基于OpenCV的小型生物运动检测技术研究

郭志彪　段为

摘要；从图像处理在视频监控的角度出发提出了一种针对小型生物的检测，将Open CV开源计算机视觉库源代码作为基础函数库，改写或者调用其中的函数，在Visual Studio 2015平台上编程實现。将帧差法，背景减除，灰度化，二值化阈值分割等图像操作应用于视频监控中。实验结果表明，本文中方法具有良好的实时性，能够精确检测和跟踪小型生物，具有很好的鲁棒性和精确性。

关键词：运动目标检测；机器视觉；图像处理OpenCV

中图分类号：TP18 文献标识码：A 文章编号：1009-3044（2017）07-0171-02

运动目标的检测及跟踪技术在机器人导航、安全监控、航天行业等领域都有着广泛的应用，并成为当前机器视觉领域研究重点之一。但是当前的技术对于移动速度快、体积小的小型生物的跟踪很难达到准确度高，实时性强。

1运动目标检测的基本方法

近些年来，国内外的学者们在运动目标检测的问题上，已经提供了许多有效的方法，但是很多算法不能同时满足实时性，精确性的要求，特别是对于移动速度快的小型生物。目前，常用的运动目标检测算法有以下几种：光流法，基于卡尔曼滤波的运动目标跟踪，背景差分法等。

1.1光流法

光流法基本原理为检测序列图像中出现的瞬时位移场，从连续的图像序列中计算光流场，把计算得到的光流，作为检测运动目标的重要特征。光流法不受背景变化的影响，但对于噪声多的场景，光流法容易出现误判的情况。

1.2基于卡尔曼滤波的运动目标跟踪

基于卡尔曼滤波的运动目标跟踪是将目标的运动轨迹作为模型，预测目标下一时刻的位置。能减少运算量，缩小检测区域，但是当运动目标长时间被遮挡时会存在目标跟踪丢失的情况。

1.3背景差分法

背景差分法是事先将图像储存起来作为背景参考模型，再用当前图像与背景作差，找出在灰度上与背景有较大差异的点，检测运动区域。背景差分法对于运动速度快的运动目标，检测准确，但对于动态变化的场景，检测精度低。

综上所述，现有技术存在着对于快速移动的小型生物检测精度不高的问题。作者试图基于帧差法，利用Open CV函数库，寻求一种针对移动速度快、体积小的运动物体的检测。

研究主要实现的目标是对移动速度快的小型生物的检测，主要是利用视频图像序列中连续两到三帧的差异来检测运动区域。首先，获取相邻两帧图像，将前一帧作为背景，用后一帧减去背景，获取图像亮度差绝对值较大的区域，一般亮度差异较大的区域可认为由运动物体引起的。帧差法算法实现简单，受光线影响小，适应于动态场景，稳定性强。但是该算法对于两帧获取时间间隔要求高，时间间隔选取不适当，容易出现“重影”和“空洞”的现象。研究对该算法进行改进，以提高检测的精度。

2系统组成

运动目标检测系统主要由视频获取，读取相邻两帧，图像灰度化处理，相邻帧的图像对应像素值相减，差分图像二值化。

系统首先获取实时采集的序列图像。其次，读取序列图像中相邻两帧图像，对该两帧图像进行灰度化处理。将前一帧作为背景，将后一帧图像的像素值减去背景对应的像素值，获取变化大的区域，确定运动目标的位置。最后对运动目标进行二值化突显运动区域。

3算法原理

3.1图像灰度化

研究使用cvtC～lor函数实现图像的灰度化。函数声明为src和dst分别是源图像和输出图像；code是一个掩码，表示源图像和输出图像之间的转化模式。最后的&tCn表示dst图像的波段数，默认值为0，可从参数code中推断。

code的模式包括：

3.2帧差算法

研究采用帧差算法实现运动目标提取，使用函数subtract（）。

函数声明为

void subtract（InputArray src1，InputArray src2，OutputArray dst，InputArray mask—noArray（），int dtype=-1）

其中，src1为第一帧图像，src2为第二帧图像，dst为输出图像，mask为自定义掩码。]）type为两帧相减的方式。

本函数实现了帧差算法，读取一段序列图像，获取相邻两帧的图像，将前一帧图像作为背景src1（I），后一帧作为当前图像src2（I），用当前图像的像素值减去背景相应的像素值，获取变化较大的区域，该区域可认为由运动物体造成，具体公式可参考公式（1）。

dst（1）=saturate（srcl（D-src2（I））if mask（I）≠0 （1）

3.3差分图像二值化

差分图像二值化是在上一步获取的差分图像的基础上，进一步凸显运动物体的区域。具体实现为先设定一个阈值T，当图像的像素值大于该阈值时设定为1，否则设定为0。接着将所有设定为1的点的灰度值设置为255，所有设定为0的点的灰度值设置设置为0，具体公式可参考公式（2）。

（2）

4算法在编程环境下的具体实现

研究算法的具体实现如下：首先建立一个VideoCapture结构体，导入一段序列图像。然后读取该序列图像中的一帧图像，保存在类型为Mat的结构体中，等待5毫秒后，读取下一帧图像，同样保存在类型Mat的结构体中。接着调用灰度化函数cvtColor（）对两帧图像进行预处理。调用矩阵相减函数subtract（），设定一个阈值，对相减的差分图像进行二值化。最后调用namedWindow（）函数建立窗口并调用imshow（）函数显示图像。

5实验结果及分析

研究对帧差算法进行改进，调用OpenCV函数库中的函数，在Visual Studio 2015平台编程实现了对于小型生物的运动检测，实验结果见下图。

图2所示为实时图像第一帧，图3所示为相邻帧，将图2，图3分别灰度化后再相减后得到图4所示图像，图5为二值化后的图像。其中在获取相邻两帧的时间间隔以及二值化的阈值，需根据实际处理的图片来不断调整数值，经过多次实验不断尝试后，时间间隔在10-30毫秒之间为最好，二值化的阈值在10-13时，运动物体的真实目标区域较完整，“重影”、“空洞”现象较少。

研究算法检测效果比较好，对于移动速度快的小型生物也能很好的检测出来，真实目标区域较完整，背景噪音较少，而它错误可以通过形态学去噪、阴影抑制、空洞修补加以完善。

6结语

研究调用OpenCV函数库中的函数，对帧差法进行改进，实现了对于小型生物的运动检测。改善了“空洞”重影”的情况，提取的真实目标区域较完整，检测效果理想，解决对于小型生物的运动检测精度不高的问题，具有一定的实用性。