交通场景中运动目标的检测文献综述

交通场景中运动目标的检测文献综述摘要:运动目标检测是数字图像处理技术的一个主要部分,是一种基于视频监控系统的运动目标检测方法。这种算法主要包括：图像预处理、运动目标的检测、运动速度的求取。运动目标分割是实现交通场景下车辆检测的前提。常用的分割方法可以分为背景差分法、帧间差分法和基于光流的分割方法等。关键词:数字图像处理;运动目标;检测方法1前言运动目标检测是数字图像处理技术的一个主要部分，近些年来，随着多媒体技术的迅猛发展和计算机性能的不断提高，动态图像处理技术日益受到人们的青睐，并且取得了丰硕的成果，广泛英语与交通管理、军事目标跟踪、生物医学等领域。目前,以数字图像处理技术为核心的视频监视系统越来越广泛地应用到交通监管中,它利用摄像机来获取图像,由计算机完成对运动目标的自动检测,如果车辆交通违规时,自动发出预警,记录全程违章视频,这在很大程度上减轻了监控人员的劳动强度,克服可能的人为失误,而且节省大量存储空间,使存储的数据更为有效,为交通违规的后续处理提供了客观依据。交通场景中运动目标的检测是本文的研究对象。结合图书馆书籍、网上资料以及现有期刊杂志的相关信息，初步建立起交通场景中运动目标检测课题研究的整体思路和方法。2正文2.1运动目标运动目标是常生活中常见的．如活动的动物、行驶的运载工具等。在现实生活中，尽管人类的视觉既能看见运动又能看见静止的物体，但是在交通这样的复杂场景中大量有意义的视觉信息都包含在这些运动之中，人们往往只对运动的物体或目标感兴趣。因此，研究运动目标的检测问题，有着很大的现实意义和应用价值。2.2运动目标检测的基本概念目前我们主要是通过对动态图像进行分析处理来获取运动目标信息，从而实现对运动目标的检测，它是图像处理与计算机视觉应用研究领域的一个重要课题。，所谓动态图像是由一序列图像组成的，即图像序列。图像序列是用一个传感器(如摄像机、数码相机)采集的一组随时间变化的图像，不同时刻采集的二帧图像或多帧图像中包含了存在于相机与景物之间的相对运动信息。还有景物本身发生变化的运动信息等等，这些信息表现为图像帧之间的灰度变化或诸如点、线、区域等记号的位置和运动方向速度等属性的变化。运动目标检测的目的就是从序列图像中将变化区域从背景图像中提取出来。我们首先用摄像机获取运动目标的视频影像，经视频采集卡将视频信号传输到计算机，利用计算机对其进行相关处理，从视频图像中按一定时间间隔获取序列图像，然后通过对这些序列图像进行特定的处理，就可以检测出我们感兴趣的运动目标。运动目标检测和分析是一种基于视频监控系统的运动目标检测方法。这种算法主要包括：图像预处理、运动目标的检测、运动速度的求取。这种算法在帧差法的基础之上，提取出运动目标，并对其求取运动速度。这种技术可以用于各类图像监控系统，用来检测运动目标，对于现实应用有重要意义。2.3运动目标检测的基本方法由运动目标所形成的图像序列可分为两种情况：一种是静止背景，一种是运动背景。前一种情况通常发生在摄像机相对静止状态(如监视某一路口车流量的固定摄像机)，后一种情况通常发生在摄像机也在相对运动状态(如装在卫星或飞机上的监视系统)。从处理方法上看，对前一种情况可采用消除背景的方法检测运动目标，处理起来比较简单，如简单的帧间差分或自适应背景对消方法。对后一种情况．处理起来比较复杂，一般是采用突出目标或消除背景的思想检测运动目标。若采用消除背景的方法，则通常需要先进行帧间稳像及配准；若采用突出目标的方法，则需要在配准的前提下进行多帧能量积累和噪声抑制。运动目标分割是实现交通场景下车辆检测的前提。常用的分割方法可以分为背景差分法、帧间差分法和基于光流的分割方法等。(1)光流场法所谓光流是指图像中灰度模式运动的速度：它是景物中可见点的三维速度矢量在成像平面上的投影，它表示了景物表面点在图像中位置的瞬时变化；同时光流场携带了有关运动和结构的丰富信息。光流场法的优点是能够检测独立运动的对象，不需要预先知道场景的任何信息，并且可用于摄像机运动的情况，但由于噪声、多光源、阴影、透明性和遮挡性等原因，使得计算出的光流场分布不是十分可靠和精确，光流场的计算实时性和实用性较差，多数光流法计算复杂耗时，很难实现实时检测。基于光流的分割方法运算复杂度较大且对噪声敏感,因而常见的适合交通场景下分割运动目标的方法主要使用前面两种。使用基于帧差的算法进行目标检测,当场景中运动目标没有显著运动时,往往会在目标检测时留下大面积未被检测到的区域,而这些区域本应属于目标。(2)邻帧差法在假设用于获取序列图像的摄像机是静止的前提下，检测运动目标的最简单的方法是帧间差阈值法，也叫邻帧差法，或相继图像差分法。其基本思想是直接对运动目标的连续两帧图像进行差分。邻帧差法的优点是它只对运动物体敏感．实际上它只检测相对运动的物体．而且因为两帧图像的时间间隔较短。差分图像受光线变化的影响较小，检测有效而且稳定，非常适合于动态变化的环境；该算法速度快，易于硬件实现，但是很难求出运动物体的速度，且当运动物体在成像平面有重叠时。邻帧差法难以检测出有重叠的运动物体。(3)背景差分法在摄像头固定的情况下，背景减法是常用的运动目标检测方法。背景减法的基本思想是将当前帧图像与事先存储或者实时得到的背景图像相减，即当前图像与已知背景图像之间的差分，首先根据实际情况设定一个阈值，若像素的差值大于这一阈值，则判断此像素为运动目标上的．经过阈值操作后得到的结果直接给出了需检测的运动目标的位置、大小、形状等信息。但这种简单的背景减法方法对光线、天气等光照条件的变化非常敏感．导致运动目标的阴影也常常被检测为运动目标的一部分，这将影响到运动目标检测结果的准确性。基于光流的分割方法运算复杂度较大且对噪声敏感,因而常见的适合交通场景下分割运动目标的方法主要使用其余两种。使用基于帧差的算法进行目标检测,当场景中运动目标没有显著运动时,往往会在目标检测时留下大面积未被检测到的区域,而这些区域本应属于目标。3运动目标检测中的难点运动目标检测是指从视频流中实时提取目标，一般是确定目标所在的区域和颜色特征等，目标检测的结果是一种静态目标－前景目标，由一些静态特征所描述，运动目标跟踪则指对目标进行连续的跟踪以确定其运动轨迹。受跟踪的目标是一种“动态”目标——运动目标，与前景目标相比，描述它的特征中多了动态特征（如运动参数等）。目标跟踪时则通过匹配目标的位置、大小、形状和颜色等特征，建立运动目标与前景目标间的对应关系。运动目标检测方法的常见问题有：（1）背景获取：需要在场景存在运动目标的情况下获得背景图像（2）背景扰动：背景中可以含有轻微扰动的对象，如树枝、树叶的摇动，扰动部分不应该被看作是前景运动目标（3）背景中固定对象的移动：背景里的固定对象可能移动，如场景中的一辆车开走、一把椅子移走，对象移走后的区域在一段时间内可能被误认为是运动目标，但不应该永远被看作是前景运动目标（4）背景的更新：背景中固定对象的移动和外界光照条件的变化会使背景图像发生变化，需要及时对背景模型进行更新，以适应这种变化。（5）阴影的影响：通常前景目标的阴影也被检测为运动目标的一部分，这样讲影响对运动目标的进一步处理和分析4总结实际的视频监控系统应用的场景往往是错综复杂、变化较大的，事先具有准确性、实时性和鲁棒性的运动目标检测是当前智能视频监控技术的研究方向。在本次设计中对交通系统中车辆检测技术进行研究，在分析总结现有算法的基础上，试图提出一种实时车辆检测方法。本次设计的基本思路是：首先利用统计学方法快速建立初始背景图像，然后通过分析交通场景中背景像素和前景像素的像素值特性，利用差分图像直方图来动态获取阈值，建立当前帧顺势背景图像和前一帧背景图像加权平均的更新算法估计当前帧的背景图像。参考文献[1]于慧敏,徐艺,刘继忠等.基于水平集的多目标运动时标分割与跟踪.中国图形图像学报[J],2007,12(7);1218-1223[2]李俊韬,张海,范跃祖．复杂交通场号中多运动目标分割算法.北京航天航空大学学报[J]，2006，32(3)：297-300，[3]李晴,徐群.复杂场景下多运动目标速度检测技术的实现.计算机与数字工程[J].2006,34(11)167-171[4]陈景波,陆建明,邬正义,谈正.交通场景中多目标的检测与跟踪.现代电子技术[J],2008(01):66-70[5]万卫兵,霍宏,赵宇明著，《智能视频监控中目标检测与识别》[M],上海,上海交通大学出版社,2010.1[6]王陈阳,周明全,耿国华.基于自适应背景模型运动目标检测.计算机技术与发展[J],2007(04):54-57[7]吕国亮,赵曙光,赵俊.基于三帧差分和连通性检验的图像运动目标检测新方法.液晶与显示[J]，2007（2）:87-92[8]孙状,宋正河,毛恩荣,吕安涛.高清视频车辆检测及跟踪系统的设计与实现.中国农业大学学报[J],2009(06):112-115[9]UlissesBraga-Neto,ManishChoudhary,JohanGoutsias.Automatictargetdetectionandtrackinginforward-lookinginfraredimagesequencesusingmorphologicalconnectedoperators.JournalofElectronicimaging,June2003,3:1-22.[10]JiXP,WeiZQ,FengYW.Effectivevehicledetectiontechniquefortrafficsurveillancesystems.JVisualCommunImageRepresent,2006,17(3):647.