檢測方法

基于統計背景模型的運動目標檢測方法

問題：

（1）背景獲?。盒枰趫鼍按嬖谶\動目標的情況下獲得背景圖像

（2）背景擾動：背景中可以含有輕微擾動的對象，如樹枝、樹葉的搖動，擾動部分不應該被看做是前景運動目標

（3）外界光照變化：一天中不同時間段光線、天氣等的變化對檢測結果的影響

（4）背景中固定對象的移動：背景里的固定對象可能移動，如場景中的一輛車開走、一把椅子移走，對象移走后的區(qū)域在一段時間內可能被誤認為是運動目標，但不應該永遠被看做是前景運動目標

（5）背景的更新：背景中固定對象的移動和外界光照條件的變化會使背景圖像發(fā)生變化，需要及時對背景模型進行更新，以適應這種變化

（6）陰影的影響：通常前景目標的陰影也被檢測為運動目標的一部分，這樣將影響對運動目標的進一步處理和分析

背景模型

背景模型提取

前提假設 在背景模型提取階段，運動目標在場景區(qū)域中運動，不會長時間停留在某一位置

視頻流中某一像素點只有在前景運動目標通過時，它的亮度值才發(fā)生大的變化，在一段時間內，亮度值主要集中在很小的一個區(qū)域中，可以用這個區(qū)域內的平均值作為該點的背景值。具體實現過程：在YUV顏色空間下，Y值的變化范圍為0~255，將該范圍劃分成若干區(qū)間[0,T][T,2T]…[Nt,255],n=255/T，對于每個像素點，統計一段時間內每個區(qū)間內亮度值的出現的次數。找出出現次數最多的那個區(qū)間，將該區(qū)間內所有值的平均值作為背景模型在該點的亮度值。這種方法不受前景運動目標的影響。

目標檢測

運動目標檢測

檢測當前圖像和背景圖像中對應像素點的差異，如果差值大于一定閾值，則判定該像素為前景運動目標

后處理

噪聲的影響，會使檢測結果中出現一些本身背景的區(qū)域像素點被檢測成運動區(qū)域，也可能是運動目標內的部分區(qū)域被漏檢。另外，背景的擾動，如樹枝、樹葉的輕微搖動，會使這部分也被誤判斷為運動目標，為了消除這些影響，首先對上一步的檢測結果用形態(tài)學的方法進行處理，在找出經過形態(tài)學處理的后的連通域，計算每個連通域中的面積，對于面積小于一定值的區(qū)域，將其拋棄，不看做是前景運動目標。