基于鲁棒背景运动补偿的运动目标检测算法摘要：提出一种用仿射参数模型来近似场景中摄像机的复杂运动，采用参数化的多分辨率估计方法鲁棒地估计出仿射参数；然后在当前帧与运动补偿后的帧之间求光流场，得到目标轮廓的初始分割；最后通过聚类和搜索填充算法分割出完整的目标。试验结果表明，该运动补偿算法能有效消除摄像机运动引起的背景运动，在摄像机运动情况下得到完整的目标。关键词：目标检测;背景运动补偿;多分辨率估计;光流;搜索填充：TP391文献标志码：A：1001―3695(2007)03―0066―03复杂背景下的运动目标检测是许多视频应用领域的一个重点和难点，背景的多样性以及摄像机的复杂运动都进一步增加了目标检测与跟踪的难度。复杂场景下运动目标的检测主要有背景模型法[1]、光流法[2]和帧间差分法[3]三种方法。背景模型法主要应用于静态或准静态的视频监控场合，能得到运动物体很全面的特征数据，但却对光线变化和其他外部的动态场景变化非常敏感，且需要用到很多帧的数据，不适合实时实现；帧间差分法用连续的两到三帧图像相减实现时域差分，这种方法对动态变化的场景非常有效，但一般不能很好地提取出运动目标的所有特征像素，适应于目标运动稍快且图像分割精度要求不高的场合。??然而，基于帧间差分检测方法的前提是背景本身是静止的。当摄像机运动时，由于摄像机的高帧频，被拍摄景物认为是静止的，图像背景与摄像机之间的运动可以认为全部是由摄像机运动引起的。这时，首先要做的就是帧间图像的配准，即背景全局运动的补偿。经过全局背景运动补偿后，帧间图像相对静止，差分检测出目标的轮廓，该方法检测的目标轮廓一般不完整，且帧差图像的二值化阈值选择也是该方法的一个难点。??鉴于此，针对运动补偿后差分检测方法不能得到完整运动目标的特点，提出一种新的基于全局背景运动补偿的运动目标检测算法。在精确补偿背景的运动后，不作帧差，而是在当前帧与运动补偿帧之间求光流场。这时对光流的幅值取简单阈值，就可以得到运动目标的轮廓，然后通过形态学处理和邻域聚类的方法去除密度光流场灰度曲面中的小斑点和噪声，最后用搜索填充算法得到完整的目标轮廓。这比运动补偿后直接帧间差分方法更具有抗噪能力，适应性更强，得到的目标也更完整。1背景运动补偿算法??全局背景运动补偿最简单直接的方法是通过传统模板匹配的方法估算出相邻帧图像间的平移运动作为全局背景运动矢量的估计值。这种方法已经得到很广泛的应用，在一些场合也取得了比较好的应用效果。该方法的优点是简单、计算量小；缺点是计算出的运动矢量不够准确，且一般只能计算出平移运动矢量，不能估计摄像机的旋转、变焦等运动，应用很受限制。另外一种方法是参数估计法。参数估计法的基本原理是：考虑到所有背景像素点符合同一摄像机运动参数模型这一基本事实，不需要估计所有像素点的运动矢量，只需要通过估计少量背景的像素点运动来估计出摄像机的运动参数，就可以通过该摄像机运动参数模型来估计图像背景中所有像素点的运动矢量；同时由于摄像机的运动模型可采用简单的线性模型，这样不仅大大减少了计算量，又避免了因为估计单个像素点运动矢量带来的异常估计误差，提高了准确性和实时性，达到了快速准确的目的；并且可以选择四个参数以上的摄像机运动参数模型来估计摄像机的旋转运动，更具有通用性和可靠性。在这里本文采用参数估计的全局背景运动补偿方法。1.1摄像机的运动状态与仿射模型??摄像机的运动状态主要包括左右转动（Panning）、上下转动(Tilting)、焦距变化(Zooming)、水平追踪(Tracking)、垂直追踪(Booming)、前后追踪(Dollying)以及绕光轴转动(Rolling)等。在目标检测与跟踪系统中，摄像机与场景之间距离一般较大，通常可用仿射模型[4]来逼近场景的运动，普通仿射模型包括平移（a5，a6)、旋转和缩放（a1,a2,a3,a4)三种运动。仿射模型将直线映射成直线，将平行线映射成平行线。其中，(x1,y1)为第一幅图像的特征点坐标，(x2,y2)为第二幅图像的对应特征点坐标。式中只有(a1,a2,a3,a4,a5,a6)共六个未知数。理想情况下，只要三个对应特征点就可解出此方程。但是由于图像噪声、目标以及遮挡...