维普资讯 http://www.cqvip.com 总第２２７期 ２００８年第９期 计算机与数字工程 Ｃｏｍｐｕｔｅｒ＆Ｄｉｇｉｔａｌ Ｅｎｇｉｎｅｅｒｉｎｇ Ｖｏ１．３６ Ｎｏ．９ ３４ 视频监控系统中动目标检测算法研究 高辉杜庆灵 郑州４５０００１） （河南工业大学信息科学与工程学院摘要描述运动目标检测的基本概念，讨论了运动目标检测的广泛应用、目前所面临的主要问题和困难、实现运动目 标检测的几种流行算法，对当前主流运动目标检测实现方法的基本思想和最新发展分别进行了叙述，着重讨论了各类方法 的主要优缺点，并展望了该领域的发展趋势。 关键词 视频监控运动目标检测 背景差分法相邻帧差法 光流法 中图分类号ＴＰ３０１．６ Ｒｅｓｅａｒｃｈ ｏｎ Ｍｏｖｉｎｇ Ｏｂｊｅｃｔ Ｄｅｔｅｃｔｉｏｎ Ａｌｇｏｒｉｔｈｍ ｉｎ Ｖｉｄｅｏ Ｍｏｎｉｔｏｒ Ｓｙｓｔｅｍ Ｇａｏ Ｈｕｉ Ｄｕ Ｑｉｎｇｌｉｎｇ （Ｃｏｌｌｅｇｅ ｏｆ Ｉｎｆｏｒｍａｔｉｏｎ Ｓｃｉｅｎｃｅ＆Ｅｎｇｉｎｅｅｒｉｎｇ，Ｈｅｎａｎ Ｕｎｉｖｅｒｓｉｔｙ ｏｆ Ｔｅｃｈｎｏｌｏｇｙ。Ｚｈｅｎｇｚｈｏｕ ４５０００１） Ａｂｓｔｒａｃｔ Ｔｈｉｓ ｐａｐｅｒ ｄｅｓｃｒｉｂｅｓ ｔｈｅ ｂａｓｉｃ ｃｏｎｃｅｐｔ ｏｆ ｍｏｖｉｎｇ ｏｂｊｅｃｔ ｄｅｔｅｃｔｉｏｎ ａｎｄ ｄｉｓｃｕｓｓｅｓ ｈｏｗ ｔｏ ＵＳＣ ｉｔ ｗｉｌｄｌｙ，ｔｈｅ ｐｒｏｂｌｅｍｓ ａｎｄ ｄｉｆｆｉｃｕｌｔｉｅｓ ｆａｃｅｄ ａｎｄ ｔｈｅ ｂａｓｉｃ ｃａｔｅｇｏｒｉｅｓ ｏｆ ａｐｐｒｏａｃｈｅｓ ｅｔｃ．Ｔｈｅ ｂａｓｉｃ ｔｈｏｕｇｈｔ ａｎｄ ｌａｔｅｓｔ ｄｅｖｅｌｏｐｍｅｎｔ ｏｆ ｍｏｖｉｎｇ ｏｂｊｅｃｔ ｄｅｔｅｃｔｉｏｎ ａｌｇｏｒｉｔｈｍｓ ｗｅｒｅ ｎａｒｒａｔｅｄ ｒｅｓｐｅｃｔｉｖｅｌｙ．Ｍａｉｎ ｍｅｒｉｔｓ ａｎｄ ｓｈｏｒｔａｇｅｓ ｏｆ ａｌｌ ａｐｐｒｏａｃｈｅｓ ａｒｅ ｄｉｓｃｕｓｓｅｄ， ａｎｄ ｔｈｅ ｄｅｖｅｌｏｐｍｅｎｔ ｔｒｅｎｄ ｏｆ ｔｈｅ ａｒｅａ ｉｓ ｆｏｒｅｃａｓｔｅｄ． Ｋｅｙ ｗｏｒｄｓ ｖｉｄｅｏ ｍｏｎｉｔｏｒ，ｍｏｖｉｎｇ ｏｂｊｅｃｔ ｄｅｔｅｃｔｉｏｎ，ｂａｃｋｇｒｏｕｎｄ ｓｕｂｔｒａｃｔｉｏｎ，ｔｅｍｐｏｒａｌ ｄｉｆｆｅｒｅｎｃｅ，ｏｐｔｉｃａｌ ｆｌｏｗ Ｃｌａｓｓ Ｎｕｍｂｅｒ ＴＰ３０］．６ １ 引言 视频监控是近年来计算机视觉领域中备受关 容相当丰富，包括了动目标检测、跟踪、目标分类和 行为理解等方面，涉及到计算机视觉、模式识别和 人工智能等领域的许多核心课题，是一个具有挑战 注的前沿方向，早已被广泛应用于社会生活的方方 面面，从社区和重要设施的保安监控到城市和高速 公路上的交通监控，从军事目标的检测到智能武器 性的困难问题，其中对动目标的自动检测和识别能 力便是重要的基础能力，具有很大的实用价值和现 实意义。 的研究，视频监控都起着非常重要的作用。视频监 控就是利用计算机视觉的方法，在不需要人为干预 ２面临的问题 虽然对目标检测的研究已经经历了几十年的 时间，但到目前为止仍面临许多不能很好地解决的 问题： 的情况下，通过对摄像机拍录的图像序列进行自动 分析，实现对动态场景中目标的定位、识别和跟踪， 并在此基础上分析和判断目标的行为，从而做到既 能完成日常管理又能在异常情况发生的时候，系统 １）在运动目标分割过程中，背景的提取与更新 对事件的高级理解以及做出判断均需要依赖某些 低级计算机的视觉能力。智能视频监控的研究内 是比较关键的步骤。如果背景静止不变，则运动目 标分割相对容易实现。然而，多数情况下，背景是 ＊收稿日期：２００８年４月２９日，修回日期：２００８年６月４日 作者简介：高辉，男，硕士研究生，研究方向：计算机视觉及应用，软件工程。杜庆灵，男，教授，硕士生导师，博士后，研 究方向：网络与信息安全，密钥管理与秘密共享。 维普资讯 http://www.cqvip.com 第３６卷（２００８）第９期 计算机与数字工程 ３５ 动态变化的，常存在物体的移人或移出，如果不能 很好地处理背景中的干扰现象，则作为前景的运动 物体的检测必将受到影响。 ２）视频场景中光线变化问题（渐变、突变、反光 等）同样会影响背景的提取与更新。必须不断地对 背景进行实时估计，解决亮度变化问题，才能更好 地完成运动目标的检测。 ３）光照条件下，目标存在阴影。与背景不同，运 动目标的阴影将随运动目标移动。检测分割的结果 可能是阴影与被检测对象连为一个整体出现，使得 运动目标形状失真，从而导致相关的聚类工作失败； 另一种检测结果是阴影与目标分离成两个的运 动目标，导致了虚假错误的运动目标的出现。 ４）遮挡也是运动目标检测过程中一个难以解 决的问题，在运动目标前方的遮挡物可能会作为目 标的一部分被提取出来，从而造成检测目标形变。 严重时会造成运动目标检测的失败。 ５）背景物体的干扰运动。背景中存在的如风 中树叶的摇动、水面波光的闪动、车窗玻璃的反光 以及天气的变化等许多细微活动，同样会影响到运 动目标的检测。 ６）另外目标运动过程是否连续、速度如何、是 否存在往返运动的现象等问题也关系到运动目标 的检测。 ３ 流行算法 图像处理技术的发展大致经历了初创期、发展 期、普及期和实用期这四个阶段。在视频图像处理 中，动目标的检测可以归纳为以下几种方法： ３．１背景差分法（Ｂａｃｋｇｒｏｕｎｄ Ｓｕｂｔｒａｃｔｉｏｎ） 背景差分法相对于其他方法而言简单易于实 现，是最受欢迎的运动目标检测方法之一，如文献 ［１］。它利用当前图像与背景图像的差来检测运动 区域。 一般而言背景差分的步骤如下：首先对固定摄 像机拍摄的视频图像序列进行计算，得到一个场景 的静态背景初始化模型，之后将当前帧与静态背景 图像相比，从当前帧中将背景剔除，从而得到前景 运动目标。不过由于背景可能发生变化，所以算法 在实现的过程中，将不断地自动实现背景更新，之 后再次利用新的背景模型来确定前景目标，以期得 到更精确的结果。 Ｉｓｍａｉｌ Ｈａｒｉｔａｏｇｌｕ等人提出的Ｗ ＿２］是一个较 新的实时室外环境下人的行为跟踪系统。它采用 黑白或红外摄像机，利用最小、最大强度值和最大 时间差分值为场景中每个像素进行统计建模，提取 运动目标，实现单人检测，多人跟踪，如图１所示。 并进行周期性地背景更新。 Ｗ 系统可以处理许多很复杂的情况，能准确 的为身体的每一部分标号。它的速度很快，可以满 足实时性的要求。但是它要求有开阔的视野，以及 有很高的帧率。当帧率很小时，背景差分将失败。 妻鑫 毯 （ａ）背景建模 （ｂ）视频帧 （Ｃ）目标提取 图１ ｗ 多人检测 背景差分一般能够提供最完全的特征数据，适 用于背景已知的情况。其关键所在如何自动获得 场景的静态背景模型。目前最简单的背景模型是 时间平均图像。然而在场景中，背景往往是不固定 的。它会随着光线、运动以及背景物体的移人／移 出等变化而动态变化，背景模型必须及时适应这些 变化。如何找到实用、高效的背景模型并对其进行 更新是当前许多研究人员都在致力于的工作。 ３．２相邻帧差法（Ｔｅｍｐｏｒａｌ Ｄｉｆｆｅｒｅｎｃｅ） 相邻帧差法是模式识别传统算法中ＲＬ算法 的家庭成员之一。又称为Ｑ学习。它是通过递归 方程式从日常规则中得到训练规则，并利用训练规 则来实现目标检测的算法。 运动目标检测的过程中，该类方法主要利用图 像序列中两个或三个相邻帧问的差异来进行目标 检测的方法，并根据规则计算对应像素点的差值， 如果差值大于一定的阈值，就认为该点对应位置有 运动目标存在并提取该运动目标，如文献Ｅｌｉ。之 后对运动区域采用目标聚类，按照人、车辆以及复 杂背景三类进行聚类来实现不同运动目标的检测。 如在Ａ Ｌｉｐｔｏｎ等人＿３］的算法实现过程中，如 果有多人过近的聚集在一起的话，该运动区域可能 会聚类成为一辆车。图２是通过该方法得到的分 割运动区域。 图２分割运动区域 ３．３光流法（Ｏｐｔｉｃａｌ Ｆｌｏｗ） 在目标检测过程中，基于光流方法的运动检测 维普资讯 http://www.cqvip.com ３６ 高辉等：视频监控系统中动目标检测算法研究 第３６卷 应用运动目标随时问变化的流矢量特性在图像序 列中检测运动区域。虽然该类算法层出不穷Ｅ ，但 多数情况下，他们均遵循如下３个处理步骤 ： １）利用低通或带通滤波器预滤波，以增强信噪 比并提取单一的目标信号； ２）利用基本算法提取目标； ３）利用整合算法生成２维运动流场。 Ａｌｅｘｅｉ等人ｌ４＝］利用光流法将原始图像分割成 四个运动通道，如图３所示，最终实现了远距离场 景中人的运动识别。 （ａ）原始图像 （ｂ）光流图像Ｆ （ｃ）ｍ，Ｙ方向的光流分量 （ｄ）产生４个分离通道 Ｆ ，Ｆ ｙ Ｆ７，Ｆ；，Ｆｊ （ｅ）最终生成模糊运动通道Ｆ＂，ＦＧ， ｌ十，Ｆｂｙ 图３运动描述 由于采用了光流场信息，可以得到完整的运动 信息，能很好地从背景中检测得到不同的运动目标 等前景，甚至可以检测到运动目标的一部分。因此 可以实现单一摄像机运动过程中运动目标的 检测。不过，算法要对所有帧中的所有像素进行计 算，所以计算量大，算法复杂耗时，如果没有专门的 硬件设备支持，很难实现视频实时检测。 ３．４混合的方法（Ｍｉｘｅｄ Ｍｅｔｈｏｄｓ） 从以上讨论的方法中可以看出不同的算法各 有优缺点，有的检测效果好，但算法复杂实时性差。 有的算法计算简单，但抗干扰能力差。针对这些优 缺点，目前许多目标检测的研究开始围绕着多种方 法融合的方向展开，如文献［７］，Ｒｏｂｅｒｔ Ｔ Ｃｏｌ— ｌｉｎｓＥ ］提出的自适应“背景差”与“相邻帧差”混合算 法一ＶＳＡＭ，能够快速有效地从背景中检测出运动 目标。 预计在未来一段时间内，更多混合的运动目标 检测方法将会被提出。 ４ 结语 在前面分别讨论了当前在运动目标检测中较 流行的算法，并对这几类算法大致有了一个了解。 下面将对上述算法的优缺点进行总结。 ・背景差分法：摄像机固定，算法简单易于实 现，在背景已知的情况下，能够提供最完全的特征 数据，并能完整地检测出运动目标。由于背景建模 对光照、天气变化以及突发事件等外部动态场景变 化极其敏感，所以当背景更新不能很好的适应变化 场景时，无疑将影响到目标的检测。 ・相邻帧差法：采用固定摄像机，对动态变化 环境中的运动目标检测有较强的自适应性。但总 体来说该方法不能完全提取所有相关的特征像素 点，所以得到的背景并不是纯背景图像，故得到的 检测结果并不十分精确，在运动实体内部易产生空 洞现象，不利于进一步的目标分析与识别。 ・光流法：该方法的优点是在摄像机运动存在 的前提下也能检测出的运动目标。然而，大多 数的光流计算方法相当复杂，且抗噪性能差，除非 有特殊的硬件支持，否则很难实现动目标的实时检 测。 ・混合的方法：取他家之长，补己家之短；利用 上述各类算法各自的优点，可以解决一些如计算 量、抗干扰、背景更新等相关问题。但在算法结合 的过程中某一方面问题的解决大多是以部分牺牲 另一方面的优势为代价的。另外混合的方法仍然 没能解决所有问题，所以依然存在局限性。 ５ 展望 视频监控系统是被国际广泛采用的公共安防 系统，使视频监控向智能化方向发展，已成为视频 监控今后的发展方向，然而由于监控环境的复杂 性，实时、准确地检测和识别目标是非常困难的，有 待于进一步的研究。 参考文献 ［１］Ｃ Ｗｅｎ，Ａ Ａｚａｒｂａｙｅｊａｎｉ，Ｔ Ｄａｒｒｅｌｌ ａｎｄ Ａ Ｐｅｎｔ ｌａｎｄ．Ｐｆｉｎｄｅｒ：Ｔｒａｃｋｉｎｇ ｏｆ ｔｈｅ Ｈｕｍａｎ Ｂｏｄｙ［Ｊ］．ＩＥＥＥ Ｔｒａｎｓ ［２］Ｉｓｍａｉｌ Ｈａｒｉｔａｏｇｌｕ，Ｄａｖｉｄ Ｈａｒｗｏｏｄ，Ｌａｒｒｙ Ｓ Ｄａ— 维普资讯 http://www.cqvip.com 第３６卷（２ＯＯ８）第９期 计算机与数字工程 ｔｅｒｎａｔｉｏｎａｌ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｃｏｍｐｕｔｅｒ Ｖｅｒｓｉｏｎ（ＩＣＣＶ），２００３ ｖｉｓ．Ｗ４：Ｒｅａｌ—Ｔｉｍｅ Ｓｕｒｖｅｉｌｌａｎｃｅ ｏｆ Ｐｅｏｐｌｅ ａｎｄ Ｔｈｅｉｒ Ａｃ ｔｉｖｉｔｉｅｓ ｒ Ｊ］．ＩＥＥＥ Ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ Ｐａｔｔｅｒｎ Ａｎａｌｙｓｉｓ ａｎｄ Ｍａｃｈｉｎｅ Ｉｎｔｅｌｌｉｇｅｎｃｅ，２０００，２２（８）：８０９￣８３０ ｒ５］Ｊ Ｂａｒｒｏｎ，Ｄ Ｆｌｅｅｔ，Ｓ Ｂｅａｕｃｈｅｍｉｎ．Ｐｅｒｆｏｒｍａｎｃｅ ｏｆ ｏｐｔｉｃａｌ ｆｌｏｗ ｔｅｃｈｎｉｑｕｅｓ［Ｊ］．Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｊｏｕｒｎａｌ ｏｆ Ｃｏｒｎ— ｐｕｔｅｒ Ｖｉｓｉｏｎ，１９９４，１２（１）：４２￣４７ ［３］Ａ Ｌｉｐｔｏｎ，Ｈ Ｆｕｊｉｙｏｓｈｉ ａｎｄ Ｒ Ｐａｔｉｌ．Ｍｏｖｉｎｇ Ｔａｒｇｅｔ ｃｌａｓｓｉｆｉｃａｔｉｏｎ ａｎｄ ｔｒａｃｋｉｎｇ ｆｒｏｍ ＲｅａｂＴｉｍｅ Ｖｉｄｅｏ［Ｃ］． Ｐｒｏｃ．Ｏｆ ｔｈｅ １９９８ ＤＡＲＰＡ Ｉｍａｇｅ Ｕｎｄｅｒｓｔａｎｄｉｎｇ Ｗｏｒｋｓｈｏｐ （Ｉ ９８），１９９８ ｒ６］Ｊ Ｂａｒｒｏｎ，Ｄ Ｆｌｅｅｔ ａｎｄ Ｓ Ｂｅａｕｃｈｅｍｉｎ．Ｐｅｒｆｏｒｍａｎｃｅ ｏｆ ｏｐｔｉｃａｌ ｆｌｏｗ ｔｅｃｈｎｉｑｕｅｓ［Ｊ］．Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｊｏｕｒｎａｌ ｏｆ Ｃｏｍｐｕｔｅｒ Ｖｉｓｉｏｎ，１９９４，１２（１）：４２￣４７ ｒ４］Ａｌｅｘｅｉ Ａ Ｅｆｒｏｓ，Ａｌｅｘａｎｄｅｒ Ｃ Ｂｅｒｇ，Ｇｒｅｇ Ｍｏｒｉ， ［７］章毓晋．图像处理和分析［Ｍ］．北京：清华大学出 版社，２００３ Ｊｉｔｅｎｄｒａ Ｍａｌｉｋ．Ｒｅｃｏｇｎｉｚｉｎｇ Ａｃｔｉｏｎ ａｔ ａ Ｄｉｓｔａｎｃｅ Ｅｃ］．Ｉｎ— ： ｛ ｛’： ｛！：ｆ 芥 尔 乔 矫 坏 矫 坏 夺 矫 （上接第４页） 一 （４）当Ｂｎ＞一ａ（ａ∈Ｅ０．４，０．６］）时，判定瓶颈 ｃ ㈣ 篡 柰 值。・ 表１数据例示 ４）瓶颈判别函数分析：式（８）描述了车间各设 备利用率之间的差异情况。以最大利用率为基准， 求其它设备利用率相对于最大设备利用率的距离 参考文献 均值。从表１中的数据分析可以看出，该函数有以 下两个特点： ［１］刘晓冰，郭燕峰，蒙秋男，李松．基于ＭＥＳ的特钢行 业生产计划管理系统研究［Ｊ］．微处理机，２００６，１２（６） ［２］关键．ＥＲＰ环境下生产管理中能力平衡的研究［Ｊ］． 科技创新导报，２００８，（２）：１６３ （１）车间设备利用越均衡，Ｂｎ的值越小。 （２）车间设备的利用率越高（ｔｇ接近最大利用 率），Ｂｎ的值越小。 ４ 结语 在ＥＲＰ蓬勃发展的今天，对生产管理的核心 ［３］李小平．单件生产企业的多级多层计划优化方法 ［Ｄ］．哈尔滨工业大学博士论文，２００２：２３￣３３ ［４］蓝伯雄．企业资源优化与优化模型＿［Ｊ］．计算机集成 制造系统，２００４，１０（３）：２４１～２５１ 问题一生产排程要求越来越高，如何设计既合理又 可行的生产计划，是离散型生产制造企业致力攻克 ［５］郑志民．离散型制造企业生产系统生产能力的仿真 和应用研究［Ｄ］．天津大学机械工程学院硕士论文，２００４：９ ～的难题。本文结合动态规划、系统仿真、基于优化 规则的思想，设计了一种以生产计划高效性和均衡 １９ ［６］Ｗａｎｄ Ｒ Ｃ，Ｆａｎｇ Ｈ Ｈ．Ａｇｇｒｅｇａｔｅ Ｐｒｏｄｕｃｔｉｏｎ Ｐｌａｎ— ｎｉｎｇ ｗｉｔｈ Ｍｕｌｔｉｐｌｅ Ｏｂｊｅｃｔｉｖｅｓ ｉｎ Ｆｕｚｚｙ Ｅｎｖｉｒｏｎｍｅｎｔ［Ｊ］． Ｅｕｒｏｐｅａｎ Ｊｏｕｒｎａｌ ｏｆ Ｏｐｅｒａｔｉｏｎａｌ Ｒｅｓｅａｒｃｈ．２００１，１３３（３）： ５２１～５３６ 性为目标的，基于能力优化的排程算法。该算法在 复杂度和可行性之间取得了相对较好的平衡，满足 了离散型生产制造企业生产排程的要求，生成的生 产计划具有良好的可实施性，对离散型生产制造企 业的生产管理起到了较好的指导和作用。 ［７］曹振新，张士杰．基于约束理论的制造单元瓶颈分 析及决策［Ｊ］．机械设计与制造，２００４，（８）
