《基于联合直方图的运动目标检测算法-贾建英.pdf》由会员分享，可在线阅读，更多相关《基于联合直方图的运动目标检测算法-贾建英.pdf（5页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、Computer Engineering andApplicationskf算机工程与应用基于联合直方图的运动目标检测算法贾建英，董安国JIA Jianying，DONG Anguo长安大学理学院，西安710064School of Science，Changan University，Xian 7 1 0064，ChinaJIA Jianying，DONG AnguoMoving target detection algorithm based on joint histogramComputer Engineeringand Applications，2016，52(5)：199203Ab
2、stract：Detecting a complete moving target from video image sequences is a hot spot in computer vision research，thispaper proposes a moving target detection algorithm based on the joint histogramThe algorithm uses the joint histogramto describe the similarity between adjacent flames，through blocking
3、successively on two adjacent flames in video sequences，calculates the joint histogram of adjacent flames corresponding block and combines the structural similarity index to gradually remove the background block，moving target itself does not be handled in the algorithm，thus it can effectively avoidde
4、tected moving objects appear empty phenomenon，finally it gets a complete moving targetNumerical experimentsshow that the algorithm has better detectionKey words：moving target detection；joint histogram；similarity index；wavelet decomposition摘要：从视频序列图像中检测完整的运动目标一直是计算机视觉研究的热点，基于联合直方图提出了一种运动目标检测算法。该算法利用联
5、合直方图来描述相邻帧间的相似性，通过对视频序列中相邻两帧图像进行逐次分块，计算相邻帧对应分块的联合直方图并结合构造的相似性指标以逐步去除背景块，算法对运动目标本身不作处理，就能有效地避免检测到的运动目标出现空洞现象，最终得到了完整的运动目标。数值实验说明了该算法具有较好的检测性。关键词：运动目标检测；联合直方图；相似性指标；小波分解文献标志码：A 中图分类号：TP3914 doi：103778jissn10028331140302971 引言运动目标检测是机器视觉的一个重要研究方向，倍受国内外研究者的重视。从理论上说，运动目标检测在交通、军事、医学、安全等诸多领域都具有良好的应用发展前景，但由
6、于录制视频的自然场景中时常会存在气候、光照变化以及其他随机因素的影响，背景中的某些区域容易被误检测为运动目标，造成了运动目标检测的错误性。而大多数研究运动目标检测的方法都是基于理想的背景条件，并且检测效果也存在不尽人意的地方。运动目标检测常用的方法有相邻帧差法、光流法胆4，、背景减法降哪等。相邻帧差法是对相邻两帧视频序列图像直接作差分，差分结果不小于给定的分割阈值则判断是运动目标的一种方法。相邻帧差法操作简单容易程序实现，并且由于视频序列图像中选取的相邻两帧图像之间的相隔时间比较短暂，对随机因素如光照的变化不敏锐，因此，能较强地适应录制视频的自然场景中随机因素的变化一。8，。但相隔时间比较短暂
7、当运动目标速度变化较快时使得相邻两帧图像间重叠较多，重叠部分不易被检测到，造成运动目标检测的不完整，即在运动目标上容易产生空洞。另外由于相邻两帧图像间必然存在着灰度变化，直接作差分利用阈值判断运动目标，也易造成检测到的运动目标比真实运动目标轮廓更大一些；光流法是一种根据运动目标随时间变化的光流特性来计算视频序列图像的光流场，并利用目标运动特点实现检测的方法。即使在移动摄像机的情况下，光流法都可以很好地从复杂背景中检测到运动目标。然而，光流基金项日：国家自然科学基金(No11171043，No11201038)；中央高校基本科研业务费专项资金项目(NoCHD2012TD015)。作者简介：贾建英
8、(1989一)，女，研究生，研究领域为数字图像处理；董安国(1964一)，男，教授，研究领域为数值代数、数字图像处理、复杂交通系统建模及优化，E-mail：jiajianyin91989163com。收稿日期：20140320 修回日期：20140519 文章编号：10028331(2016)05019905CNKI网络优先出版：20140815，http：wwwcnkinetkcmsdoi103778jissn1002-833114030297html万方数据Computer Engineering andApplications计算机工程与应用法一，计算容量大，程序设计复杂度高，缺乏实用性
9、以及实时性；背景减法是先通过建立与实际背景相近的背景模型，再将每帧图像与当前背景模型作差分，进行去除背景以检测到运动目标。若实际背景在预先知道的条件下，背景减法”o】能检测到完整的运动目标。然而背景模型的建立与录制视频的自然场景变化密切相关，因此当背景模型不能得到很好的更新时，将对运动目标的检测带来很大的影响。徐胜男等人提出了一种时间序列图像自动配准方法，里面利用联合直方图来实现图像自动配准，而联合直方图”2，可以用来描述相邻帧问的相似性，本文在此启发下提出了基于联合直方图的运动目标检测算法，通过联合直方图去除背景检测运动目标不仅可以很好地去除背景，而且可以避免在运动目标中产生空洞现象，保证了
10、运动目标的完整性。本文的创新主要体现在以下三个方面：(I)将联合直方图运用到运动目标检测中；(2)引入相似性指标r判断得到的联合直方图是否是背景的联合直方图以去除背景；(3)提出了逐次分块的迭代思想。2联合直方图联合直方图是指两幅尺寸相同(MxN)的图像Z和间对应位置上像素对的灰度组合出现的频率。按上述定义，其频率计算如下：MJh(m，n)-fi(f(i，)一m，厶(i，)一门)i=1，=1其中(m，n)为一种灰度组合，m、n=0，1，255，函数f1x：0v：0砸川21i其他。 。所有可能出现的灰度组合(m，n)在xoy平面上形成离散的点图，如图2所示(其左上角为坐标原点，从坐标原点向下为x
11、轴正方向，从坐标原点向右为Y轴正方向)。f0 1誓(a)前一帧 (b)后一帧图1 从一段视频巾取出的相邻两帧图像图2相邻帧的联合直方图视频序列中相邻两帧图像中运动的是车辆，其余是静止的，对相邻两帧图像如果进行相同的分块，由上面联合直方图的定义知，若两帧图像中处于同一位置的块均不含运动目标，则该两块间的联合直方图中的“白点”应集中分布在直线Y=x上；否则，“白点”的分布就比较分散。为了说明联合直方图的这一特征，利用图3中A、B、C三个块进行验证。图3(a)、(b)是图1(a)、(b)两帧图像通过相同分块得到的，选图3(a)中的三块分别记作A、B、C，在图3(b)中找到对应块作同样标记，其中A块中
12、只含背景，B块中既含背景又含车辆目标，C块中只含车辆目标。只含背景的对应块A的联合直方图如图4(a)所示，从图中可以看出，对于只含背景的对应块来说，其联合直方图的分布集中在直线y=X上。图4(b)是对应块B的联合直方图，可以看出对于既含背景又含车辆目标的对应块来说，其联合直方图的分布并不完全集中在直线Y=x上。图4(C)是对应块C的联合直方图，从图4(c)可以看出对于只含车辆目标的对应块来说，其联合直方图的分布也并不完全集中在直线Y=x上。卜叠过。叠叠(a)前一帧 (b)后一帧图3对图1(a)、(b)进行相同分块(a)位置A的联 (b)位置B的联 (C)位置C的联合直方图 合直方图 合直方图图
13、4联合直方图基于上述分析，针对视频序列图像中运动目标的检测，去除背景只需看背景块的联合直方图分布是否集中在直线Y=x上，故提出了基于联合直方图的运动目标检测算法，该算法实质上是利用联合直方图来描述相邻帧间的相似性。3基于联合直方图的相似性指标检测视频序列中运动目标时，对视频序列中相邻两帧图像进行相同分块，利用联合直方图去除背景得到运动目标，由于随机因素的影响，即使相同的两块间的联合直方图如图4(a)所示也不可能完全集中在直线Y-X上，为此引入一个相似性指标厂用来反映联合直方图点和直线Y=x的偏离程度。 联合直方图中的所有点到直线Y=x的平均距离作为相似性指标r，其计算公式：l，=去kYfIJh
14、(x川Y)万方数据贾建英，堇安国：基于联合直方图的运动目标检测算法其中s表示联合直方图中的点数，Xi、Yi分别表示联合直方图中点的横坐标和纵坐标。如图4(a)、(b)、(C)三个联合直方图，利用相似性指标，_的定义，其值分别为0479 5、9917 2和17619 4。可见，相似性指标r值能反映联合直方图中离散点和直线Y=x的偏离程度，进而可以作为指标来衡量对应的块是否含有运动目标。将视频序列中的相邻两帧图像进行相同分块，若某块相似性指标r值相对较小，说明联合直方图点的分布比较集中在直线Y=z上，则该块只含背景；若某块相似性指标，值相对较大，说明联合直方图点的分布并不完全集中在直线Y=x上，则
15、该块含车辆运动目标，可能既含背景又含车辆目标或只含车辆目标。再将分块后得到每小块的相似性指标，值进一步作一个直方图，根据得到的直方图就可以设置一定的阈值来判断分块后得到的每小块中是否不含运动目标，将不含运动目标的块设置为背景。4算法描述41边缘的定义视频序列中的运动目标检测问题，由前面知道，首先对视频序列中相邻两帧图像进行相同分块，利用联合直方图结合相似性指标r就可以去除那些只含背景的块，对于留下的部分，可能全是运动目标可能含有部分运动目标，将块内含有部分运动目标(也就是既含背景又含运动目标)的那些块称为车辆目标的边缘块。车辆边缘块示意图如图5所示，如果圆域代表运动目标车辆，则图5(a)、(C
16、)、(e)中所有灰色的块构成了车辆的边缘块。(a)第一次去除背景(b)对边缘块第一(c)第二次去除背景块后得到的边缘块 次分块细化 块后得到的边缘块(d)对边缘块第二(e)第三次去除背景次分块细化 块后得到的边缘块图5车辆的边缘块示意图42描述由前面联合直方图知道，对于视频序列中的相邻两帧图像并不是直接进行目标检测的，而是先对它们进行相同的分块处理，如何分块成了问题，块如果分得太小，每小块的灰度值很接近易将车辆内部的某块误判断为背景，检测到的车辆目标内部就很容易产生空洞现象，因此用较大的块进行分块处理。第一次对相邻两帧图像进行分块，令每小块的尺寸为P XP(一般P取2的幂次方)，利用联合直方图
17、结合相似性指标，就可以去除那些只含背景的块，对于留下的非边缘块不作处理，而留下的边缘块它们既含背景又含运动目标，其示意图如图5(a)所示，从图5(a)可以看出每小块尺寸较大故对边缘块再进行分块，令每小块的尺寸为等等，其示意图如图5(b)所示，同样利用联合Z Z直方图结合相似性指标r就可以再次去除那些只含背景的块，对留下的非边缘块继续不作处理，对留下的边缘块其示意图如图5(C)所示，因尺寸仍较大，再对边缘块进行细化令每小尺寸为等等，其示意图如图5(d)所+ t示，具体处理过程和前两次分块后处理过程一样，处理结果示意图如图5(e)所示。这样每次只对上次分块处理后留下的边缘块再进行细化分块，令每小块
18、尺寸为前一次每小块尺寸的一半，一步步去除背景，直到每小块尺寸为2 X2，该算法对运动车辆目标本身不作处理，就能有效地避免检测出的车辆目标内部出现漏洞现象，最终检测到完整的运动目标。本文算法流程如下：步骤1将视频序列中取出的相邻两帧图像分割成大小相同的块。步骤2求每一对应块的联合直方图，并计算其相关性指标r值。步骤3将上步计算求得的所有，-值作一直方图，根据直方图设置阈值，来判断某对应块的r值是否大于阈值，如果大于阈值，则该对应块内含有目标，否则，可判断该对应块不含目标是背景，设为0。步骤4对含有目标的部分，找出其边缘块，并对其进行分半分块(直到小块尺寸为22时为止)，转步骤2。5图像预处理视频
19、序列图像中的运动目标检测，难免会受到随机因素比如噪声、空气中的灰尘等影响，它们都属于高频分量，而基于联合直方图的运动目标检测算法是根据图像灰度信息的一种目标检测方法，在该算法中起主要作用是图像的低频分量，因此，对视频序列中的相邻两帧图像分别先进行二维离散小波分解，得到各自2维小波分解后的低频图像，用其低频图像再进行目标检测，不但能滤掉高频成分，消除随机因素对运动目标检测的影响，也能在一定程度上减少运算工作量，提高检测速度。二维离散小波变换的快速算法可通过Mallat塔式分解”实现，如图6所示，(a)、(b)分别是视频序列中相邻两帧图像的二维小波分解结果，其中(a)、(b)左上角为小波分解后的低
20、频图像。图1(a)、(b)两幅图其实就是从一段视频中取出的相邻两帧图像经二维离散小波万方数据Computer Engineering and Applications计算机工程与应用分解预处理后得到的低频图像，即图6(a)、(b)两幅图的左上角。(a)前一帧 (b)后一帧图6二维小波分解结果6数值实验下面对本文算法进行数值实验。实验计算机CPU为Intel Core i532 1 0M 250 GHz，操作系统为Windows 7，实验仿真用软件MATLAB 71。从一段视频中取出的相邻两帧图像(未作任何处理)如图7(a)、(b)所示。图8(a)为本文算法检测运动目标的结果，从图8(a)看出，
21、该算法可以检测到完整的运动目标，避免了在运动目标内出现空洞，并且对于像树枝摇动等因素造成的背景像素变化也能很好地去除掉，具有很好的检测性，算法速度更快，有助于进一步的目标跟踪分析。而其他检测算法”4。1”，一方面生成的图像还含有背景成分，另一方面运动目标内出现空洞，不利于检测出运动目标，例如分块帧差和背景差相融合的方法”61以及高斯混合模型的自适应背景更新法”，检测结果如图8(b)、(c)所示。从图8(b)中可以看出，视频序列图像经过分块帧差和背景差相融合的方法检测后，出现了明显的双影和空洞现象，生成的图像还含有背景成分，这是因为它处理的相邻两帧图像的差别只是在于物体运动方向的两侧，而内部没有
22、变化，这样内部像素会被漏检，从而使运动目标产生空洞。从图8(c)可以看出，图像经高斯混合模型的自适应背景更新法检测后，生成的图像也含有背景成分而且在运动目标内仍产生了空洞，没有检测到完整的运动目标，因为它对背景变化的响应比较慢并且容易丢失目标信息，从而导致运动目标有空洞。(a)前一帧 (b)后一帧图7从一段视频中取出的两帧图像(未作处理)(a)本文检测法 (b)分块帧差和 (c)高斯混合模型法背景差相融合法图8运动目标检测算法比较为了定量评价本文算法和其他两种算法的优劣性，在此采用文献18中定义的查准率(Precision)、查全率(Recall)和F量测三个指标对文献16171和本文算法的检
23、测结果进行定量比较。查准率、查全率和F量测的计算公式如下：删咖珂=莉rp m删，=蒜小错其中劢表示检测运动目标正确像素个数，印表示将背景误测为运动目标的像素个数，n表示将运动目标误测为背景的像素个数。Precision反映的是虚警率，值越低，虚警率越高，反之虚警率越低；Recall反映的是运动目标被检测的完整性，值越大，完整性越高；F量测反映的是算法的综合性能。利用三种算法对图7所在自拍视频序列(20帧)中每帧运动目标的检测结果，计算三个性能指标，进行统计平均，最终得到表1所示的量化结果。表1 本文算法和其他两种算法的定量比较 如表1所示，与另外两种算法定量对比分析发现，本文算法对运动目标的正
24、确检测率较高，运动目标在检测结果中保留的最为完整，算法综合性能最佳，这与实际对运动目标检测结果相吻合。为更好地说明本文算法对运动目标检测的效果，基于本文算法下面列举了几种视频序列图像中运动目标检测的结果，如图9所示。图9中每一行的三幅图分别为一段视频序列取出的前一帧图像、后一帧图像、基于联合直方图的运动目标检测结果。 簟P黼图9其他视频序列图像的运动目标检测结果实验表明，本文方法适用于视频序列图像中的运动目标提取，得到了完整的运动目标。虽然从每一行的实验结果看车头外面还有一小部分背景并没有完全去除，原因在于本文算法是对相邻两帧图像先进行分块再利用联合直方图结合相似性指标r来去除背景得到运动目标
25、，所以分块后的某些块在前一帧中可能是背景，但霍Q一翼商嗡叠I叠万方数据贾建英，董安国：基于联合直方图的运动目标检测算法由于车辆目标的运动使得这些块在后一帧中可能就不是背景，那么这些块在前一帧中就不能再当作背景块直接去除而被留下来，留下的这部分背景是由于车辆运动造成的，它包含着车辆目标运动时丰富的速度信息，留下来并不影响检测结果反而有利于进一步的车辆速度检测。这部分未被去除的背景可以通过进一步处理完全去除，比如将每一行中的前一帧图像作为后一帧图像，基于本文算法利用与它相邻的前一帧图像，提取出它作为后一帧图像的运动目标检测结果，将结果与每一行检测结果结合，就可以完全去除车头外面这部分留下来的背景。
26、7结束语对特定区域的运动目标检测只具体分析，还没有一种方法能广泛应用于各类运动目标检测任务。本文从联合直方图可以用来描述相邻帧间的相似性出发，先对视频序列中的相邻两帧图像利用小波分解进行图像预处理，提取低频图像，然后对得到的两帧低频图像按照算法描述中的分块方法进行相同分块，再对分块后的每一对应块计算联合直方图并求相似性指标，值给出阈值去除背景块，对留下的边缘块继续分块，重复低频图像分块后处理过程来进一步去除背景，直到每小块尺寸为22。实验表明，本文算法具有很好的检测性在解决视频序列图像中车辆运动目标的检测问题上，对于运动目标在有背景遮挡如何检测到完整的运动目标将作下一步研究。参考文献：【l】Z
27、hu Man，Sun Shuifa，Han Shuheng，et a1Comparison ofmoving object detection algorithmsMis1：World Automation Congress(WAC)，20122】Fmdi H，Dugelay JRobust foreground segmentation usingimproved Gaussian mixture model and optical flowC2012 International Conference on InformaticsElectronicsVision(ICIEV)，20123】
28、Yin Jianqin，Han Yanbin，Hou Wendi，et a1Detection ofthe mobile object with camouflage color under dynamicbackground based on optical flowJProcedia Engineer-ing，2011，15：2201-2205【4Zhang Ruolin，Ding JianObject tracking and detectingbased on adaptive background subtractionJProcediaEngineering，2012，29：135
29、1-13555】Yang Jingjing，Dai YapingA modified method of vehicleextraction based on background subtractionC2012 IEEEInternational Conference on Fuzzy Systems(FUZZIEEE)，2012【6】Xie YongImproved Gaussian mixture model in videomotion detectionJJournal of Multimedia，20 1 3，8(5)：5275337】王宾视频序列中运动目标检测与跟踪有关问题的研
30、究【D】西安：西北大学，20048】8万缨，韩毅，卢汉清运动目标检测算法的探讨【J】计算机仿真，2006，23(10)：221-22699董颖基于光流场的视频运动检测D】济南：山东大学，200810林洪文，姚作操基于减背景技术的运动目标检测方法研究【J】国防科技大学学报，2003，25(3)：6669【11徐胜男，杨承磊，李振华一种时间序列图像自动配准算法【J】计算机工程，2006，32(11)：228-230【12刘哲星，李树祥基于联合直方图区域计数的时间序列图像自动配准方法【J】中国图象图形学报，2002，7(5)：450-456【1 3Mallat S GA wavelet tour o
31、f signal processingMSanDiego，California：Academic Press，1 99814】张辉，王强运动目标的快速检测、跟踪和判别【J清华大学学报：自然科学版，2002，42(10)：1401140415】高欣视频序列图像中的运动目标检测研究D】太原：太原科技大学，201216高美凤，刘娣分块帧差和背景差相融合的运动目标检测J】计算机应用研究，2013，30(1)：299302【17】李明之，马志强，单勇，等复杂条件下高斯混合模型的自适应背景更新J】计算机应用，201l，31(7)：1831-183418】王欢运动目标检测与跟踪技术研究D南京：南京理工大学，2009万方数据