夜间弱光环境下运动目标的检测 .pdfVIP

夜间弱光环境下运动目标的检测

张运楚;陈永福;杨红娟

【摘要】夜间弱光环境下视频图像具有像噪声高、对比度低、无彩色信息等特点,

加大了运动目标检测难度,可靠的运动目标检测是实现智能视频监控的关键.文章针

对夜间弱光环境下视频监控近红外图像的特点,基于改进的近似中值滤波原理,建立

了夜间弱光环境下视频图像双尺度背景模型,对运动目标进行双尺度检测,并通过实

验验证了该方法对夜间弱光环境下运动目标检测的有效性.

【期刊名称】《山东建筑大学学报》

【年(卷),期】2016(031)002

【总页数】6页(P119-124)

【关键词】运动目标检测;夜间场景;近似中值滤波;背景模型

【作者】张运楚;陈永福;杨红娟

【作者单位】山东建筑大学信息与电气工程学院,济南250101;山东省智能建筑技

术重点实验室,山东济南250101;枣庄市市中区房产管理局,山东枣庄277100;山东

建筑大学信息与电气工程学院,济南250101;山东省智能建筑技术重点实验室,山东

济南250101

【正文语种】中文

【中图分类】TP391.41

夜间是入侵、盗窃等非法行为的多发时段。日/夜转换型监控摄像机能根据环境照

度的高低，在彩色模式和黑白模式之间自动切换，以保证图像的可辨识性。为改善

夜间成像质量，监控摄像机通常配置850或940nm的近红外LED辅助照明灯，

但红外灯具有较强的指向性，照亮的场景范围和距离有限，光线不均匀，所采集的

近红外图像仍为灰度图像，且噪声高、对比度低，丢失了场景中色彩和纹理等重要

信息，同时还受路灯、车灯引起的高亮光斑、照度波动等干扰，尤其是远景下，运

动目标成像尺寸小，视觉显著性差，区分度下降，加大了检测难度。在日光环境下，

运动目标检测算法常选择色彩、纹理特征进行背景建模[1-3]，但在夜间弱光环境

下算法性能会大幅下降。因此，智能视频监控系统要实现24h全天候运行，就必

须提高夜间弱光环境下运动目标的检测能力。Huang和Song等提出了基于局部

对比度分析的夜间运动目标检测方法，将图像划分为若干尺寸为像素的互不重叠图

像子块，定义图像子块局部对比度为该子块图像标准差与均值的比值，依据图像子

块局部对比度的大小初步判断图像子块内是否存在显著的可见图像内容，得到目标

候选区域；再根据图像子块局部对比度的帧间变化，进一步判断子块图像是否含有

运动目标，最后通过目标跟踪抑制误检。由于对比度是物体与周围背景之间灰度值

相对差异的度量，仅当运动目标整体或部分位于图像子块内时，局部对比度作为可

见图像内容存在的依据才有意义，因此，该方法存在图像子块大小与运动目标大小

的匹配问题[4-5]。Wang研究了夜晚大楼电梯间行人检测问题，针对电梯门开关

时产生的光照突变进行光照补偿，以维持图像亮度空间统计特性的时域一致；然后

计算每一像素的改进局部二值模式特征值，并采用指定半径圆形邻域中所有像素局

部二值模式特征直方图来表达该像素的纹理背景结构；为描述背景的动态变化，每

个像素用K个加权圆域局部二值模式LBP(LocalBinaryPattern)特征直方图作为

背景模型，直方图匹配则采用交集距离测度，采用类似高斯混合背景模型的算法机

理进行模型更新和运动目标分割。局部二值模式实际为一种纹理特征，对噪声比较

敏感，不适合低信噪比、低对比度的室外夜间场景[6]。张棉好提出双模式高斯混

合模型检测夜间视频图像中的运动目标，消除感应式照明设施对背景的影响[7]。

封子军等针对在弱可见光条件下热红外图像分辨率低、场景细节模糊的特点，提出

了一种将红外运动目标与可见光图像融合的目标检测与定位策略[8]。Tsai针对夜

间场景光照波动、光斑和阴影问题，采用高斯混合背景模型和多区域背景分类方法，

将图像分割成候选目标、背景、阴影和亮斑等区域，再通过面积滤波实现运动目标

检测[9]。Cheng为解决夜间视频监控的误报警和漏报警问题，采用基于块的目标

检测方法，根据目标的大小把近红外图像分割成互不重叠的子块，对每个子块进行

阈值分割，得到运动目标；然后利用二阶纹理特征和支持向量机SVM对候选目标

区域进行分类，最终得到行人目标。由于夜间近红外图像几乎无彩色信息，子块阈

值分割时采用YCbCr颜色模型不尽合理[10]。金左轮针对微光图像对比度较低、

显著性差的目标检测，提出了一种基于图像粗糙度特征的纹理显著性度量算法[11]。

文章针对夜间视频监控近红外图像的特点，首先将图像划分为一系列图像子块，计