当前位置:首页 >> 电力/水利 >>

基于动态阈值背景差分算法的目标检测方法


第 37 卷 7 期 第
2 0 0 5年 7月



哈 尔 滨 工 业 大 学 学 报 JOURNAL OF HARB I I STITUTE OF TECHNOLOGY N N





基于动态阈值背景差分算法的目

标检测方法
陈凤东 , 洪炳镕
(哈尔滨工业大学 计算机科学与技术学院 , 黑龙江 哈尔滨 150001, E2 mail: chenfd@ hit edu. cn) .

摘 : 提出了基于动态阈值的背景差分算法 , 要 滤波算法和目标区域中心求解算法 ,并且将这种目标检测方 法应用在视觉系统中进行目标检测与跟踪实验 ,实验结果证明了该目标检测方法的有效性和可靠性 . 关键词 : 背景差分 ; 目标检测 ; 目标跟踪 中图分类号 : TP24 文献标识码 : A 文章编号 : 0367 - 6234 ( 2005 ) 07 - 0883 - 02

O bject detectin g m ethod ba sed on background i age m d ifference usin g dynam ic threshold
CHEN Feng2dong, HONG B ing2rong

Abstract: An object detecting m ethod based on background im age difference using dynam ic threshold, noise filtering and center computing method were discussed. The methods were used in our active vision system , and the experim ent results p roved the validity and reliability . Key words: background im age difference; object detect; object tracking

目标检测技术是视觉系统的关键 , 它直接影 响视觉系统的有效性和可靠性 . 目标检测的基本 方法包括 : 背景图像差分法 , 时态差分法和光流 法
[1]

被提出

算法是一种有效可行的方法 , 其优点是算法开销 小 ,速度快 , 适用于实时性较高的场合 , 但该方法 也有局限性 ,在现实世界中通常都不是静态背景 场景 . 为了加强对非静态场景下背景差分的论述 , 文献 [ 5 ]采用了概率分布的方法来模拟每位像素 中亮度的变化 . 与非背景下探测移动目标相对应 , 该论文中还定义了差分运算符来探测异常像素 值. 本文根据自身系统的特点和需求 , 采用了一

种基于动态阈值背景差分算法的目标检测方法 , 有效增强了目标检测的效果 , 提高了系统对复杂 环境的适应性 .

收稿日期 : 2005 - 05 - 10. 基金 项 目 : 国 家 高 技 术 研 究 发 展 计 划 资 助 项 目 ( 863 2001AA422270) .

作者简介 : 陈凤东 ( 1977 - ) ,男 ,博士研究生 ; 洪炳镕 ( 1937 - ) ,男 ,教授 ,博士生导师 .

( School of Computer Science and Technology, Harbin Institute of Technology, Harbin 150001, China, E2 mail: chenfd@hit edu. cn) .

1 系统结构

构建的视觉系统如图 1 所示 ,系统工作时 ,前

. 针对不同的应用 , 更多的目标检测的方法
[ 2 ~4 ]

. 在多种目标检测方法中 , 背景差分

端 CCD 连续采集图像 , 通过 RJ45 端口传给图像 处理模块 ,该模块采用动态阈值的背景差分算法 完成目标检测 ,并计算出目标区域中心 ; 运动控制 模块根据目标检测结果以及目标信息库进行行为 决策 ,决策结果转换为云台控制命令 ,对云台进行 俯仰和摇摆控制 , 实现对环境场景实时监控和对 目标物体的连续跟踪 .

Vol137 No17 July 2005

图 1 视觉系统结构

2 基于动态阈值的背景差分算法

211 基本背景差分算法

背景差分算法类似于图像减法运算 , 即对两

·884·

哈 37 卷 尔 滨 工 业 大 学 学 报 第

幅图像进行点对点相减 ,数学表达式为
R ( i, j) = F ( i, j) - G ( i, j) .

区域的二值图中存在着噪声杂质点 , 应进行滤波 处理 . 本文中噪声滤波算法如下 : 二值图像 R ( i, j) 周围的 8 个像素描述为
R ( i - 1, j - 1) R ( i, j) = R ( i - 1, j) R ( i - 1, j + 1) R ( i, j - 1) R ( i, j) R ( i, j + 1) R ( i + 1, j - 1) R ( i + 1, j) R ( i + 1, j + 1) .

式中 : F ( i, j) 是前景图像 ; G ( i, j) 是背景图像 . 对背景差分结果进行二值化处理 , 数学表达 式描述为
R ( i, j) =

1, 0,

| F ( i, j) - G ( i, j) | > T;

其他 .

式中 : T 是某个灰度阈值 , 它的大小决定了识别目 标的灵敏度 ; 二值图 R ( i, j) 的值为 1 的区域就是 检测到的目标区域 . 该算法简单且便于实现 , 但是由于算法中的 灰度阈值 T 是个固定值 , 导致它只适合于理想的 情况 , 对于光线变化等复杂的环境不太适用 . 环境 光线的变化将导致获取前景图像与背景图像时灰 度值的变化 , 如果其变化超过了指定的阈值 T, 该 算法将不能实现目标的准确检测 .
212 基于动态阈值的背景差分算法

滤波器 K为
1 /8
K =

1 /8 0 1 /8

1 /8 1 /8 . 1 /8

1 /8 1 /8

针对上述算法存在的问题 , 提出基于动态阈

值的背景差分算法 , 其思想是根据获取两幅图像 时的光线变化情况动态地改变阈值 . 动态阈值背景差分算法就是在上述算法的基 础上 , 增加一个动态阈值 ΔT, 其数学表达式描述 如下 : ΔT =λ·
1
N-1 M-1

个质点 ,这个质点就是二值图中目标区域的中心 . 算法 :

下面给出在二值图中求解目标区域中心的原理和 对于 M × 的二值图 , 首先求出目标区域的 N
N-1 M-1

大小 , 即目标区域像素点的个数 C, 其数学表达式
- G ( i, j) | , ( 1) C =

M

| F ( i, j) × ∑∑ N
i =0 j =0

的公式如下 :
N-1 M-1



R ( i, j) =

1, 0,

| F ( i, j) - G ( i, j) | > T +ΔT;

其他 .

式 ( 1 ) 中的 λ为抑制系数 , 它可以根据实际应用 的需求设置为某个值 , 其参考值取 2; M × 表示 N 所处理每幅图像的尺寸大小 , M × 数值结果表 N 示检测区域的像素个数 . ΔT 反映了环境的整体变化情况 . 如果图像光 照变化较小 , 动态阈值 ΔT 是一个很小的值 , 在假 定检测区域的像素足够多的前提下 , 将趋近于 0. 如果图像光照变化明显 , 则动态阈值 ΔT将明显增 大 , 这就有效地抑制了光线变化带来的影响 . 实验证明 , 本算法能够适应复杂变化的环境 场景 , 有效地克服光线变化产生的影响 , 目标检测 与提取的精确度比固定阈值背景差分算法有了明 显的提高 .

果 ,系统通过它可以判定出目标物体的位置 ,分析 出目标的运动特征 ,最终实现对目标的连续跟踪 .

进行遥控车监控与跟踪实验 . 摄像机先是对周围 场景进行监视 ,当目标物体 (遥控车 ) 进入环境场 景后 ,对其进行跟踪 . 跟踪的目的就是实现摄像机 的视野中心始终对准目标物体中心 , 即能够充分 满足目标物体总在摄像机的视野范围内 . 2 展示了采用基于动态阈值背景差分算法 图 的目标检测与跟踪实验结果 . 背景是普通室内地 面如图 2 ( a ) , ( b ) 是目标遥控车进入背景时的 图像 ,为了对比和观测本文提出的动态阈值背景 差分的效果 ,分别采用固定阈值背景差分算法和 动态阈值背景差分进行目标检测试验 ,其中 (下转第 955 页 )

3 噪声滤波与目标区域中心求解
利用动态阈值背景差分算法得到的包含目标

311 噪声滤波

A 为 R 与 K的卷积 , 即 A = R 3 K, 表示图像 R ( i, j) 的 8 邻域均值 .

滤波后的二值结果图 R ( i, j) 为
1 - R ( i, j) ,
R ( i, j) ,

R ( i, j) =

312 目标区域中心求解
i =0 j =0

在视觉系统中往往需要将目标物体抽象为一

∑∑R ( i, j) . 求解目标区域中心位置 ( x, y )
N-1 M-1

x =

∑∑
i =0 j =0

jR ( i, j) /C, y =

目标区域的中心将作为目标检测的最终结

4 背景差分实验结果与分析

应用上述的目标检测方法 , 在不同的环境中

| R ( i, j) - A | > 015;

其他 .

∑∑iR ( i, j) /C.
i =0 j =0

第 7期

王月海 , 等 : 基于动态基准圆的机器人足球射门算法研究

·9 5 5 ·

门算法 , 圆弧轨迹射门算法和切入圆轨迹射门算 [3] 法 ,进行实验 ,实验结果如表 2 所示 .
表 1 静态球射门成功率结果
算法 基本射门算法 圆弧轨迹 切入圆轨迹 动态基准圆算法 射门总数
300 300 300 300 A 51 72 79 91 B 57 75 80 92 C 60 77 82 96 D 39 69 71 83 E 24 62 63 85 F 43 70 67 87 %

仿真结果表明无论球是静态或者动态 , 动态 基准圆算法的射门成功率均高于其他算法 , 并且 在比赛中采用该算法的球队出现失球 , 被拦截 , 被 扑出的情况最少 .

3 结 论
运动轨迹近似阿基米德螺线的射门算法 , 能 大大缩短射门球员的运动距离 , 同时使机器人在 向球的运动过程中逐渐调整到最佳射门角度以较 大的冲量击球射门 ,从而提高了射门的成功率 ,仿 真结果表明 ,该算法使静态射门的成功率提高了 14 个百分点 ,动态射门的成功率也提高了近 7 个 百分点 .

参考文献 :
[ 1 ] KI J H. Third call for participation m icro - robot world M

图 3 动态基准圆射门算法机器人和球的运动轨迹 表 2 动态球射门实验结果
算法 随机 基本 圆弧轨迹 切入圆轨迹 本文 射门总数 失球
2000 2000 2000 2000 2000 512 235 156 163 123

cup soccer tournament 1996 (M iroSot' ) [ EB /OL ]. 96 http: / / vivaldi kaist ac. kr . . . [ 2 ]ASADA M , KITANO H. The RoboCup challenge [ J ]. Robotics and Autonomous System , 1999, 29: 3 - 12. [ 3 ]韩学东 ,洪炳镕 , 孟 伟 . 机器人足球射门算法研究 [ J ]. 哈 尔 滨 工 业 大 学 学 报 , 2003, 35 ( 9 ) : 1064 1067. [ 4 ]吴丽 娟 . 基于 机器 人足球 比赛 的进攻 策略 的实现 [ J ]. 微计算机应用 , 2002, 23 (6) : 351 - 353.

被拦截 被扑出 成功率 / %
236 145 81 107 67 435 340 167 199 136 40. 85 63. 95 79. 8 76. 55 83. 7

(编辑 王小唯 ) (上接第 884 页 )

图 2 ( c )是典型的固定阈值背景差分算法结果 ,从 结果看 ,目标检测出来的同时 ,产生大量非目标区 域 ; 图 2 ( d ) 是典型的动态阈值背景差分算法结 果 ,试验结果表明 , 目标检测精确 , 目标的图像质 心可以很好与实际质心重合 ,可以准确对目标进

行定位和跟踪 . 多次在不同环境中进行实验 , 本视觉系统都 能对目标物体进行可靠的检测和跟踪 .

参考文献 :
[ 1 ] BORENTE I J. Mobile robot positioning sensors and N techniques[ J ]. Journal of Robotic System s, 1997, 14 ( 4 ) : 231 - 249. [ 2 ]ST AUFFER C, GR M S W. Adap tive background m ixture I ON models for real - ti e tracking [A ]. In Proc IEEE Confer2 m ence on Computer V ision and Pattern Recognition[C ]. Fort Collins, Colorado: [ s n. ], 1999. . Probaility[ J ]. Infor mation Processing Socity Japan, 2001, 15 ( 4) : 431 - 441.

[3 ]朱 ,李在铭 ,蔡 . 基于运动窗生成的时空视频分 辉 毅

割 [J ]. 电子学报 , 2004, 3 ( 32) , 480 - 484.

[ 4 ]徐 ,施鹏飞. 基于相位一致与区域生长的自然彩色图 杰

像分割 [J ]. 电子学报 , 2004, 32 ( 7) , 1203 - 1205.

[ 5 ]NAK I H. Robust Object Detection U sing A - Posteriori A

(编辑 ) 杨 波

图 2 背景差分结果

相关文章:
基于帧间差分法的目标运动检测算法开题报告
本科毕业设计(论文)开题报告 题目:基于帧间差分的目标运动检测算法 Frame ...因此,提出一个运用当前图像灰度值 来确定动态阈值方法: 1) 求出图像中的最...
基于差分技术的运动目标检测
能够适应各种动态环境,稳定性较好, 因此对于广泛的...预期目标:1、一套基于谱残差的视频显著性提取算法源...连续帧间差分与背景差分相融合的运动目标检测方法,...
基于帧间差分算法的运动目标检测研究
基于帧间差分算法的运动目标检测研究_计算机软件及...背景差分法与帧间差分法的结合方法等,帧间 差分...判断它是否大于阈值, 根据这个判断条件, 我们可以得出...
基于opencV的动态背景下运动目标检测及跟踪(修改版)
差法:直接比较相邻两帧图像对应像点的灰度值的不同,然后 通过阈值来提取序列...的几种算法都是基于静态背景的方法, 下面主要介绍动态背景下运动目标的检测。...
复杂背景下的运动目标检测算法
差分以及背景差分法成为主流 的运动目标检测算法...本文综合上 述几种算法提出了基于帧间差分法和背景...若面积大于设定阈值则认为有运动目标存 在,对背景...
运动目标检测方法总结报告
1.2 研究现状目前,基于视频的运动目标检测算法主要...Roland 等人[8]利用相邻帧差, 通过局部阈值的迭代...法相结合的运动目标检测算法,该算法利用背景差分法...
背景差分法
背景图像进行差 分来得到运动目标区域, 这种方法...T (4-17) 式中 T 为一阈值,图 4-1 为背景...文中算法的最后一步是进行景物模型的构造,在每一...
运动目标检测之“差分图像法”
根据差分的参考图像不同,可以分为基于相邻帧差的算法基于背景图像与当前帧差...进行差分后无需使用阈值既得到了目标,是实际情况 的理想化,结果如下: CODE: ...
目标跟踪算法的分类
背景差分法是利用当前图像与背景图像的差分来检测...一阈值,则判断此像素属于运动目标,否则属 于背景...基于块的运动估算和补偿可算是最通用的算法。 可以...
更多相关标签:
动态阈值算法 | 阈值分割算法 | 图像阈值分割算法 | 自适应阈值算法 | 最大熵阈值分割算法 | 双阈值算法 | 迭代阈值算法 | otsu阈值分割算法 |