3.4　基于差分的目標提取

基于差分的目標提取，一般用于運動圖像的目標提取，有幀間差分和背景差分兩種方式，以下分別利用工程實踐項目來說明兩種差分目標提取方式。

3.4.1　幀間差分［4］

所謂幀間差分，就是將前幀圖像的每個像素值減去后幀圖像上對應(yīng)點的像素值（或者反之），獲得的結(jié)果如果大于設(shè)定閾值，在輸出圖像上設(shè)為白色像素，否則設(shè)為黑色像素。可以用下式表示。

　　 （3.14） 　　

其中，f1（x，y），f2（x，y）和f（x，y）分別表示序列圖像1、序列圖像2和結(jié)果圖像的（x，y）點像素值；‖為絕對值；thr為設(shè)定的閾值。

本書通過羽毛球技戰(zhàn)術(shù)統(tǒng)計項目（具體參考11.3.1節(jié)）說明幀間差分提取羽毛球目標的方法。

圖3.14是一段視頻中的相鄰兩幀及差分后的二值化圖像，閾值設(shè)定為5。二值圖像上的白色像素表示檢測出來的羽毛球和運動員的運動部分。由于攝像機沒有動，因此序列幀上固定部分的像素值基本相同，差分后接近于零，而羽毛球、運動員等運動區(qū)域，會差分出較大值來，由此提取出運動區(qū)域。

3.4.2　背景差分［5］

交通流量檢測是智能交通系統(tǒng)ITS（intelligent transportation system）中的一個重要課題。傳統(tǒng)的交通流量信息的采集方法有：地埋感應(yīng)線圈法、超聲波探測器法和紅外線檢測法等，這些方法的設(shè)備成本高、設(shè)立和維護也比較困難。隨著機器視覺技術(shù)的飛速發(fā)展，交通流量的視覺檢測技術(shù)正以其安裝簡單、操作容易、維護方便等特點，逐漸取代傳統(tǒng)的方法。

本項目的目標是要開發(fā)一種不受天氣狀況、陰影等影響的道路車流量圖像檢測算法。技術(shù)要點如下：

①實時獲取背景圖像；

②提取每一幀圖像上的車輛；

③去除車輛陰影的影響；

④區(qū)分每一幀上的不同車輛；

⑤判斷連續(xù)幀上車輛的同一性，實現(xiàn)對通過車輛的計數(shù)。

本項目使用筆記本電腦，通過IEEE1394接口連接數(shù)碼攝像機，進行視頻圖像采集并保存，圖像大小為640×480像素，圖像采集幀率為30幀/秒。攝像機的安裝位置距地面高約6.6m，俯角約60°。采集的視頻圖像為彩色圖像，以其紅色分量R為處理對象。

本項目需要首先計算沒有車輛的背景圖像，而且由于天氣的晝夜轉(zhuǎn)換，背景圖像需要不斷計算和定時更新。本節(jié)內(nèi)容不介紹背景圖像的計算、更新以及其他相關(guān)算法，只關(guān)注基于背景差分的目標車輛提取方法。如果已知背景圖像，將當前圖像與背景進行差分處理，即可提取運動的車輛。

利用幀間差分算式（3.14），將f1代入當前的圖像，f2代入背景圖像，閾值設(shè)定為背景圖像像素值的標準偏差，對處理結(jié)果圖像f再進行去除噪聲處理（見第5章），即可獲得理想的車輛提取結(jié)果。圖3.15是一組背景差分的圖像示例。其中，圖（a）是公路的背景圖像，圖（b）是某一瞬間的現(xiàn)場圖像，圖（c）是對圖（a）與圖（b）差分圖像進行閾值分割和去除噪聲處理的結(jié)果。背景圖像是由一段實際圖像計算獲得。