運(yùn)動(dòng)目標(biāo)檢測(cè)算法簡(jiǎn)介及其應(yīng)用

作者：sky-guo

運(yùn)動(dòng)目標(biāo)檢測(cè)的主要目的是從圖片序列中將變化區(qū)域或者運(yùn)動(dòng)物體從背景圖像中分離出來，常用于視頻監(jiān)控、異常檢測(cè)、三維重建、實(shí)時(shí)定位與建圖等領(lǐng)域。運(yùn)動(dòng)目標(biāo)檢測(cè)是許多領(lǐng)域應(yīng)用落地的基礎(chǔ)，近年來被廣泛地關(guān)注和研究，對(duì)運(yùn)動(dòng)無人機(jī)檢測(cè)亦是如此。目前，運(yùn)動(dòng)目標(biāo)檢測(cè)的基本方法主要包括背景消減法、幀間差分法和光流法。

背景消減法

背景消減法是運(yùn)動(dòng)目標(biāo)檢測(cè)的經(jīng)典方法，也是目前的主流方法之一。其算法的核心在于將圖片序列中的當(dāng)前幀與確定好的或者實(shí)時(shí)更新的背景參考模型進(jìn)行減法操作，找到不同的區(qū)域。它把與背景圖像差異超過一定閾值的區(qū)域作為運(yùn)動(dòng)區(qū)域，把小于閾值的部分作為背景區(qū)域，從而確定運(yùn)動(dòng)目標(biāo)。背景消減法中背景圖像會(huì)受到外部光線變化、其他外部環(huán)境變化、相機(jī)運(yùn)動(dòng)等因素的影響，所以背景消減法成功的關(guān)鍵在于背景建模以及背景更新。

圖1. 背景消減法流程

傳統(tǒng)的背景建模方法主要包括中值法、均值法、單高斯分布模型、混合高斯模型等等。自適應(yīng)混合高斯背景建模是圖像背景建模的重要方法，它的工作原理是基于視頻圖像中像素點(diǎn)在時(shí)間域上的分布來得到像素點(diǎn)上的顏色分布，從而到達(dá)背景建模的目的。混合高斯背景建模法不僅對(duì)復(fù)雜場(chǎng)景的適應(yīng)強(qiáng)，而且能通過自動(dòng)計(jì)算的模型參數(shù)來對(duì)背景模型調(diào)整，檢測(cè)速度很快，且檢測(cè)準(zhǔn)確。同時(shí)算法能夠根據(jù)新獲取的圖像，對(duì)背景圖像參數(shù)進(jìn)行自適應(yīng)更新。該方法能夠可靠處理光照變化、背景混亂運(yùn)動(dòng)的干擾以及長(zhǎng)時(shí)間的場(chǎng)景變化等，因此基于混合高斯模型建模的背景減法被廣泛應(yīng)用于運(yùn)動(dòng)目標(biāo)檢測(cè)中。

背景消減法雖然原理簡(jiǎn)單，但是主要應(yīng)用于固定攝像頭場(chǎng)景。在運(yùn)動(dòng)攝像頭場(chǎng)景下，背景變化過快或者過于復(fù)雜，需要引入額外的圖像對(duì)齊、復(fù)雜的背景更新方法等才能有效工作，這也導(dǎo)致出現(xiàn)計(jì)算量過高的問題。

幀間差分法

幀間差分法的核心是對(duì)時(shí)間上連續(xù)的兩幀、三幀或者多幀圖像進(jìn)行差分運(yùn)算來獲取運(yùn)動(dòng)區(qū)域。首先求得相鄰幀之間的像素值(通常使用灰度值)之差，然后類似于背景消減法設(shè)定參考閾值，逐個(gè)對(duì)像素點(diǎn)進(jìn)行二值化處理。其中灰度值為255的是前景，灰度值為0的是背景。最后通過連通域分析，形態(tài)學(xué)操作等獲取完整的運(yùn)動(dòng)目標(biāo)圖像。兩幀差分法適用于目標(biāo)運(yùn)動(dòng)較為緩慢的場(chǎng)景，當(dāng)運(yùn)動(dòng)較快時(shí)，由于目標(biāo)在相鄰幀圖像上的位置相差較大，兩幀圖像相減后并不能得到完整的運(yùn)動(dòng)目標(biāo)，因此，人們?cè)趦蓭罘址ǖ幕A(chǔ)上提出了三幀差分法、五幀差分法等來改善目標(biāo)包絡(luò)框。

圖2. 幀間差分法流程圖

由于幀間差分法是選用前一幀的圖片作為背景，所以這使得它不僅僅具有實(shí)時(shí)性高的特點(diǎn)，相比于背景建模的方法更是在更新速度、算法復(fù)雜程度以及計(jì)算量方面都要有所優(yōu)化。但是幀差法極容易受到噪聲的干擾，對(duì)閾值的選擇要求很高。閾值選擇過低會(huì)導(dǎo)致檢測(cè)結(jié)果總包含大量的噪聲干擾，閾值選擇過高則可能忽視圖像中的關(guān)鍵信息，導(dǎo)致緩慢運(yùn)動(dòng)的目標(biāo)被忽略或者目標(biāo)提取不完整等問題。

光流法

光流法與上述兩種方法不同，不需要對(duì)場(chǎng)景中的背景圖像進(jìn)行建模，而是利用圖像序列中像素在時(shí)間域上的變化以及相鄰幀圖像中每個(gè)像素之間的相關(guān)性，計(jì)算得到光流場(chǎng)，進(jìn)而提取出運(yùn)動(dòng)目標(biāo)。根據(jù)所形成的光流場(chǎng)中二維矢量的稠密程度，光流法可以分為稠密光流和稀疏光流。其中，稠密光流計(jì)算圖像上所有點(diǎn)的偏移量，得到稠密的光流場(chǎng)，可進(jìn)行像素級(jí)別圖像配準(zhǔn)，但是計(jì)算量大、實(shí)時(shí)性差。稀疏光流只對(duì)于有明顯特征的點(diǎn)(如角點(diǎn))進(jìn)行跟蹤，但是計(jì)算量小，實(shí)時(shí)性好。

總體而言，上述經(jīng)典運(yùn)動(dòng)目標(biāo)檢測(cè)方法雖然能夠在一些場(chǎng)景中有效檢測(cè)運(yùn)動(dòng)目標(biāo)，但是主要適用于靜止攝像頭場(chǎng)景。在移動(dòng)攝像頭場(chǎng)景下普遍存在背景干擾噪聲增多，小尺寸運(yùn)動(dòng)目標(biāo)難以檢測(cè)，計(jì)算復(fù)雜度高等缺點(diǎn)，難以直接應(yīng)用到運(yùn)動(dòng)像頭檢測(cè)運(yùn)動(dòng)無人機(jī)等復(fù)雜場(chǎng)景中，需要進(jìn)一步改進(jìn)和研究。

審核編輯：湯梓紅