TABLE1 PERFORMANCE ANALYSIS OF FOUR MOVING OBJECT DETECTION ALGORITHM
From the results we can see that the improved moving object detection algorithm based on frame difference and edge detection has much greater recognition rate and higher detection speed than several classical algorithms. This algorithm will appear individual false under more complicated background. There is still room for improvement. CONCLUSION
This paper presents an improved moving object detection algorithm based on frame difference and edge detection. This method not only retains the small calculation from frame difference method and the impregnability of light from edge detection method, but also improves in noise restraining. Meanwhile, it divides the image to small blocks to do connected component labeling, significantly speeding up the detection. Experimental results show that the algorithm has great recognition rate, high speed, and will be a good candidate for practical systems.
外文翻译：
基于帧间差分法和边缘检测的一种改进的运动目标检测算法
运动目标检测是非常重要的智能监控。在本文中，基于帧差和边缘检测的改进算法，提出了运动物体检测。首先，在检测到每两个连续帧的边缘的Canny由检测器，并得到两个边缘图像之间的差异。然后，它的边缘差分图像分割为几个小的块，并决定它们是将非零的像素的数量与阈值比较移动区域。最后，它确实块连通区域标记，以获得包含运动物体的最小矩形。实验结果表明，改进后的算法克服了帧差法的缺点。它具有较高的识别率和高检测速度快，具有广阔的市场前景。
引言
运动目标检测从视频序列中是一个重要的研究部分，因为它可以在许多地区，如智能视频监控，运动分析，人机界面应用程序等上使用。运动目标检测是运动目标识别与跟踪的基础。虽然有很多研究已经在最近几年已经进行，受试者仍然具有挑战性的[1]，[2]，[3]。
目前，主要的检测算法，包括帧差法，背景差分法，光流法和统计学习方法。光流法是
最复杂的算法。它花费比其他方法更多的时间和统计学习方法需要很多的训练样本，也有很多的计算复杂度。这两种方法都不适合实时处理。背景差分法是将光的变化极为敏感。帧差分方法简单，易于实施，但结果是不够准确的，因为变化发生在背景亮度引起的误判[4]， [5]， [6]， [7]。根据这个眼睛是既运动和边缘敏感，本文提出一种改进算法是帧差法和边缘检测相结合。该算法提高了目标分割和目标定位。它有一个小的计算和良好的检测速度，因此它可以做到实时处理。因为移动的物体的边缘几乎不与光发生变化，该算法是不与光的变化敏感。
本文首先介绍了两种运动目标检测固定场景的算法 - 帧差法和移动边缘的方法，分析了它们的优缺点，然后提出了一种基于它们一种新的算法，最后给出了实验结果和分析。
典型的运动目标检测算法 2.1帧差法
检测由不动的摄像机拍摄到的监控视频运动目标，最简单的方法是帧差法，理由是它有很大检测速度快，可以方便地在硬件上实现，已被广泛应用[ 5 ] 。
而通过帧间差分法检测运动对象，在上述差分图像中，不变部分被消除的改变部分保持一段时间。这种变化是通过移动或噪声引起的，所以它要求的差分图像时的二进制处理来区分运动物体和噪声。更进一步，连通区域标记，也需要获得包含运动物体的最小矩形。
噪声被假定为高斯白噪声在计算二进制处理的阈值。据统计理论，几乎没有具有分散的标准偏差的3倍以上的任何像素。因此，阈值被计算如下：
虽然是在差分图像的均值，是在差分图像的标准偏差。 由帧差分法的检测处理的流程图如图1所示。
图1的帧差法的流程图 查看全部|下一页 2.2移动边缘的方法
移动边缘是移动物体的边缘。差分图像可以看作是时间梯度，而边缘图像是空间梯度。移动边缘可以通过差分图像中的逻辑与运算，边缘图像被定义[6]。
的帧差法的优点是它的计算量小，而且缺点是，它是对噪声敏感。如果对象没有移动，但背景的亮度变化时，帧差法的结果可能不够准确。由于边缘与亮度没有关系，移动边缘的方法可以克服的帧差法的缺点。
通过移动边缘的方法的检测处理的流程图如图2所示。
图2中移动边缘的方法的流程图 上一页|查看全部|下一页
实际图像由于噪声的存在，通常是图像过滤是必要的。然而，过滤器会产生模糊边缘。传统的边缘检测器，例如Sobel算子， Prewitt算子，和Roberts不给准确的边缘，但它具有一定宽度的边缘。是一个单一的像素边缘的精确的宽度，我们可以用Canny算子检测。 Canny算子检测器是最好的边缘检测器，这在很多领域中得到了广泛的应用，在图像处理中的一个[6]。
是检测用Canny算子检测的基本步骤如下， 1 ，用高斯滤波器来消除噪声过滤图像。
2，计算的充分和图像的每个像素的滤波后的梯度方向。
3，使在为了使边缘向下一个像素宽度的“非最大抑制”的梯度。 4，做双阈值处理和边缘连接。
基于帧差和边缘检测改进的运动目标检测算法 移动边缘的方法可以有效地抑制因光的噪音，但它仍然有一些误判为其他噪音。本文提出了一种基于帧差和边缘检测的改进算法。经分析，该方法具有更好的噪声抑制和更高的检测精度。
3.1算法介绍
根据帧差分和边缘检测本文提出通过使用该方法的检测处理的流程图是作为图3中。
图3改进的算法的流程图 上一页|查看全部|下一页
新算法的步骤本文提出如下。
1 ，获取边缘图像，并通过边缘检测有两个连续帧，并通过使用Canny边缘检测器。 2，获取边缘差分图像通过差异和。
3，除以边缘的差分图像为一定的小块，并计算块中的非零像素的数量，并记录它的， 4，如果是啤酒超过阈值时，标记块是一个移动区域，否则它是一个静态区域。让1给出运动区域和0礼物静态区域，我们可以得到一个矩阵。
5 ，难道连通域标记为，并删除连接组件是太小了。 6，获取包含移动的物体的最小矩形。
该算法提高了双方的目标分割和对象locationing 。下面是一个简要的分析。 3.2对象分割
对象分割是将图像划分为运动区域和静止区域。在本文提出的算法将得到的边缘图像，再差他们得到的边缘差分图像。在最后的图像，我们得到的，背景面积等于运动物体等于1的边缘0和像素值的像素值。现在，我们将比较我们的算法和移动2.2中提到的边缘方法之间的差异。
1， 在移动边缘法，假设有两个连续帧，并且背景是，移动物体，并和独立的白噪声为，对于每两个帧。然后，我们可以有
2，
所以我们可以得到两帧之间的差异：
使用Canny边缘检测与框架，我们可以得到的边缘图像，然后我们就可以得到结果：
是引起和每个边缘图像。 定义信噪比为
虽然是由移动物体的边的数目，并且是由噪声引起的边的数目。 然后我们知道移动边缘的方法的信噪比
3，
在我们的方法中，我们首先得到的边缘图像通过Canny边缘检测：
4， 然后通过差值，我们得到
由于在实际的系统中，2边缘图像之间的差异是差异值的绝对值和两个图像的边缘不是当对象被移动相同的。
因此，实际上在边缘的差分图像，我们可以有两个帧的边缘的总和。
因为噪声是独立的，两帧依赖彼此，就可以有
在我们的算法在信噪比为
它表明，在我们的算法中的SNR小于移动力的方法。我们的方法会更有效地工作。
3.3对象locationing
分离移动物体和背景之后，我们需要找到对象，从而获得运动物体的精确位置。常用的方法是计算连接部件的二值图像，删除这些连接的部件，其面积是如此之小，并获取对象的外接矩形。
其中最熟悉的连通分量算法是基于8联合分析区域像素标记算法。根据这种方法，零被分配到的背景的每个像素，我们称之为标签的唯一的号码被分配给每一个连接的组件，而最大的标签表示连接元件的图像中的数量。是基本的步骤，该算法如下：
纵观整个图像从上到下和从左向右而一个非零值被分配给每个非零像素，该值是根据联合分析区域的选项卡中选择。
?如果所有的联合分析区域是背景这意味着所有这些领域的像素的值都为零的一部分，一个新的选项卡而从不使用将被分配到。
?如果只有一个联合分析区域具有非零选项卡，该选项卡将被分配到。
?如果有一个以上的联合分析区域的标签是不为零，一些这些标签的不同，最小的一个这些标签之间将被分配到同时所有其它像素的选项卡是相同的，因为这些标签的其余部分中的一个将改变为最小的一个，以及。
如我们可以从上面提到的步骤，连接部件标记是时间复杂性看，同时与表示图像的高度和宽度。我们的方法之前，连通域标记对象定位在将整个图像分割成独立的模块，以减少操作量明显。如果原始图像的尺寸是，我们将图像划分为小的块来进行操作，操作时可减少到原来的1 1200分之1 。它极大地提高了检测的速度，而后者实验的结果证实了这一结论为好。
实验结果与分析
在本文中，基于帧差和边缘检测的改进的运动目标检测算法提出。它是模拟在PC上使用Pentium 4 CPU和2.50GHz的256 EMS内存。该操作环境为Windows XP 。编程环境是Matlab 7.0 。序列图像的大小为。局部刺激，结果如下。