摘 要: 傳統(tǒng)的三幀差分運(yùn)動(dòng)目標(biāo)檢測算法易出現(xiàn)空洞及虛假邊緣等現(xiàn)象。為了對其進(jìn)行改進(jìn),提出了一種融合邊緣檢測的三幀差分運(yùn)動(dòng)目標(biāo)檢測算法。首先對三幀連續(xù)圖像采用Canny 邊緣檢測算子快速提取邊緣圖像,然后對三幀連續(xù)的邊緣圖像進(jìn)行改進(jìn)的三幀差分運(yùn)算, 最后通過閾值分割和形態(tài)學(xué)處理完成對運(yùn)動(dòng)目標(biāo)的提取。實(shí)驗(yàn)結(jié)果表明, 該算法計(jì)算簡單,連通性好且準(zhǔn)確率高,可滿足實(shí)時(shí)檢測的要求。
關(guān)鍵詞: 三幀差分;邊緣檢測;閾值分割
0 引言
運(yùn)動(dòng)目標(biāo)檢測處于智能視頻監(jiān)控系統(tǒng)的最底層,其檢測結(jié)果的好壞將直接影響后續(xù)的處理效果,故其技術(shù)發(fā)展和應(yīng)用前景受到廣泛關(guān)注。目前常用的運(yùn)功目標(biāo)檢測算法[1]有:背景差分法、光流法及幀間差分法。背景差分法能夠較完整地提取出運(yùn)動(dòng)目標(biāo),但對光照及外部條件引起的動(dòng)態(tài)場景變化過于敏感;光流法是基于對光流場的估算進(jìn)行檢測分割的方法,計(jì)算復(fù)雜,須有特殊硬件設(shè)備支持,實(shí)時(shí)性差;幀差法是根據(jù)圖像中像素點(diǎn)的灰度差計(jì)算出運(yùn)動(dòng)物體的位置和形狀等信息,這種方法對于動(dòng)態(tài)環(huán)境有很好的適應(yīng)性,算法簡單,易于實(shí)現(xiàn),但不能提取出較完整的運(yùn)動(dòng)目標(biāo)。
視頻圖像的邊緣信息抗干擾性能好,不易受亮度突變及噪聲的影響,因此本文融合圖像邊緣信息與改進(jìn)的三幀差分對運(yùn)動(dòng)目標(biāo)進(jìn)行檢測,簡化了計(jì)算。實(shí)驗(yàn)結(jié)果表明該算法可以有效改善傳統(tǒng)幀間差分算法出現(xiàn)的空洞現(xiàn)象。
1 融合邊緣檢測的三幀差分運(yùn)動(dòng)目標(biāo)檢測
1.1 預(yù)處理
眾所周知,灰度圖像的處理效率高于彩色圖像,因此首先對圖像進(jìn)行灰度化。另外,圖像獲取過程中不可避免地存在諸如斑點(diǎn)噪聲及椒鹽噪聲等一系列噪聲影響,為了有效抑制噪聲影響,本文采用中值濾波法對原始圖像進(jìn)行濾波處理。最后本文采用直方圖均衡化及梯度化操作,使得圖像輪廓更為清晰,以增強(qiáng)抗干擾能力。
1.2 Canny 邊緣檢測算法
邊緣作為圖像的最基本特征廣泛存在于目標(biāo)物與背景之間、目標(biāo)物與目標(biāo)物之間,在圖像處理中有著重要的作用和廣泛的應(yīng)用。目前常用的邊緣檢測算子包括 Robets 算子、Sobel算子、Prewwits 算子、 Log 算子、二階Laplace 算子等。這些算子簡單,易于實(shí)現(xiàn)且具有很好的實(shí)時(shí)性,但抗干擾性能差,對噪聲較敏感且邊緣的精度有待提高。基于最優(yōu)化算法的 Canny 邊緣檢測算子[2],是先采用高斯函數(shù)對圖像進(jìn)行平滑處理,再進(jìn)行邊緣檢測,提取的邊緣線形連接較為完整,定位準(zhǔn)確性較高,效果較好。本文采用此方法對序列幀圖像進(jìn)行邊緣提取。.
Canny算子的基本原理是通過查找圖像梯度強(qiáng)度局部的最大值來得到邊緣信息,圖像梯度的計(jì)算采用Gauss濾波器。為了消除噪聲干擾、提高邊緣檢測的精度,Canny采用雙閾值來提取邊緣像素點(diǎn)。如果梯度強(qiáng)度不滿足高閾值的檢測條件,但是與己檢測出的較強(qiáng)邊緣點(diǎn)相連接,并且滿足低閾值條件,則確定為弱邊緣點(diǎn)。雙閾值法使得采用Canny算子提取邊緣點(diǎn)具有更強(qiáng)魯棒性。
Canny算法的實(shí)現(xiàn)步驟如下:
(1)高斯濾波:選取合適的Gauss窗函數(shù)和尺度,用Gauss濾波器對需要處理的圖像進(jìn)行平滑濾波,得到平滑圖像;
(2)梯度計(jì)算:用一階偏導(dǎo)的有限差分來計(jì)算梯度的幅值和方向;
(3)量化梯度方向:對梯度方向進(jìn)行量化,使其只有8個(gè)方向,即0?、45?、90?、135?、180?、225?、270?、315?;
(4)梯度非最大值抑制:對于每一個(gè)梯度強(qiáng)度非零的像素點(diǎn),查找沿其量化后的梯度方向的兩個(gè)相鄰像素點(diǎn),然后通過閾值判斷為非邊緣點(diǎn)還是候選邊緣點(diǎn);
(5)雙閾值判決:設(shè)定雙閾值,進(jìn)一步判斷候選邊緣點(diǎn)為強(qiáng)邊緣點(diǎn)、弱邊緣點(diǎn)還是非邊緣點(diǎn);
(6)邊緣連接:對于弱邊緣點(diǎn),如果它與強(qiáng)邊緣點(diǎn)在8連通區(qū)域相連,則該點(diǎn)記為弱邊緣點(diǎn),同時(shí)將其邊緣提取置為1,所有標(biāo)記為1的點(diǎn)就成了最后的邊緣。
1.3 改進(jìn)三幀差分算法基本原理
傳統(tǒng)的三幀差分算法雖然能夠快速檢測出運(yùn)動(dòng)目標(biāo)的輪廓,但其所檢測出的輪廓往往不連續(xù)且存在較大的空洞現(xiàn)象,同時(shí)傳統(tǒng)三幀差分算法不能完整提取目標(biāo)信息。本文采用改進(jìn)的三幀差分算法[3],可以在一定程度上克服傳統(tǒng)三幀差分算法的不足。設(shè)預(yù)處理后的連續(xù)三幀圖像為fi-1(x,y)、fi(x,y)、fi+1(x,y) ,首先分別將中間幀fi(x,y)與其前后兩幀做差分運(yùn)算以及將fi+1(x,y)與fi-1(x,y)做差分運(yùn)算,得到差分結(jié)果:
然后將差分后的結(jié)果Di與Di+1進(jìn)行“與”運(yùn)算,“與”運(yùn)算能夠有效地克制或運(yùn)算造成的目標(biāo)重疊現(xiàn)象。最后對DA和Di+2進(jìn)行濾波及動(dòng)態(tài)閾值二值化處理, 并將其結(jié)果進(jìn)行“或”運(yùn)算,能夠有效地克制空洞現(xiàn)象,得到最終的目標(biāo)輪廓:
1.4 本文算法
本文算法融合圖像邊緣信息與改進(jìn)三幀差分對運(yùn)動(dòng)目標(biāo)進(jìn)行檢測,首先采用Canny邊緣檢測算法快速提取連續(xù)三幀圖像的邊緣圖像,然后利用改進(jìn)的三幀差分算法得到較為完整的運(yùn)動(dòng)目標(biāo)輪廓,最后通過后期一系列處理提取出準(zhǔn)確完整的運(yùn)動(dòng)目標(biāo)區(qū)域。本文算法整體流程如圖1所示。
1.5 形態(tài)學(xué)處理
由于干擾因素的存在,導(dǎo)致所得到的二值化圖像中往往會(huì)出現(xiàn)噪聲及空洞,可以通過數(shù)學(xué)形態(tài)學(xué)對其進(jìn)行后處理。首先采用腐蝕運(yùn)算消除二值圖像中的孤立噪聲點(diǎn),再采用膨脹運(yùn)算來填充運(yùn)動(dòng)目標(biāo)的邊緣空洞。
2 實(shí)驗(yàn)對比
本文采用 Matlab 進(jìn)行仿真實(shí)驗(yàn),為驗(yàn)證算法的有效性,分別利用傳統(tǒng)三幀差分法、改進(jìn)三幀差分法以及本文算法對同一組 AVI 視頻序列圖像進(jìn)行測試。檢測結(jié)果如圖2所示。
由圖可知,采用傳統(tǒng)三幀差分算法檢測到的目標(biāo)輪廓不連續(xù),改進(jìn)三幀差分法得到的圖像目標(biāo)輪廓更清晰,內(nèi)容更為豐富,而采用本文算法檢測得到的結(jié)果進(jìn)一步消除了空洞現(xiàn)象且輪廓清晰,結(jié)果準(zhǔn)確完整。
3 結(jié)論
本文融合圖像邊緣信息與改進(jìn)的三幀差分算法對運(yùn)動(dòng)目標(biāo)進(jìn)行檢測,首先采用Canny邊緣檢測算法快速提取連續(xù)三幀圖像的邊緣圖像,然后利用改進(jìn)三幀差分算法得到較為完整的運(yùn)動(dòng)目標(biāo)輪廓,最后通過后期一系列處理提取出準(zhǔn)確完整的運(yùn)動(dòng)目標(biāo)區(qū)域。實(shí)驗(yàn)結(jié)果表明本文算法能夠快速準(zhǔn)確地檢測出運(yùn)動(dòng)目標(biāo),進(jìn)一步改進(jìn)了傳統(tǒng)三幀差分目標(biāo)輪廓不連續(xù)現(xiàn)象,計(jì)算簡單,可滿足實(shí)時(shí)性檢測需求。
參考文獻(xiàn)
[1] 羅志升,王黎,高曉蓉,等. 序列圖像中運(yùn)動(dòng)目標(biāo)檢測與跟蹤方法分析[J]. 現(xiàn)代電子技術(shù), 2009(11):125-126.
[2] 蔣钘. 人體運(yùn)動(dòng)目標(biāo)檢測與跟蹤關(guān)系問題研究[D]. 長沙:中南林業(yè)科技大學(xué), 2013.
[3] 岑銀. 智能視頻監(jiān)控中運(yùn)動(dòng)目標(biāo)跟蹤技術(shù)研究[D]. 成都:西南交通大學(xué), 2010.
[4] 舒欣, 李東新, 薛東偉.五幀差分和邊緣檢測的運(yùn)動(dòng)目標(biāo)檢測[J].計(jì)算機(jī)系統(tǒng)應(yīng)用, 2014,23(1):124-127.
[5] 許錄平. 數(shù)字圖像處理[M]. 北京:科學(xué)出版社, 2007.
[6] 張德豐. MATLAB 數(shù)字圖像處理[M].北京:機(jī)械工業(yè)出版社, 2009.
[7] 邵廣安. 視頻監(jiān)控中運(yùn)動(dòng)目標(biāo)檢測與跟蹤方法的研究[D]. 南昌:南昌大學(xué), 2013.
[8] 趙潔,李瑋,郝志鵬,等. 基于改進(jìn) Canny 算子與圖像形態(tài)學(xué)融合的邊緣檢測方法[J]. 微型機(jī)與應(yīng)用, 2011,30(10):44-46.