基于融合差分的可变光强自适应目标识别算法

魏 捷

（同济大学 电子与信息工程学院，上海 201804）

0 引言

目标识别的目的在于从采集到的视频序列中提取出运动目标。传统的运动目标识别算法主要有以下3种：背景差分法、帧间差分法以及光流法。其中背景差分法利用已提取的参考背景帧与当前帧进行差分并通过阈值判断来提取运动目标，该方法的优点是能够较为完整地获取运动目标，缺点是对场景中由光照引起的动态变化比较敏感。帧间差分法对相邻的两帧或三帧图像进行差分处理，通过行阈值判断分割出图像中的运动区域。它具有运算速度快、实现简单、对动态场景有较好适应性等优点，但提取出的运动目标区域完整性较差，很容易在运动区域内部产生空洞。光流法反映了场景中每一点的亮度变化趋势，不需要知道任何场景先验信息便能检测独立运动的对象，但此方法的抗噪性差并且计算量大，需要硬件支持不适宜实时检测[1]。

1 差分融合目标检测算法

运动目标检测[2]任务主要分为两部分，第 1部分是划分运动区域和静止区域即区分前景与背景，第 2部分是背景帧的像素更新算法。具体流程如图1所示。

1.1 图像预处理

预处理的主要工作是去除原始图像序列中部分不相关的信息以便后续图像处理工作，同时把彩色图像转化为灰度值图像序列。

1.2 帧间差分与背景差分相融合的前景检测

首先提取相邻两帧图像Ik(i, j)、Ik-1(i, j )进行差分，记IZ(k,k-1)=|Ik-Ik-1|。然后当前帧Ik(i, j)与背景帧Bk( i, j)进行差分，记IBk=|Ik-Bk|。初步划分运动区域，对IZ(k,k-1)进行二值化膨胀腐蚀处理结果记为B1。……