视频中的行人检测(新)(12)

山东建筑大学数字图像处理课程设计

图片，E为差分获取的前景图片，即背景差分为：

Fk fk-B （公式2-1）

1 Fk T

BFk （公式2-2）

0 Fk T

为了增强算法的抗噪声性，我们设置一个合适阈值T对前景图片进行二值化处理，即：其中，BFk为二值化后获取的最终前景图片，后续的边缘检测、行人

识别和跟踪等操作均是对该图像进行处理。

综述所述，该方法具有较好实时性，也能提取出较完整的背景图片，但对背景的依赖性太强，这使得在背景变化较大的场景中，该方法准确性很低、近乎失效，而且该缺点是背景差分法本身的局限性，很难找到较好的改善方法。

2.2.2光流法

物体运动时其表面像素点的亮度也随之运动，在视频图像中表现为光流，对应图像中产生的瞬时速度场就是光流场。从光流中可以获得物体形状结构和运动状态信息。通常情况下，镜头运动、目标运动或二者的共同运动都会产生光流。光流的常用计算方法有两种：基于梯度的方法和基于匹配的方法。

（1）基于梯度的方法

梯度可以用于光流计算，由于其更为简单的计算过程和相对较好的实验结果，这类方法得到了广泛的应用。但由于受到可调参数、可靠性评价因子和预处理方法等因素的影响，在应用光流对目标进行检测与自动跟踪时仍存在很多问题。

（2）基于匹配的方法

这类方法主要采用基于区域的和基于特征的两种匹配方法。基于特征的匹配方法需要不断地获取目标特征对其进行检测和跟踪，对较大目标的运动和亮度变化比较敏感，但是得到的光流往往很稀疏，而且目标的特征提取与匹配也有相当难度；基于区域的匹配方法需要先定位相似区域的位置，然后通过相似区域和初始区域的比较来计算光流，基于区域的方法在网络视频传输编码中得到了大量运用，但其计算中的光流仍然稀疏。

光流法能够独立检测运动目标，而不需要场景的预设信息，并且能够检测动