Algorism Research of Moving Object Detection and DSP Implementation
摘要：由于實際場景的多樣性，目前常用的運動目標檢測算法都還存在一定程度的缺陷，因此本文提出了一種將幀差法和背景減法相結(jié)合的方法，實現(xiàn)快速精確地檢測和提取運動目標。實驗結(jié)果表明，本方法是比較實用的，能較好滿足實時視頻監(jiān)控系統(tǒng)的要求。最后將程序移植到基于DSP的平臺上，進行相應的優(yōu)化后基本滿足了實時性的要求。
關鍵詞：目標檢測；幀差法；背景減法
Abstract: Because of the environment’s variety, the methods that have been used for moving object detection need to be improved. An algorithm based on two consecutive frames subtraction and background subtraction is presented and it can detect and extract object quickly and accurately. The results show that the proposed method is a practical one. It can meet the need of the real time video surveillance and monitoring system. The coding is transplanted in DSP, and the project is executed successfully on CCS simulator.
Keywords: Object detection; Frames subtraction; Background subtraction
引言
運動目標的檢測在智能監(jiān)控等領域中得到了廣泛的應用。運動目標的檢測就是從視頻流中去除靜止背景提取出運動的目標，運動目標的有效分割對跟蹤等后期處理非常關鍵。
本文提出了將幀間差分和背景減法相結(jié)合的方法。首先選取一幀作為背景幀, 建立各像素點的高斯模型。再運用幀間差分法對相鄰兩幀圖像進行差分處理, 區(qū)分出背景點和變化的區(qū)域。然后將變化區(qū)域與背景幀的對應區(qū)域進行模型擬合區(qū)分出顯露區(qū)和運動物體。
1 運動目標檢測算法總體流程
采用幀間差分與背景減法相結(jié)合的算法進行運動目標檢測，包括運動目標的檢測和將檢測到的運動目標從背景中分割出來兩部分，其系統(tǒng)框架流程圖如圖1所示。
圖1 運動目標檢測流程圖
這種設計充分利用了被檢測區(qū)域部分時間靜止的特點，具有智能檢測的功能，它只在檢測到“報警”時才存儲視頻內(nèi)容到存儲設備，能大大節(jié)約存儲設備的容量。
2 視頻序列運動目標的檢測
2.1 背景模型的建立
現(xiàn)有的一些背景模型獲取方法大都在場景中沒有運動目標的情況下進行，但在實際應用中有時無法滿足這種要求。本文提出一種基于統(tǒng)計的背景模型提取方法，即假設在背景模型提取階段，運動目標可以在監(jiān)視區(qū)域中運動，但不會長時間地停留在某一位置上。
比較相鄰兩幀圖像可以發(fā)現(xiàn)背景像素點在一定的時間里差別不大，隨時間變化緩慢，而前景目標的變化區(qū)域像素點變化很大。自然界中的許多場景如水面的波紋、搖擺的樹枝、飄揚的旗幟等都呈現(xiàn)出多模態(tài)特性。因此對選取的背景幀的每一個像素點利用高斯模型建模。
背景模型的建立是通過不斷學習新幀而得到的，兼顧了過去的背景信息，所以該方法對實際圖像中的偶然變化有一定的抑制作用。
2.2 運動目標的提取
圖3分別為檢測到的單個和多個運動目標的圖像。
