- 1 -
中国科技论文在线
基于运动场景下的运动目标检测系统
李东波*
作者简介：李东波(1982),男,高级工程师，主要研究方向:计算机图像处理
（武汉理工大学计算机科学与技术学院）
5 摘要：智能视频监控已经广泛应用在视频监控环境中，传统智能视频监控存在的问题是主要
针对静态环境，监控场景较小，难以满足充分使用球机的全部功能，因此本文提出了一种新
的基于配准的运动场景中运动目标检测算法。该算法结合图像配准算法与背景建模算法，将
运动场景采用图像配准的方法构建一个完整的监控场景，针对运动目标进行检测。该算法充
分利用球机自身的运动特性，为提高检测速度提出了相应的改进算法。实现对监控场景的全10
面扫描及运动目标的检测。通过相应的实验证明该算法能够有效的利用球机的性能，扩展监
控场景，实现了全场景的运动目标检测。
关键词：模式识别;背景生成;运动场景;图像配准;目标检测
中图分类号： 模式识别与装置
15
A new algorithm for moving object detect based on moving
background
Li Dongbo
(Science and Technology,Wuhan University of Technology)
Abstract: Intelligent video surveillance has been widely used in surveillance environment, 20
traditional intelligent video surveillance has a problem that mainly translet the static
background,which cause the monitoring scene is narrow and which hard to meet demand of make
full use of dome cameras. In this paper,we propose a new moving target detection algorithm. The
algorithm combines image registration algorithm and background modeling algorithm, the motion
in the scene using the image registration method to construct a surround monitoring scene, for the 25
detection of moving targets. The algorithm makes full use of the motion characteristics of dome
cameras, in order to improve the detection speed of the improved algorithm. Detection of full scan
and moving target on the scene. The experimental results demonstrate that the algorithm can
effectively use the performance of dome cameras expanding the monitoring scene, the whole
scene moving target detection. 30
Key words: Pattern Recongnation; Background model; Moving scene; Image registration;Object
detect
0 引言
视频监控已经广泛应用在各种场合，对视频的智能监测也在逐步得到应用，但是目前传35
统的视频智能监测技术主要针对定方向，定焦距方式，该方法限制了现有视频监控中球机的
应用需求。
智能视频监控中，针对运动对象检测主要分成以下几类算法：帧间差算法，基于高斯混
合模型的背景提取算法[1]，光流法等，随着对目标检测算法的深入研究，针对运动目标检测
也提出了各种新的检测算法。采用神经网络，SVM[2]等多种分类方法实现对运动目标的检测。 40
帧间差算法因采用相邻帧的减法运算，其抗噪性能较弱，因此难以满足在实际场景中的
应用，而背景生成算法，因具备较好的抗干扰能力，在实际系统中得到了较为广泛的应用。
背景生成算法再后续的研究中逐步提出了多项改进型的算法，Ming Han[3]提出了改进型的背
景生成算法，针对多高斯模型，采用修改参数的方式，提升抗噪性能。文献[4,5]针对混合高
- 2 -
中国科技论文在线
斯模型也提出了相应的优化算法，针对噪声提出了置信区的阈值更新以及背景更新算法。 45
这些算法的前提条件是图像背景是稳定的，如果出现了图像背景的不稳定，将导致运动
目标与背景无法区分。
图像配准算法广泛引用在航空摄影等多种领域，其主要针对在连续拍摄过程中，图像之
间实现拼接。Richard Szeliski[6]提出了基于图像拼接模型的经典图像拼接算法,该算法能够将
图像通过仿射变换关系来进行不同的图像匹配，成为图像拼接领域经典算法。随着对图像拼50
接的深入研究，多位学者提出了多种改进算法，文献[7,8]提出了针对特征点选择的快速算法,
杜冬梅[9]提出了节省空间的快速 SURF 算法，将积分图像变换成为只占用一个图像空间的快
速积分图像算法，朱奇光[10]提出了采用小波方法，将图像分成高频和低频部分，以提高对
特征点的提取性能，张子龙等[11]则在特征点的选择上提出了新的算法，实现更为精确的特
征点匹配。 55
球机智能监控的传统方式是固定球机的监控场景，检测其中的运动目标，较为常用的方
法是采用背景生成方法，但是其存在的缺陷是球机的固定，导致了无法对其他方向场景进行
检测，降低了球机的使用范围。
目前利用球机的可运动性，实现更大范围的监控是当前的一个重要的应用方向，因为背
景生成算法的自身缺陷，而难以满足。 60
针对上述问题，本文提出了基于非固定场景的运动目标检测算法。采用图像配准结合背
景建模模型构建运动场景下的背景构建算法，以调高传统运动目标检测算法的适应性。
1 全景图像构建
针对球机旋转状态下的目标检测算法，其算法部分主要包含了针对运动环境下的背景建
模算法，针对背景建模算法，我们提出了一种新的算法，该算法结构如图 1 所示： 65
本算法分为背景生成过程和图像配准两个过程，其中全景背景生成过程如下图所示：
开始
结束
获取图像
背景生成
图像配准
获取完毕？
N
Y
生成全景背景
图 1 算法流程图
- 3 -
中国科技论文在线
1) 设球机运动到位置 i，获取的图像为 if ，连续获取N 帧图像，生成该场景下的背景
图像 iB ； 70
2) 旋转到下一个位置 j，同样生成相应的背景图像 jB ；当旋转N 次后，获取一组背
景图像序列 NnBBBB n },,...,,,{ 210 。
3) 针对该序列图像采用图像配准算法构成完整的背景场景。依据球机当前位置 i，连
续获取视频图像，采用多高斯背景建模方法，构建背景图像；
4) 采用 sift 算法，提取图像角点信息，采用 RANSAC算法匹配相邻背景 1, nn BB ，在75
RANSAC 算法中，图像配准过程中获得相应的投影变换矩阵
11
2
1
98
754
321
3
2
1
x
x
hh
hhh
hhh
wx
wx
wx
wn
5) 根据变换矩阵合并图像，构成最终全景图像 B。
该背景构成算法的优势在于，能够在球机运动过程中，构建一个完整的背景图像，该图
像，为后续的运动对象的检测提供了相应的基础。 80
较传统采用的背景生成算法解决了难以满足球机运动的问题。
2 运动对象检测
根据上节获取的背景对象，在球机的运动过程中，通过获取图像，实现对运动目标的检
测。检测过程中，需要完成以下三个内容。
1. 当前运动场景的匹配； 85
2. 运动目标检测；
3. 背景更新。
针对三个内容，我们设计了相应的运动对象检测算法，该算法过程如下。
1) 获取当前位置的图像 if ，根据相应的 iw ，将现有图像变换成为 wif ，获取该变换结
果外部轮廓 },,,{ 2211 yxyxRi ，其中 },{ 11 yx 为该图像的左上角， },{ 22 yx 为该图90
像的右下角。
2) 变换图像 wif 与全景背景图像 B相减，得到差值图像 iiwii RSfBS , 。
3) 根据阈值提取方法，获得相应的差值阈值 iT 。
4) 当差值结果大于 iT ，则为检测的目标对象，否则根据图像更新系数 ir 背景图像进行
更新。 95
5) 更新方法为 )1(**1 iwiiii rfrBB 。
通过上述步骤，完成对运动目标的检测，并根据相应的更新规则，对其进行更新。
- 4 -
中国科技论文在线
开始
结束
获取图像
图像配准
目标检测
配准成功？
N
Y
输出结果
图 2 识别算法流程
通过上述算法步骤，可以发现，在运动对象检测过程中，在云台旋转过程中，图像配准100
是背景检测的核心问题，图像配准过程运行较为耗时，为降低球机运行中，配准的计算耗时，
因此我们利用球机的预置位的功能，预先设定球机的运行轨迹，则减少在运动对象检测过程
中，图像配准的计算量，而直接采用前期背景生成过程中使用的投影矩阵作为预设参数。
3 实验结果
针对本文提出的算法，以一个实际场景为实验条件，对该算法进行了设计和实现。实验105
用计算机主频为 ，8 核，内存为 8G，实现语言：MATLAB。
其全景背景图像的生成过程实验结果如图 3 所示：
(1) 生成背景图 1 (2)生成背景图 2
- 5 -
中国科技论文在线
110
(3)生成背景图 3
图 3 背景生成图
图 4：完整背景场景
从上图可以看出，经过每次的背景生成过程，将运动场景构建了一个完整的检测背景。 115
针对运动对象的检测过程，实验结果如图 5 所示。
图 5：运动对象检测
为评估现有算法的计算性能，我们针对算法每个主要步骤进行了计算时间的统计，时间
统计如表 1 所示。 120
表 1 计算性能
算法步骤 图片尺寸 计算时间(s)
背景生成 1280*960 2
全景背景生成 2
图像配准 1280*960
目标检测 1280*960 1
4 结论
本文给出了一种结合图像配准以及背景生成算法的运动场景下的运动目标检测算法,通
过上节实验结果，可以发现，采用该算法能够将视频中的场景进行背景生成，并将球机旋转
过程中的场景进行拼接构成一个完整的背景，在检测运动目标的过程中，能够给将运动目标125
检测并提取。
该算法存在的问题是：采用配准以及背景的不断更新，其内存占用较大，导致了处理速
- 6 -
中国科技论文在线
度较低，后期将重点研究如何提高现有的图像配准算法，提高对运动目标的检测速度，达到
实时检测的目的。
130
[参考文献] (References)
[1] Stauffer C;Grimson W E background mixture models for real-time tracking[C].Computer Vision
and Pattern Recognition, IEEE Computer Society Conference on,-234
[2] Zehang Sun;Bebis G.;Miller R. Monocular precrash vehicle detection: features and classifiers[J],IEEE
Transactions on Image Processing,2006,5(7):2019-2025 135
[3] Ming Han; Jiaomin Liu; Yi Background Modeling Algorithm Based on Improved Adaptive Mixture
Gaussian[J],Journal of Computers,2013,9(8):2239-2244.
[4] 卢清华，吴志伟，范彦斌．基于混合高斯模型的运动车辆检测方法[J]．光电子.激光，2013,24(4):751-757
[5] 朱华生，叶军．基于改进高斯模型的车流量检测算法[J]．激光与红外,2013,43(10):1180-1183
[6] Richard Szeliski. Video mosaics for virtual environments[J]. IEEE Computer Graphics and Applications, 140
(2): 22-30.
[7] Brown M，Lowe D G. Automatic Panoramic Image Stitching Using Invariant Features[J]. International Journal
of Computer Vision，2007，74(1)： 59-73．
[8] Wu Y , Ma W , Gong M , et Novel Point‐matching Algorithm Based on Fast Sample Consensus for
Image Registration [J] . IEEE Geoscience and Remote Sensing Letters 2014,1(99),1-5 145
[9] 杜冬梅， 王红旗， 田昆鹏， 姜磊.一种改进的快速 SURF 算法[J],科学技术与工程,2013,5:1350-1353
[10] 朱奇光， 王佳， 张朋珍， 陈颖 . 基于高斯矩改进 SURF 算法的移动机器人定位研究
[J],2015,11:2451-2457
[11] 张子龙， 薛静， 乔鸿海， 智永锋.基于改进 SURF 算法的交通视频车辆检索方法研究[J], 西北工业
大学学报,2014,2:297-302 150
