帧间差分法运动目标检测过程及原理

王风禄 万戬 范津铭

摘要：帧间差分算法就是我国研究领域的一大热门，它是我国对目标追踪方面的重大研究对象。这一研究的大体思路就是利用模板匹配的方法进行对目标物的提取和检测。这样的方法的优势在于十分简便，通过视频序列中的连续两帧或者是几帧图像的差别来实现对观察目标的检测和提炼。

关键词：帧间差分法;运动目标追踪;检测过程及原理

1  RGB图像转换为灰度图像

RGB图像的别称为真彩图像，在通常情况下，会按照图像的颜色，一红绿蓝三种颜色为一组，每一组均代表像素的色彩。这些色彩直接存在图像的数组之中而且不需要使用调色板，RGB图像作为一种拥有二十四位的图像，三种颜色均在一组中占据八个位码，在理论上，所有的图像总共有2的24次方种颜色。

因为涵盖灰度级不同，所以该类图像成为灰度图像，在matlab中灰度图像分为uint8和16或者双层的精度数据来实现的。在通常的情况下，大多数的灰度图像只能存放在一个矩阵里，在该矩阵中一个像素点就是该矩阵中的一个元素。

元素的数值可以涵盖某个亮度区间，在通常情况下，0指得是灰色，1和255指的是白色，因为灰度图像在存储的过程中用不到调色板，所以matlab在编程的时候会用一个默认的系统调色板来显示图像。

根据不同的彩色图像，我们可以利用其色度的不同建立三维空间坐标系，三个数轴都代表一个色度，这样就可以直接把色度进行区分和读取，彩色图像就變成了直观的坐标图。这种方法有利于我们直观的读取图片信息。虽然这种方法看是简便，但是由于加权问题，图片在还原的时候有可能出现图像失真的情况，其主要原因在于我们对于红黄蓝的敏感度不同。

2  图像差分处理

作为面向像素级演变的像素检测步骤，差分处理可以建立连续帧的差分和图像背景变化为坐标数据的差分算法。在连续帧间差分处理方面，其中一套是将连续的两帧进行对比，从中提取有用的信息，这种算法的主要公式如下：

上式很清楚的表示，将连续两帧的图像作差，能够较快地获得差分后的图像信息。

公式（3.3）中fk是第k帧图像，Bk是背景图像，第k帧图像与背景图像的差即为差分后的图像Dk。

3 差分图像二值化

在运动目标视频序列图像差分算法之中，需要对差分处理的图像进行二值级化处理，依据点来检测或者是判断背景和运动目标，这种算法的依据来自于像素级理论。在通常的做法中，二值算法需要建立一个值T，当差分的获得值在T的范围内的时候，应当将算法结果列为背景像素，反之为目标像素。

正如上式所呈现的，当差分图像获得像素值>T的时候，获得的像素为目标像素，反之则为背景像素。

4  形态学滤波

二值化后图像会出现很多孤立的点，有许多间隙以及空洞、小空间，只要能够让分割后的图像避免这些问题，我们可以通过图像滤波的方法来解决。

形态学在通常情况下指的是生物学范畴中对动植物研究的一类延伸学科，随着信息技术的不断发展，形态学数字化为图像分析带来了技术灵感，数学形态学的基本思想是通过一定的形态结构元素来丈量和提取图像中需要的形状信息，从而达到更加全面地对图像进行分析的目的。该技术在通常情况下多对二值图像进行处理，也常常运用到灰度图像技术之中。

在形态学之中最重要的两个概念是腐蚀和膨胀，腐蚀指的是通过数学算法剔除掉图像中的无用点，其影响是剩下的目标要比处理前减少像素。腐蚀的定义公式如下：

X用B来腐蚀记为XB定义为：

正如公式所呈现的内容：B平移（x，y）后仍在集合X中的结构元素参考点的集合。换句话说，用B来腐蚀X得到的集合是B完全包括在集合X中时B的参考点位置的集合。

5  连通性检测

根据数学形态对图像进行过滤能够把干扰区域去除掉，其中一些小的缝隙也能够得到有效的填补，但是也会有一些空隙得不到解决。从而影响检测的效果，为了进一步改善，可以跟进连通性检测来进行对图像的处理。

在同一个像素集合中，如果每一个像素能够与其他不同的像素点能够有效连接，那么这连接区域就叫做联通部分，在图像中，能够准确的定位该联通区域是机器视觉基本方法之一，我们通常采用递归算法和关旭算法来实现。

二值图像连通成分标记的递归算法过程如下：

二值图像算法中连通部分标记的递归算法步骤——

1、对图像进行扫描操作，找到没有进行标记的像素点，并对这些点进行标记为L;

2、依据递归算法找到L的相邻像素点;

3、如果没有存在需要标记的像素点，则停止标记;

4、返回寻找像素点;

由于这种方法需要反复重头进行，因此效率低，且需要耗费大量的内存，扫描的过程也十分繁琐，而序贯算法在通常情况下只需要进行两次扫描，速度快效率高让其成为最为通常使用的算法——

1、将图像进行建系操作，从左边到右边，从上边往下面进行图像扫描;

2、倘若像素点是目标像素点;

在发现像素点的上边和左边有一个标记、亮点之间有相同的标记的时候，则对标记进行复制;

在发现两个像素点之间有其他标记，则复制上面的标记点，对上面的点进行复制，然后将标记的点输入等价表中进行等价标记。

如果不按照上面的做法，就把这个像素点分配给一个新的标记，并且将这个标记的像素点输入等价表进行等价标记;

3、倘若图像中还包含没有扫描的像素点，则返回步骤2;

4、依照等价表的数据，在每一层的等价级中寻找最低的标记;

5、扫描到图像之后，把等价表中的最低标记代替每一标记。

结合实际情况，本文主要采用的像素点的标记思路是，首先通过形态学滤波来对图像进行过滤处理，然后在采取更加高效的序贯算法来找出连通部分，紧接着对这些连通部分的轮廓进行判断，将轮廓外围的一些小轮廓剔除，这样图像内部就能够呈现得更加完整，有利于进行更深一步的、更高质量的目标跟踪。