摘  要： 為了有效減少噪聲對(duì)運(yùn)動(dòng)目標(biāo)檢測(cè)的影響，提出了一種利用均值漂移聚類實(shí)現(xiàn)運(yùn)動(dòng)目標(biāo)檢測(cè)的方法。首先運(yùn)用Mean Shift算法分別對(duì)三幀連續(xù)圖像進(jìn)行平滑去噪處理，然后對(duì)圖像進(jìn)行邊緣提取，最后通過(guò)三幀差分法對(duì)三幀圖像進(jìn)行差分,進(jìn)而得到運(yùn)動(dòng)目標(biāo)。實(shí)驗(yàn)結(jié)果表明，該方法可以有效地抑制噪聲并提取出運(yùn)動(dòng)目標(biāo)。
關(guān)鍵詞： 運(yùn)動(dòng)目標(biāo)檢測(cè)；均值漂移；三幀差分；聚類

    運(yùn)動(dòng)目標(biāo)檢測(cè)是計(jì)算機(jī)視覺(jué)、模式識(shí)別和數(shù)字視頻處理領(lǐng)域的一個(gè)重要課題。高效、實(shí)時(shí)地檢測(cè)運(yùn)動(dòng)目標(biāo)可以為目標(biāo)跟蹤、行為分析和理解提供依據(jù)。傳統(tǒng)的運(yùn)動(dòng)目標(biāo)檢測(cè)方法主要有幀間差分法、背景差分法和光流法。光流法[1]雖然可以精確地檢測(cè)運(yùn)動(dòng)目標(biāo)，但其計(jì)算復(fù)雜度高，難以滿足實(shí)時(shí)性的要求。幀間差分法[2-3]是目標(biāo)檢測(cè)常用的方法，它的計(jì)算量低，而且適應(yīng)性也很強(qiáng)，但同時(shí)對(duì)運(yùn)動(dòng)目標(biāo)的速度有一定的要求，如果運(yùn)動(dòng)速度較快且選取的時(shí)間間隔過(guò)大，就會(huì)造成兩幀之間無(wú)覆蓋區(qū)，從而無(wú)法分割出運(yùn)動(dòng)目標(biāo)。背景差分法[3]是對(duì)連續(xù)的多幀圖像進(jìn)行背景重構(gòu)，但其自適應(yīng)能力差，很難得到真實(shí)的背景圖像。
    均值漂移MS(Mean Shift)算法作為一種有效的統(tǒng)計(jì)迭代算法，最早由FUKUNAGA在1975年提出，但直到1995年，Cheng Yizong設(shè)計(jì)了MS算法[4]中的核函數(shù)和權(quán)重函數(shù)，從樣本到被偏移點(diǎn)的距離和不同樣本的不同貢獻(xiàn)兩個(gè)方面作了改進(jìn)并將其應(yīng)用于聚類和全局優(yōu)化，才擴(kuò)大了該算法的適用范圍,并掀起了對(duì)該算法研究的熱潮。MS算法完全依靠特征空間中的樣本點(diǎn)進(jìn)行分析，不需要任何先驗(yàn)知識(shí)，收斂速度快，近年來(lái)被廣泛應(yīng)用于聚類、圖像平滑、圖像分割和跟蹤等計(jì)算機(jī)視覺(jué)領(lǐng)域。
    本文根據(jù)MS算法的特點(diǎn)，在彩色空間域內(nèi)對(duì)圖像進(jìn)行平滑聚類，從而降低噪聲對(duì)運(yùn)動(dòng)目標(biāo)的干擾，更精確地進(jìn)行邊緣提取。本文首先討論幀間差分法和均值漂移算法的基本原理，然后討論本文提出的方法，最后通過(guò)實(shí)驗(yàn)加以驗(yàn)證。
1 幀間差分法
    幀間差分法是在目標(biāo)檢測(cè)中經(jīng)常用到的方法，它計(jì)算簡(jiǎn)單，不易受環(huán)境變化（如光線變化等）的影響，實(shí)時(shí)性好。
  
    它提取的運(yùn)動(dòng)目標(biāo)比實(shí)際的要大，往往出現(xiàn)“雙影”現(xiàn)象[3]，同時(shí)會(huì)產(chǎn)生“空洞”現(xiàn)象。當(dāng)目標(biāo)運(yùn)動(dòng)速度較慢時(shí)，目標(biāo)出現(xiàn)的區(qū)域有可能變化不大，形成類似于隨機(jī)噪聲的孤立點(diǎn)。為了避免目標(biāo)的丟失，通常采用三幀差分法實(shí)現(xiàn)運(yùn)動(dòng)軌跡的累計(jì)。

　

 


4 實(shí)驗(yàn)結(jié)果分析
    參考文獻(xiàn)[3]介紹了傳統(tǒng)三幀差分法，即在幀間差發(fā)的基礎(chǔ)上對(duì)連續(xù)的三幀圖像進(jìn)行差分運(yùn)算，而參考文獻(xiàn)[7]對(duì)傳統(tǒng)的三幀差分進(jìn)行了改進(jìn)，在進(jìn)行差分運(yùn)算之前先對(duì)三幀圖像進(jìn)行邊緣檢測(cè)，故稱為“邊緣三幀差分”，該方法有效地抑制了亮度突變對(duì)三幀差分的影響。
    本文是以Adobe Flash Builder 4為實(shí)驗(yàn)平臺(tái)，通過(guò)攝像頭采集連續(xù)三幀圖像，以分辨率為213 dip×160 dip進(jìn)行處理，在中間一幀中加入了噪聲強(qiáng)度P為0.05、0.15、0.2和0.3的噪聲,圖2為分別使用傳統(tǒng)的三幀差分、邊緣三幀差分法和本文所提出的方法在噪聲強(qiáng)度為0.15時(shí)得到的實(shí)驗(yàn)效果圖。

    圖2(a)、圖2(b)和圖2(c)分別取自連續(xù)的三幀圖像；圖2(d)為傳統(tǒng)的三幀差分后的圖像，不能有效地抑制噪聲，且運(yùn)動(dòng)目標(biāo)的邊緣不是很清晰；圖2(e)為采用Laplacian算子進(jìn)行邊緣三幀差分后的圖像，雖然運(yùn)動(dòng)目標(biāo)可以有效地識(shí)別，但也不能對(duì)噪聲起到抑制作用；圖2(f)采用為本文提出的方法進(jìn)行的三幀差分后的圖像，對(duì)隨機(jī)噪聲點(diǎn)可以有效地抑制，并且運(yùn)動(dòng)目標(biāo)邊緣也比較清晰，充分說(shuō)明了該算法對(duì)噪聲的處理效果。
    為了對(duì)本文提出的算法進(jìn)行比較，引入噪聲強(qiáng)度作為衡量標(biāo)準(zhǔn)，設(shè)噪聲強(qiáng)度為P，sum(Y)為圖像Y的像素總和，e為隨機(jī)生成的噪聲數(shù)，則：
　
    本文分析了經(jīng)典的差分算法的不足，提出了一種新的目標(biāo)檢測(cè)方法，首先對(duì)三幀圖像在彩色空間域中運(yùn)用均值漂移聚類算法平滑圖像去除噪聲，然后進(jìn)行邊緣提取，有效地防止亮度突變的影響，最后通過(guò)三幀差分提取運(yùn)動(dòng)目標(biāo)。本文的算法能夠很好地消除圖像中噪聲的影響，同時(shí)保持圖像的邊緣。與其他常用算子相比，本文算法抗噪能力更強(qiáng)，能夠提取顯著的邊緣，這更符合人類視覺(jué)的特點(diǎn)。實(shí)驗(yàn)結(jié)果證明了算法的有效性。
參考文獻(xiàn)
[1] LEE Y S， MOKRI S S, HUSSAIN A，et al.Motion detection using Lucas Kanade algorithm and application enhancement[C]. International Conference of Electrical Engineering and Informatics. ICEEI′09，2009，2：537-542．
[2] LIPTON A J，F(xiàn)UJIYOSHIH，PATIL R S． Moving target classification and tracking from real-time video[C]．WACV’ 98，Proceedings of the Fourth IEEE Workshop on Applications of Computer，Princeton，NJ，1998：8-14．
[3] 莫林，廖鵬，劉勛.一種基于背景減除與三幀差分的運(yùn)動(dòng)目標(biāo)檢測(cè)算法[J] .微計(jì)算機(jī)信息，2009(12)：274-276.
[4] Cheng Yizong. Mean Shift，mode seeking，and clustering[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence，1995，17(8)：790-799．
[5] COMANICIN D，MEER P. Mean shift： a robust approach toward feature space analysis[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence，2002，24(5)：603-619．
[6] 王爽，夏玉， 焦李成.基于均值漂移的自適應(yīng)紋理圖像分割方法[J]. 軟件學(xué)報(bào)，2010，21(6)：1451-1461．
[7] 甘明剛，陳杰，劉勁，等.一種基于三幀差分和邊緣信息的運(yùn)動(dòng)目標(biāo)檢測(cè)方法[J].電子與信息學(xué)報(bào), 2010，32(4)：894-897．
[8] 王朝英，李光，侯志強(qiáng)，等.融合mean shift 和區(qū)域顯著性的彩色圖像分割算法[J]. 計(jì)算機(jī)工程與應(yīng)用，2010，46(28)：181-184．
[9] 萬(wàn)軍，徐汀榮. 基于Laplacian算子的圖像邊緣檢測(cè)方法研究[J]. 現(xiàn)代電子技術(shù)，2004,20(188):92-93．