基于边缘对比差分算法的运动目标检测

doi:10.19678/j.issn.1000-3428.0048545

摘要/Abstract

摘要： 传统三帧差分目标检测算法容易发生边缘缺失现象,导致无法通过形态学处理来完全填补目标内部的空洞。为此,提出一种边缘对比差分目标检测算法,以获取目标边缘。根据视频图像的连续性与运动目标速度的不确定性建立理论模型。对传统边缘差分算法与固定参数的边缘对比差分算法进行分析,提出依据目标运动参数自适应获取当前模型参数的方法,从而降低背景点的误判率并获得完整的目标边缘。实验结果表明,相对传统三帧差分算法,该算法能快速有效地从视频序列中提取运动目标,且具有更好的鲁棒性。

关键词: 三帧差分算法, 边缘对比差分算法, 速度自适应, 运动目标检测, 形态学处理

Abstract: The traditional three-frame difference target detection algorithm is prone to the phenomenon of edge missing,which makes it impossible to completely fill the hole in the target by morphological processing.To solve this problem,an edge contrast difference target detection algorithm is proposed to obtain the target edge.A theoretical model is established based on the continuity of video images and the uncertainty of velocity of moving targets.The traditional edge difference algorithm and the edge contrast difference algorithm with fixed parameters are analyzed.A method of adaptive acquisition of current model parameters based on target motion parameters is proposed,which can reduce the error rate of background points and obtain a complete target edge.Experimental results show that,compared with the traditional three-frame difference algorithm,this algorithm can extract moving objects from video sequences quickly and effectively,and has better robustness.

Key words: three-frame difference algorithm, edge contrast difference algorithm, speed adaptive, moving object detection, morphological processing

中图分类号:

TP391

刘小静,薛峰. 基于边缘对比差分算法的运动目标检测[J]. 计算机工程, 2018, 44(10): 246-251.

LIU Xiaojing,XUE Feng. Moving Object Detection Based on Edge Contrast Difference Algorithm[J]. Computer Engineering, 2018, 44(10): 246-251.

参考文献

［1］MADDALENA L,PETROSINO A.A self-organizing approach to background subtraction for visual surveillance applica-tions［J］.IEEE Transactions on Image Processing,2008,17(7):1168-1177.br/ ［2］罗志升,王黎,高晓蓉,等.序列图像中运动目标检测与跟踪方法分析［J］.现代电子技术,2009,32(11):125-128.br/ ［3］TEKALP A M.Video segmentation,handbook of image and video processing［M］.New York,USA:Elsevier Academic Press,2005.br/ ［4］HAERING N,VENETIANER P L,LIPTON A.The evolution of video surveillance:an overview［J］.Machine Vision and Applications,2008,19(5):279-290.br/ ［5］郝毫刚,陈家琪.基于五帧差分和背景差分的运动目标检测算法［J］.计算机工程,2012,38(4):176-180.br/ ［6］黄应清,赵哲,闫兴鹏,等.改进帧差与分水岭算法融合的运动目标检测［J］.激光与红外,2014,4(12):1369-1373.br/ ［7］甘明刚,陈杰,刘劲,等.一种基于三帧差分和边缘信息的运动目标检测方法［J］.电子与信息学报,2010,82 (4):894-897.br/ ［8］郭倩.车辆监控系统图像检测算法研究［D］.武汉:武汉理工大学,2008.br/ ［9］PATRAS I,ENDRIKS E A,LAGENDIJK R L.Video segmentation by MAP labeling of watershed segments ［J］.IEEE Transactions on Pattern Analysis and Machine Intelligence,2001,23(3):326-332.br/ ［10］CANNY J.A computational approach to edge detection［J］.IEEE Transactions on Pattern Analysis and Machine Intel-ligence,1986,8(6):679-698.br/ ［11］贺元香,史宝明,曹晓丽,等.基于边缘和直方图的目标检测方法［J］.现代计算机,2013(9):34-37.br/ ［12］阮秋琦.数字图像处理学［M］.北京:电子工业出版社,2013.br/ ［13］SERRA J P.Image analysis and mathematical morpho-logy［J］.Biometrics,1982,39(2):530-536.br/ ［14］ANGULO J,VELASCO-FORERO S,BLOCH I,et al.Mathematical morphology and its applications to image and signal processing［J］.Computational Imaging and Vision,1998,12(4):380-384.br/ ［15］XU L Q,LANDABASO J L,LEI B.Segmentation and tracking of multiple moving objects for intelligent video analysis［J］.BT Technology Journal,2004,22(3):140-150.br/ ［16］CHEN Y T,CHEN C S,HUANG C R,et al.Efficient hierarchical method for background subtraction ［J］.Pattern Recognition,2007,40(10):2706-2715.br/ ［17］LI L,HUANG W,GU Y H,et al.Statistical modeling of complex backgrounds for foreground object detection［J］.IEEE Transactions on Image Processing,2004,13(11):1459-1472.br/

[1]	刘燕德, 曾体伟, 陈洞滨, 王观田. 基于区域相似信息的自适应运动目标检测算法[J]. 计算机工程, 2020, 46(3): 273-279.
[2]	段锁林,严翔,朱方,史兵. 基于改进混合高斯模型与六帧差分的目标检测算法[J]. 计算机工程, 2017, 43(7): 234-238.
[3]	王奎奎,玉振明. 基于DCT零系数与局部结构张量的局部模糊检测[J]. 计算机工程, 2017, 43(6): 207-211,218.
[4]	亚森·艾则孜,艾山·吾买尔. 运动目标检测中基于灰度特征模型的背景消除方法[J]. 计算机工程, 2015, 41(6): 240-246,257.
[5]	马超,沈微,董景峰. 复杂背景中一种特定运动目标检测与跟踪方法[J]. 计算机工程, 2015, 41(5): 219-223.
[6]	杨阳,唐慧明. 基于视频的行人车辆检测与分类[J]. 计算机工程, 2014, 40(11): 135-138.
[7]	喻旭勇，王直杰. 基于灰度触发的Mean Shift自动跟踪算法[J]. 计算机工程, 2014, 40(1): 228-231,235.
[8]	罗斌, 葛双全. 支持装配引导的单手指手势交互方法[J]. 计算机工程, 2013, 39(8): 243-248.
[9]	张健, 沈春裕, 卢瑾. 基于分解的三维Otsu运动车辆检测方法[J]. 计算机工程, 2013, 39(2): 172-177.
[10]	支晨蛟，唐慧明. 基于视频角点特征匹配的车速检测方法[J]. 计算机工程, 2013, 39(12): 176-180.
[11]	叶吉祥, 白一哲, 田莎莎. 基于直方图比较的高斯混合模型更新算法[J]. 计算机工程, 2012, 38(3): 255-257.
[12]	李明瑞, 傅明, 曹敦. 基于肤色检测的AdaBoost人脸检测算法改进[J]. 计算机工程, 2012, 38(19): 147-150.
[13]	孙毅刚, 李鸿, 张红颖. 基于改进混合高斯模型的运动目标检测算法[J]. 计算机工程, 2012, 38(18): 166-170.
[14]	金鑫, 梁雪春, 宫宁生. 基于改进特征跟踪的客流量统计[J]. 计算机工程, 2012, 38(15): 175-178.
[15]	胡小霞, 杨余旺, 莫然. 基于TMS320DM643的运动目标检测算法[J]. 计算机工程, 2012, 38(15): 179-182,186.