Moving Object Detection in the
Dynamic Background Based on openCV
Abstract
：
Introducing a moving object detection algorithm of the dynamic background in the
video image sequence
，
which includes three steps. They are motion estimation, motion
compensation and object detection. At the motion estimation, we take an algorithm based on
the feature points matching. The advantages of this algorithm is that it needs fewer data and
indicates faster calculating speed compared to the block matching algorithm. What
’
s more, the
matching of the video image sequence is more reliable. Then used openCV realized the
algorithm.
Keywords:
moving object detection; openCV; feature points matching
引言
在生活中摄像头可以说随处可见，
我们经常需要对视频中的运动目标进行相关操作，
这
就设涉及到了对运动目标的检测及跟踪。
作为视觉领域的一部分，
它不仅对我们的生活，
在
军事，医学等各种领域里都有着广泛的影响。
所谓运动目标的检测就是在一段序列图像中检测出变化区域，
并将运动目标从背景图像
中提取出来
[2]
，
它是基础，
能否正确的检测与分割出运动目标对后续的工作有着巨大的影响。
常见的运动目标检测方法有：背景差分法，帧差法，累积差分法，光流法。本文主要介绍的
是一种在动态背景下对运动目标进行检测的算法。
检测算法介绍
检测算法有很多种，
不同的算法有他们各自的利与弊。
背景差分法：
是事先将背景图像
存储下来，
再与观测图像进行差分运算，
实现对运动区域的检测。
这种方法能得到较为完整
的运动目标信息，
但背景图像必须随着外部条件比如光照等的变化而不断更新，
所以背景模
型的获取和更新比较麻烦。
帧差法：
直接比较相邻两帧图像对应像点的灰度值的不同，
然后
通过阈值来提取序列图像中的运动区域
[2]
。这种方法更新速度快，算法简单易实现，适应性
强，
不需要获取背景图像。
但是背景与运动目标间需要有一定程度的灰度差，
否则可能在目
标内部产生空洞，
不能完整的提取出运动目标。
为了改进相邻两帧间的差分效果，
人们提出
了累积差分法。
累积差分法是利用三帧图像计算两个差分图像，
再令其对应像素相乘的算法。
它通过分析整个图像序列的变化来检测小位移或缓慢运动的物体。
光流法是在时间上连续的
两幅图想中，
用向量来表示移动前后的对应点，
在适当平滑性约束的条件下，
根据图像序列
的时空梯度估计运动场，通过分析运动场的变化对运动目标和场景进行检测和分割。
上面的几种算法都是基于静态背景下的方法，
下面主要介绍动态背景下运动目标的检测。
因为生活中我们在很多情况下背景图像都不是静态的，
有时摄像机都是安装在一个运动