3 視頻運動目標檢測算法設計

　　在獲得視頻數據后，需進一步對視頻運動目標進行檢測（運動車輛）。對固定相機的應用場合，一般采用背景差技術檢測視頻運動目標，而背景差法又受背景建模效果的約束。目前存在如基于光流場、目標模型以及差分圖像等多種視頻運動目標檢測方法。基于光流場的目標檢測法對噪聲敏感、計算量大，導致算法實時性較差。基于目標模型的檢測方法一般須建立目標的三維模型，再將模型投影至二維平面，再在圖像中進行匹配。基于差分圖像的檢測方法較為常用，可分為鄰幀差和背景差兩種方法，背景差法是視頻運動目標檢測中的流行方法。本文即采用背景差法對目標運動區域進行檢測，本文針對嵌入式應用，從檢測算法的處理效率出發，場景背景模型的獲取采用文獻［4］所述的基于差異積累的背景建模法。對視頻運動目標進行檢測主要經過四個步驟：差異積累背景建模、運動區域檢測、形態學濾波和區域生長法視頻運動目標定位。

　　3.1 差異積累背景建模

　　差異積累背景建模法首先要建立差異圖像，設差異圖像為F（i，j，t），當前視頻幀為f（i，j，tc），基準幀為f（i，j，tb）， 則由當前幀與基準幀比對可以得到一幅差異圖像，可表示為公式（1）：

　　這里的Tf 是一個特定的門限，決定著差異的程度。

　　若兩幅圖像間灰度差在其坐標上有較大的不同時，F（i，j，t）的值被賦為1，否則為0.這樣可以生成一個像素值為0 或1，大小與輸入圖像一致的圖像矩陣，稱為差異圖像。現在考慮一組m 幀視頻序列{f（i，j，t1），f（i，j，t2）， …， f（i，j，tm）}，本文選取視頻的第f（i，j，tc-3）幀作為基準幀，系統初始化時將讀取的第一幀視頻數據賦予基準幀，基準幀隨著視頻的輸入不斷迭代，程序實現時可按如下方式進行迭代：

　　差異圖像描述了視頻圖像中物體的運動，若在連續圖像序列中存在相對穩定的非運動區域則可考慮作為背景。差異圖像矩陣隨視頻幀變化而不斷改變，根據差異圖像每個像素值的變化程度可以得到一個差異積累動態矩陣D（i，j，t）。 如公式（2）所示：

　　λ記錄每個像素差異積累的深度，動態矩陣的單元數量和高寬比例與差異圖像矩陣相同，當差異圖像某位置處的值為0時使動態矩陣相同位置處的計數器加1，這種計數器在動態矩陣每個單元位置各有一個。在對視頻序列連續處理過程中，若動態矩陣元素的計數器值等于λ時，就認為對應位置的像素灰度值在規定范圍內無變化，可以作為背景像素。

　　背景的更新采用加權平均法，設更新前背景為Bold（i，j，t），新背景為Bnew（i，j，t），結合系數利用公式（3）可獲得當前更新的背景。應用場景的背景會隨著新視頻幀的輸入而不斷進行自動更新，圖3 示意了差異積累法的背景更新效果。

　　圖3 差異積累背景建模過程示意圖

　　3.2 運動區域檢測

　　在獲得背景模型后，采用背景差法即可獲得背景差圖，設背景差圖為Bd（i，j，t），則有：

　　對背景差圖做二值化處理即可獲得視頻運動車輛區域。本文二值化閾值選取采用文獻［5］的Otsu 法（最大類間方差法）。Otsu 法根據圖像的灰度特性，將圖像分成前景和背景兩部分。前景和背景之間的類間方差越大，說明構成圖像的兩部分差別越大，當部分前景錯分為背景或部分背景錯分為前景時都會導致兩部分差異變小，因此，使類間方差最大的分類意味著錯分概率最小，選取使類間方差最大和類內方差最小的圖像灰度值作為最佳閾值。

　　3.3 形態學濾波

　　僅對背景差圖像做二值化處理是不夠的，在二值圖中可能出現因錯判而導致的空洞和細小的噪聲，須進一步經形態學濾波處理以連接相關區域和去噪，具體的操作是腐蝕和膨脹。腐蝕的作用是從二值圖像中消除不相關的細節，膨脹可以使裂縫橋接起來。先腐蝕后膨脹的過程具有消除細小物體，在纖細點處分離物體和平滑較大的邊界時又不明顯地改變其面積的作用。先膨脹后腐蝕的過程具有填充物體內部細小空洞、連接鄰近物體、在不明顯改變面積的情況下平滑其邊界的作用。本文中選擇3×3 像素大小的結構元素先后對二值圖進行腐蝕和膨脹操作。