62+ 智能系统学报 第7卷 有孔径问题.相机几何模型法利用相机的内外参数 只存在平移和旋转变化时，能够取得较好的效果，但 计算出像素位置的变化，实现相机运动的补偿，但在 无法适应缩放变化.文献[15]中提出的基于SFT 实际应用中很难实时得到相机内外参数， 特征和差分求积二值化的运动目标检测方法，利用 图像配准方法有模板匹配、基于特征的方法和 SFT特征准确补偿背景运动；但形态学处理后容易 基于傅里叶变换的方法3类[8].特征匹配法具有计 导致目标被割裂，造成多检情况的发生， 算简单、精度高的特点，但现有的角点匹配方法受匹 文献[16]结合光流估计和背景配准方法来实 配误差和环境变化的影响较大.2006年，H.Bay在 现航拍图像下汽车和行人的检测和跟踪，取得了较 分析、总结多种特征检测方法的基础上，提出了 好的效果；但速度较慢，且对小目标的检测效果较 SURF(speeded-up robust features)描述算子[9]，其对 差.文献[17]提出了结合光流场的模图像和Mean 图像平移、旋转、缩放等变化具有良好的不变 sh近图像分割的方法来精确检测运动目标，取得了 性o.文献[12]利用SURF特征进行了图像配准 较好的结果；然而光流场计算量大，且该方法无法检 和拼接方面的研究，取得了良好的效果。 测出大位移运动目标.但其提出的结合Mean shi进 针对动态视频中进行运动目标检测的难点问 图像分割来检测运动目标的方法，可有效减少误检、 题，鉴于Mean shift算法在图像分割中的优势Is],本 多检情况的发生。 文提出了一种基于SURF和Mean shift的运动目标 因此，结合图像分割和边缘检测等方法来实现 检测方法：首先利用SURF特征进行图像配准以补 运动目标的精确检测，是动态成像条件下运动目标 偿背景运动，然后利用差分求积二值化和形态学滤 检测的发展趋势 波检测出运动目标区域，最后结合Mean shift图像 分割的方法，精确检测出运动目标.实验结果表明， 2运动目标高精度检测策略与算法 该方法能精确检测出运动目标，有效减少误检、多检 2.1算法原理与实现策略 情况的发生，具有良好的鲁棒性和抗噪能力， 本文提出的算法原理如图1所示，其处理流程 为：对输入视频进行采集得到相邻4帧的彩色图像 相关研究工作与发展趋势 lc、lc2、lca、Ic4,对其进行灰度化处理得到相应的灰 目前，针对动态背景下的运动目标检测，大多数 度图像Ic1、Ic2、Ic3、I4;然后通过提取SURF特征进 研究者倾向于使用背景配准法和光流法，以获得高精 行视频帧配准，可以得到Is配准到Ic的图像Ic3!和 度的检测结果，并尽可能减少误检、多检情况的发生 Ic4配准到Ic2的图像Ic42;进而利用差分求积二值化 利用背景配准法来检测运动目标的重点在于准 和形态学滤波实现运动目标区域的有效检测；最后 确补偿背景运动.文献[14]中提出的基于相位相关 结合Mean shift图像分割和边缘提取以精确检测出 和差分求积二值化的运动目标检测方法，在摄像机 运动目标 基于 SURE 基于 图像 差分求积二 的 的 配准 值化 输入 运动 输出目标 视 视频采集 度化处理 运 域生 日标 检测 检测结果 基于 SURF 基 特征 配准 提取 图 的差 形态学滤波后处 频顿 配淮 Mean shift 边缘检演 图像分割 图1动态成像条件下基于SURF和Mean shift的运动目标检测原理 Fig.1 Principle of moving object detection under dynamic imaging conditions based on SURF and Mean shift