收稿日期! !"#$%",%")! 修回日期! !"#$%##%"& ((基金项目! 国家自然科学基金资助项目" $#&"! # ! ' # !江西省自然科学基金重大项目
"!"#$#A[+!"""-#
作者简介!郭晓光"#,,!%#$男$安徽六安人$硕士研究生$主要研究方向为计算机图像与视频处理!闵卫东"#,$$%# $男" 通信作者#$教授$博导$
博士$主要研究方向为计算机图像与视频处理%计算机图形学%云计算分布式系统" F30I:3./0150689:.8960# !韩清"#,'*%#$女$副教授$硕士$主要
研究方向为计算机网络%计算机图像与视频处理9
改进的应用于交通场景的
运动目标检测方法及质量评价
!
郭晓光
#
! 闵卫东
!>
! 韩(清
!
"#9天津工业大学 计算机科学与软件学院$ 天津 &""&)'! !9南昌大学 信息工程学院$ 南昌 &&""&##
摘(要! 针对 \3+:算法在交通视频检测中出现明显鬼影区域%缓慢目标残影难以消除%检测精确度和鲁棒性不
足的问题$提出改进算法$利用灰度信息为像素建立生命长度矩阵$使鬼影或残影快速融入背景样本得以消除&
结合最大类间方差法设置自适应阈值$加入良好后处理抑制动态噪声& 同时借鉴分类算法的统计指标$提出质
量评价多个要素$ 以 \3+:原算法% 混合高斯算法" `;;#%e+Z%=K78 相结合的背景差分法和该改进算法为例$定
性% 定量对实验结果作出质量评价和分析& 实验表明$改进算法在较少帧数内去除了鬼影$抑制了运动目标残
影$ 提高了运动目标检测的准确度和整体性能&
关键词! 运动目标检测! \3+:改进算法! 交通视频! 阈值划分
中图分类号! ?Z&,#9-((文献标志码! A(( 文章编号! #""#%&$,*"!"#'##!%&)-&%"*
./3!#"9&,$, B2937709#""#%&$,*9!"#'9#!9"'&
<FHD/L:. F/L301/E2:6K.:K:6K3/0 4J1/D3KPF30 KD4GG36
L3.:/HD/6:7730140. k84J3KT:L4J84K3/0
`8/l34/18401
#
! ;30 _:3./01
!>
! a40 n301
!
"#H!"#$$%$&2$*<3,.)!"-.("./!$&,=+).0(1-(..)-(1! >-+(G-( ;$%7,."#(-"4(-5.)6-,7! >-+(G-( &""&)'! 2#-(+% !H!"#$$%$&'(&$)*+,-$( 0( Z
1-(..)-(1
! :+("#+(1 4(-5.)6-,7! :+("#+(1 &&""&#! 2#-(+#
!"#$%&'$$ ?P:D:I:D:7/F:HD/EJ:F7:V37K30130 KP:\3+:4J1/D3KPFE47:. 30 KD4GG36L3.:/HD/6:77301! 786P 471P/7K3017P4./I
4HH:4D:. 30 L3.:/HD/6:77301
! .3GG368JKT/GD:F/L301D:73.84J7P4./I/G7J/IF/L301K4D1:K7! 40. H//D.:K:6K3/0 4668D46T40.
D/E87K0:779?P37H4H:DHD/H/7:. 40 3FHD/L:. \3+:4J1/D3KPF9<K87:. KP:1D4T%764J:7H4K34J30G/DF4K3/0 K/E83J. F4KD3V/GH3V:J
J3G:J:01KP K/F4M:1P/7K301/DK4D1:K+ 7D:73.84J7P4./Ik836MJTEJ:0.:. 30K/KP:74FHJ:7/GKP:E46M1D/80.9<K4J7/6/FE30:.
I3KP KP:=K78 F:KP/. K/7:KKP:.T04F36KPD:7P/J.9?P:3FHD/L:. 4J1/D3KPFK//M KP:1//. H/7K%HD/6:77301F:KP/. K/D:7KD430
.T04F360/37:9?P:H4H:D4J7/HD/H/7:. 7:L:D4Jk84J3KT:L4J84K3/0 6D3K:D34E47:. /0 7K4K37K36730.:V/G6J4773G364K3/0 4J1/D3KPF79
?P:H4H:D:L4J84K:. KP::VH:D3F:0KD:78JK7k84J3K4K3L:JT40. k840K3K4K3L:JT/G/8D3FHD/L:. 4J1/D3KPF6/FH4D301I3KP KP:\3+:
4J1/D3KPF
! KP:`;; 4J1/D3KPF! KP:6/FE304K3/0 /Ge+Z%=K78 4J1/D3KPF9iVH:D3F:0KD:78JK77P/IKP4KKP:3FHD/L:. 4J1/D3KPF
D:F/L:7KP:1P/7K7P4./I740. D:7KD4307KP:D:73.84J7P4./I/GF/L301/E2:6K7I3KP30 J:77GD4F:79<K4J7/HD/F/K:. KP:4668D4%
6T40. /L:D4JJH:DG/DF406:/GF/L301/E2:6K.:K:6K3/09
()* +,%-#$ F/L301/E2:6K.:K:6K3/0% 3FHD/L:. \3+:4J1/D3KPF% KD4GG36L3.:/% KPD:7P/J. 7:1F:0K4K3/0
!"引言
运动目标的检测是指从图像序列中提取出感兴趣的目标
或定位移动 的物体
!它已 被 广泛应 用 于视频 处 理的各 个 领
域
(#)
' 在不同的场景中!准确的前景检测都是智能视频系统
处理的重要基石' 其中交通视频相对于室内监控环境背景更
为复杂
(!)
!其运动目标的速度也不规律!这对检测提出了更高
的要求
(&)
'
帧间差分法& 光流法和背景减除法是目前三类主流的运动
目标检测方法' 帧间差分法
(-)
根据连续视频序列之间的灰度
值差异采取阈值分割!其运算量较小!但准确性易受噪声影响'
光流法
(*)
把基于轮廓跟踪的目标利用光流场信息初始化!视
觉效果& 检测准确度都有提高!但计算复杂度高!不适宜实时处
理' 背景减除法
($)
是目前最常用的一种运动检测方法!其为
图像序列建立背景模板
!通过当前帧与背景模板的差分得到目
标信息' 主流的背景减除算法有混合高斯" `;;#
(')
&码本模
型" [/.:E//M#
())
&\3+:算法
(,)
等' 混合高斯在非线性空间能
够得到很好的差分效果
!但是计算和参数设置复杂' 码本模型
采用量化和聚类的方法!不需要设置参数!但对光照敏感!耗用
大量内存计算空间'
+4D036P 等人
(,!#")
提出了 \3+:" L3784JE46M1D/80. :VKD46K/D#
算法!这是一种像素级视频背景建模和前景减除的算法' 其对
于视频流的类型& 颜色空间以及场景类型都没有特殊的要求!
运算所占内存少!但在检测时也存在不足!若前几帧有运动目
第 &- 卷第 #! 期
!"#' 年 #! 月(
计 算 机 应 用 研 究
AHHJ364K3/0 S:7:4D6P /G[/FH8K:D7
\/J]&- @/]#!
N:69!"#'
评论0