基于序列图像运动目标快速检测技术研究.docVIP

基于序列图像运动目标快速检测技术研究 　　摘要针对固定场景单目视觉图像序列的运动目标快速检测与定位，本文采用相邻帧间差分法从图像序列中提取出运动目标区域，并对运动目标区域提出一种八向差分快速边缘检测算子。实验结果表明,差分法提取运动区域，简单快速，八向差分算子与传统的Sobel算子相比，能够更快速、准确的提取出目标边缘，并且在二值化过程中，直接选定阈值,不需迭代求取。最后利用相邻两帧目标边缘二值图像在水平和垂直方向的投影计算目标位置，运动速度大小与方向。 　　【关键词】图像处理 目标检测 八向差分算子 边缘提取 定位 　　1 图像预处理技术 　　1.1 帧间差分 　　设第n帧图像为，第n-1帧图像为，经过差分后得到运动目标区域的图像为，由于灰度图像两像素点直接差分，可能出现负值，出现负值之处也代表运动变化区域，故取其绝对值。 　　（1） 　　1.2 图像边缘提取 　　经典的边缘检测是以原始图像为基础，对图像的各个像素考察它的某个领域内灰度阶跃变化，利用边缘邻近一阶或二阶方向导数变化规律检测边缘。对于数字图像，为检测边缘常常采用一些近似一阶导数的算子实现梯度的计算。具体边缘算子很多，常用的有Sobel算子，Prewitt算子等。以Sobel算子为例，Sobel算子从不同的方向检测边缘，利用像素点上下、左右临界点做灰度加权算法，根据在边缘点选取极值进行边缘检测。 　　1.3 图像的阈值化 　　灰度级阈值化是最简单的分割处理，可以确定一个亮度常量即阈值来分割物体与背景。设第n帧运动目标边缘图像为，则有阈值化之后的图像： 　　（2） 　　其中像素灰度值为255代表亮度最高，像素灰度值为0代表亮度最低。同理，第n-1帧运动目标边缘二值图像为。 　　智能视觉中要求阈值能够自动确定，所以应该采用某个阈值检测方法确定阈值。阈值的计算方法很多，其中迭代法求取阈值适用于大部分图像，对图像的适应性较好。设ci表示图像中存在的像素灰度最小值Min Valuable到最大值Max Valuable之间每个像素值存在的像素点数目，i=Min Valuable, …Max Valuable。THj表示阈值，其中j代表迭代次数，j=0,1,2…。设初始阈值为： 　　（3） 　　迭代公式如下： 　　（4） 　　 （5） 　　 （6） 　　（7） 　　 (8) 　　 (9) 　　 (10) 　　2 基于八向差分的运动目标快速检测 　　本文采用普通USB摄像头做图像传感器，PC机做上位机处理和分析，构成了一套性价比较高的图像检测硬件系统。通过利用帧间差分法提取运动目标区域,差分图像效果如图1(a)。 　　图1(b)为采用Sobel算子提取边缘，图1(c)为对应的二值化图像。根据1.2节，采用八向差分算子对图像进行边缘提取，可以看出八向差分算子只需进行8次减法，8次取绝对值，8次加法，1次除法。通过文献对边缘检测算子分析比较，采用Sobel算子进行计算，需要做18次乘法，18次减法，18次加法，2次取绝对值。八向差分算子在计算量上较Sobel算子少很多，加快了边缘检测速度。 　　由图1(d)，八向差分算子提取出的边缘图像灰度对比明显。为了更好的说明八项差分算子提取边缘后阈值化的速度比用Sobel算子、Prewitt算子提取边缘后阈值化快。本文对当前差分图像分别利用几种算子提取边缘和求取阈值，计算中对初始阈值、最佳阈值、迭代次数进行对比，如表1。 　　通过实验发现，不论采用什么算子边缘提取后的图像灰度对比度均增强，根据公式(4)计算，初始阈值都是127。通过迭代次数对比，明显八向梯度算子的迭代次数少，而且求得的阈值和初始阈值相差最小，仅仅差了4个灰度级。所以可以直接取阈值为127，省去了寻找初始阈值、迭代求值的过程，大大加快了阈值化速度。利用四向差分算子边缘提取后，求取阈值时迭代次数与八向差分算子相同，但最后得到的最佳阈值相对初始阈值差比较大。 　　3 运动目标的定位 　　对运动目标边缘二值图像，按列扫描，统计每一列中灰度值为255的像素点个数，将其投影到水平方向上，得到运动目标边缘二值图像的水平方向投影。同理，对图像按行扫描，可得到运动目标边缘二值图像的垂直方向投影。 　　对固定场景，图像长宽的像素点个数与实际场景长宽距离成比例。比例系数由摄像头的高度和向下倾斜的角度以及摄像头的可视角度决定。假定当前运动目标水平投影有效像素起止坐标为a1，a2,垂直投影有效像素起止坐标为b1，b2，根据当前运动目标的水平投影有效起止像素坐标可以对应得到目标的所处于实际场景地面横向坐标起止位置为a1×A/Width，a2×A/Width，纵向坐标为b1×B/Height，b2×B/Height，其中Width为图像的宽度像