吳飛燕

【摘 要】運(yùn)動(dòng)目標(biāo)檢測一直是研究的熱點(diǎn)和難點(diǎn)之一。由于運(yùn)動(dòng)目標(biāo)的檢測容易受到背景、光線變化、目標(biāo)與其他物體間相互遮擋等因素的影響，如何更好地實(shí)現(xiàn)運(yùn)動(dòng)目標(biāo)檢測是本文研究的重點(diǎn)。本文運(yùn)用光流法探究運(yùn)動(dòng)圖像的目標(biāo)檢測，以光流矢量場作為基礎(chǔ)，通過光流模型、背景模型和基于墑等研究途徑，在一幅圖像上分離出目標(biāo)和背景，檢測出運(yùn)動(dòng)目標(biāo)并作出它運(yùn)動(dòng)軌跡。

【關(guān)鍵詞】運(yùn)動(dòng)目標(biāo);光流法;熵;數(shù)字圖像處理

中圖分類號： TP391.41文獻(xiàn)標(biāo)識碼： A文章編號： 2095-2457（2019）21-0045-002

DOI：10.19694/j.cnki.issn2095-2457.2019.21.020

Moving Image Target Detection Based on Optical Flow Method

WU Fei-yan

（College of Big Data and Software Engineering， Wuzhou University， Wuzhou Guangxi 543300， China）

【Abstract】Moving target detection has always been one of the hot and difficult points in research. Because the detection of moving objects is easily affected by background， light change， mutual occlusion between objects and other factors， how to better achieve the detection of moving objects is the focus of this paper. In this paper， the optical flow method is used to explore the object detection of moving image. Based on the optical flow vector field， the object and background are separated from an image through optical flow model， background model and moisture-based research approaches， and the moving object is detected and its trajectory is made.

【Key words】Moving target; Optical flow method; Entropy; Digital image processing

0 引言

運(yùn)動(dòng)圖像在生活中隨處可見，如何快速、準(zhǔn)確地檢測出我們想要觀察的運(yùn)動(dòng)目標(biāo)，這是當(dāng)今學(xué)者們重點(diǎn)研究和討論的問題之一。目前，根據(jù)基本原理的不同，常見的運(yùn)動(dòng)目標(biāo)檢測算法可以分為幀差法、背景差分法和光流法三種[1]。本文基于光流法對運(yùn)動(dòng)目標(biāo)檢測方法進(jìn)行探究。

1 動(dòng)態(tài)背景中運(yùn)動(dòng)目標(biāo)的檢測

光流是一種圖像運(yùn)動(dòng)的表達(dá)方式，光流計(jì)算最初是在1981年由美國學(xué)者Horn和Sehunck提出的，他們根據(jù)圖像灰度守恒原理推導(dǎo)出基本光流約束方程[2]。它是一個(gè)圖像序列中的圖像亮度模式的表觀運(yùn)動(dòng)。如果一個(gè)物體正在發(fā)生運(yùn)動(dòng)，那么從圖像上來說，與其對應(yīng)的那個(gè)物體的亮度模式也一定在發(fā)生著變化。光流法檢測的基本理念就是利用目標(biāo)隨著時(shí)間變化的光流特性。從視覺變化上來說，運(yùn)動(dòng)在我們的眼睛里只不過是一種簡單幾何變化，直觀表現(xiàn)就是圖像像素在發(fā)生變化。

熵的概念來源于熱力學(xué)。在熱力學(xué)中熵的定義是系統(tǒng)可能狀態(tài)數(shù)的對數(shù)值，稱為熱熵。信源通過信息熵來統(tǒng)計(jì)統(tǒng)計(jì)自己的特性，它其實(shí)就是代表著信源平均不確定度的一個(gè)物理量。從統(tǒng)計(jì)學(xué)的角度出發(fā)就是在描述著一個(gè)信源。我們可以通過熵來找到對應(yīng)的閾值S，用來區(qū)分目標(biāo)和背景。這樣一來，目標(biāo)和背景的信息量就可以輕易地達(dá)到最大值了。

這里我們一般使用Kalman濾波法來進(jìn)行背景圖像的更新，應(yīng)對外部環(huán)境的變化，從而阻止外界因素影響運(yùn)動(dòng)檢測。

背景圖像的更新公式為：

I為當(dāng)前幀圖像，B是背景圖像，a2要十分小，才可以從背景序列圖像中分割出運(yùn)動(dòng)目標(biāo)，這里我們a1=0.1，a2=0.01。

為了進(jìn)行運(yùn)動(dòng)目標(biāo)的檢測，我們首先需要確定找到一個(gè)閾值S，使二值化后的圖像更加接近運(yùn)動(dòng)目標(biāo)。一般而言，確定一個(gè)合適的閾值很難，因此我們可以通過概率分布來表示信息，目標(biāo)和背景的灰度分布可以利用信息嫡來表示。

2 數(shù)字圖像處理技術(shù)的應(yīng)用

2.1 圖像的灰度變化

在圖片進(jìn)行成像的過程中，有許多外界因素會(huì)使圖像的灰度級產(chǎn)生失真，例如光照的強(qiáng)弱變化感光部件的靈敏度，電子元器件特性的不穩(wěn)定等?；叶燃壭Ｕ龝r(shí)，我們通過圖像采集系統(tǒng)對圖像像素進(jìn)行逐點(diǎn)修正。

設(shè)原始圖像為f（x，y），實(shí)際獲得的含噪聲的圖像為g（x，y）。

其中e（x，y）是具有降質(zhì)性質(zhì)的函數(shù)。對于系統(tǒng)降質(zhì)函數(shù)e（x，y），可以簡用一幅灰度級全部為常數(shù)C的圖像來標(biāo)定。

進(jìn)而我們可以得到實(shí)際圖像g（x，y）經(jīng)過校正所恢復(fù)的原始圖像f（x，y）。即：

2.2 圖像的平滑

選一個(gè)含有奇數(shù)點(diǎn)的滑動(dòng)窗口W，將這個(gè)窗口在圖像上進(jìn)行掃描，將它的像素點(diǎn)按灰度級進(jìn)行排列取中間的灰度值（Med）來替代改點(diǎn)的灰度值。即

2.3 圖像的銳化

所以梯度值與其相鄰的像素之間的灰度差分一定是成比例的，所以輪廓處有較大的梯度值。通過梯度進(jìn)行圖像銳化的方法如下。

對于輸出圖像g（i，j）的各點(diǎn)等于該處的梯度。

對梯度值超過某閾值T的像素選用梯度值，而小于閾值時(shí)保持原圖像的像素值。

對梯度值超過閾值T的像素采用固定灰度LG替代，而小于閾值時(shí)保持原圖像的像素值。

將梯度值超過閾值T的像素采用梯度值，而小于閾值時(shí)選用固定灰度LB。

將梯度值超過閾值T的像素采用固定的灰度級LG表示，而小于閾值時(shí)選用固定灰度LB表示。

2.4 提取目標(biāo)的輪廓

輪廓提取的原理：假設(shè)在原始圖像里有一點(diǎn)，它的顏色是黑色，并且在它身邊有8個(gè)黑色的鄰點(diǎn)時(shí)，將該點(diǎn)刪除。最終結(jié)果如圖4所示。

3 總結(jié)

光流法是運(yùn)動(dòng)目標(biāo)檢測的方法之一，光流法可以獲取運(yùn)動(dòng)目標(biāo)的運(yùn)動(dòng)信息，支持?jǐn)z像機(jī)在運(yùn)動(dòng)時(shí)進(jìn)行目標(biāo)檢測。但是該算法在沒有特殊加速硬件支持的條件下，計(jì)算耗時(shí)，復(fù)雜度高，抗噪性較差。所以，光流法進(jìn)行運(yùn)動(dòng)目標(biāo)檢測有其優(yōu)點(diǎn)也有缺點(diǎn)，有適用性也有局限性。如何根據(jù)實(shí)際情況應(yīng)用好該方法進(jìn)行運(yùn)動(dòng)目標(biāo)需要持續(xù)深入探究。

【參考文獻(xiàn)】

[1]劉洋.運(yùn)動(dòng)目標(biāo)檢測技術(shù)研究綜述[J].科技經(jīng)濟(jì)導(dǎo)刊，2019，27（17）：183.

[2]周曼，劉志勇，應(yīng)正波，等.基于光流法的深度學(xué)習(xí)在工業(yè)運(yùn)動(dòng)檢測的應(yīng)用[J].自動(dòng)化與儀表，2019，34（07）：92-95.