方法，实现监控功能。 背景差分 模型法，就是将每个输入视频帧和一张背景图像相比较，如果 2 背景差分的主要方法 同位置的像素特征、像素区域特征或其他特征存在一定程度的 差别，则新视频帧中这些位置的像素点或像素区域就构成前景 比较典型的方法有以下几种：背景均值（中值）减除法，帧 运动目标区域，若对这些前景像素点做进一步处理，即可得到 差法，混合高斯法。 运动目标位置、大小、形状等信息，以便进行目标跟踪和视频内 2．1 背景均值（中值）减除法 容理解。 背景均值减除是用得最多的背景图像构建方法，能够准确 背景差分建模方法的过程， 虽然背景差分模型算法繁多， 提取出全部前景物体，但有误差累积。 算法的过程就是首先建 但按照运动目标检测的过程来分，大多包含 个部分：预处理、