2.3 代数多重网格在运动目标检测中的应用

运动目标检测 ^[28] 是计算机视觉的一个重要研究分支，是智能视频技术的基本问题，处于视频系统的最底层，是目标识别、目标跟踪和目标行为检测的基础，在整个智能化发展中有着至关重要的作用。运动目标检测是从视频序列中有效地提取运动目标，以便后续对其识别和跟踪等做进一步研究。如何将运动目标检测出来，需要对前景和背景进行有效的分离。

2.3.1 使用代数多重网格进行图像的重建

由于在正常视频序列中帧与帧之间的差别很小，很难看出区别，为了后续的处理，本节选取的是相差几帧的图像进行实验。图2.12和图2.13是提取的视频帧中相隔几帧的图像，图像大小为512×512，选取的是两个人正常走动的过程。图2.12为选取的是运动对象比较简单的一个场景，场景中有运动的行人。图2.13相对来说比较复杂，除了运动的行人外还有汽车。

根据前面代数多重网格方法步骤，得到粗网格，然后根据粗网格对图像进行粗化，得到粗化后的三层图像，由于粗网格能较好地保留原始图像的特征信息，所以图像中的显著区域被保留下来。将得到的三层粗化图像进行插值运算，可以得到原图像的重构图像如图2.14～图2.17所示。图2.14和图2.15分别为简单场景前一帧和后一帧的重建结果，而图2.16和图2.17分别为复杂场景前一帧和后一帧的重建结果。

由于从第一层到第三层图像插值的数据量大幅度减少，所以前两层的整体效果比较好，第三层比较模糊。

2.3.2 基于帧间差分法的目标检测

帧间差分法 ^[29，30] 是一种通过对视频图像序列中相邻两帧或者多帧做差分运算来获得运动目标轮廓的方法。在运动场景中，帧与帧有比较明显的区别，两帧相减，可以得到两帧图像亮度差的绝对值，判断是否大于设定的阈值来分析视频帧的运动特性，确定图像序列是否有运动物体。其主要的工作流程如图2.18所示。

其中， F _n 和 F _{n -1} 分别是第 n 帧和第 n -1帧的图像序列，将两帧进行差分处理，得到的差值进行二值化处理。将得到的结果与设定的阈值进行比较，判定是属于背景还是前景目标。其中差分公式为

其中， T 为阈值，若两帧图像发生变化的位置像素取值为1，两幅图像间没有发生变化的位置像素取值为0，这样就检测出运动的目标。

在运动场景目标检测过程中，此方法主要利用时间信息，比较图像中连续帧获得对应点的像素点的灰度值，根据前面设定的阈值，如果大于阈值 T 则可以判定此位置存在运动的目标。利用帧间差分法对运动目标检测的优点是它只对运动目标感兴趣，对非运动区域的感兴趣点比较少，计算量比较小，而且相邻帧的时间间隔很短，一些外部条件如光照等的变化也很小，检测的稳健性得到很大提高。

首先根据帧间差分法对运动场景进行检测，为了加强实验结果的对比，同样选取前面的图像进行运动物体的检测，实验结果如图2.19和图2.23所示；然后根据代数多重网格插值得到的三层图像，进行帧间差分法仿真实验，分别用两帧中的相同层图像做差分处理，得到实验结果如图2.20～图2.22以及图2.24～图2.26所示。

由上述实验结果可以看出，只利用帧间差分法进行物体检测时受噪声干扰比较大，而使用代数多重网格的帧间差分法能有效去除场景中的噪声，能有效检测出运动目标。