模糊推理

第3 6卷第 1期 1 V L3 o 6

计

算

机

工

程

21 0 0年 6月 Jun 2 0 e 01

No1 .1

Co pu e m t rEng n e i i e rng

人工智能及识别技术

文章编号：1 0 48 00 l_9—o 0 _3 ( 1)—0 0_文献标识码： 0 22 1 1 2 A

中圈分类号：T31 P9

基于模糊推理背景分割的目标检测方法 陈勇，肖刚，陈久军，商飞，金章赞 (浙江工业大学信息工程学院，杭州 3 o 1) 1o 4

摘

要：为解决传统背景差分法存在的背景更新缓慢问题，出基于模糊推理背景分割的目标检测方法。该方法在传统的背景差分方法中提

引入帧间差分方法，结合 I H N推理规则进行模糊推理，实现了背景的快速更新及目标的正确检测。引入抗噪声推理机制，抑制跟踪目 FT E 标抖动，增强方法鲁棒性。通过对鱼的运动检测实验表明，该方法能有效快速地提取干净的背景，对运动目标进行实时检测。

关健诃：背景分割；日标检测；模糊推理；背景差分法

ob t tcinMeh dB sdo jc Deet to ae n e o Fuz y I e e eBa kg o z nf r nc c r und Se m e a i n g nt to CHE o g XI n, HE i- n G e J N Z a g z n N Y n, AO Ga g C N Ju j, AO F i I h n—a u, ( fr t nE gneigS h o, hjagUnv ri f eh oo y H n zo 10 4 I omai n ier c o lZ ei iest o T c n lg, a gh u3 0 1) n o n n y

[ sr c]I re ov h rbe o p aigb cgo n lwl i tet dt n l ak ruddfeecn,hspp r rp ssan w Abtat nodrt sletepo l fu dt ak ru ds y n h a io a c gon i rn ig ti ae o oe e o m n o r i b f p a po c bet e cin whc s ae nfzyifrn ebc gon e mett n T i meh dit d csf medf rnea dcmbn s praht ojc t t, ihib sdo z eec ak ru dsg nai . hs to r u e a iee c n

o ie o de o u n o no r teI HE fzyifrn erl p a h ak ru drpdya dd tc teo jc cuae .tnrd cstea tn i zyifrne h T N uz eec ue t u dt tebc gon ail n eeth bet crtl Iit u e ni os f z ee c, F n so e a y o h— eu n

whc a u pesh o neojca di rv b sns, hsme o a f c nl e ecenbc go n n eeth a—me vn i cnsp rs teb u c bet n o er utesT i t dcne i t gth la akru da ddtc er li ig h mp o h i e y t t e t mo ojc ruhte x ei ns nd tcig h se. betho g pr t h e me to eet e h s nt f i ] yw rs bcgo n g nain ojc dtcin fzyifrn e bc go n i ee c g Ke o d] a kru ds me t o; bet e t;uz eec;a k ru ddf rn i e t e o n n

1概述 运动目标的检测与跟踪是计算机视觉技术的一项重要研

{ i≥ ff T d d o f<T i d

() 2

究课题，在计算机监控、跟踪、识别和图像压缩领域都取得 了广泛的应用。运动目标的正确检测与分割是视频跟踪的前

其中，是当前帧；B是背景帧；D是背景帧差图；T为二 值化阈值。在背景差分中，背景模型的更新通常采用一阶卡尔曼滤波器实现： B=aB+(~, ' I ) () 3

提和基础。运动目标的检测是将前景目标所在的区域从背景 中分割并提取出来，完成前景目标和背景的分离。常见的目 标检测方法包括：背景差分法…,通过对当前帧和背景帧做差分得到运动目标；帧问差分法，通过若干次连续的帧问 J

其中，a是背景更新的学习因子，即原背景被保留的权重。 学习因子“决定了背景模型对环境变化的适应性和对背景更新的速度， a越小，背景更新越快， n越大，背景更新越慢。 如果运动目标突然发生运动，通过式() 3可知背景的更新还需要一段时间，这就造成检测到的运动目标中既包含了真

差分得到一个较完整的运动目标；光流法l,通过分析视频 j J 序列的运动矢量场得到运动目标。 模糊推理自文献[]出模糊集的定义创立了模糊集合 4提理论后，开始广泛应用于智能系统。模糊推理的基本思想是 根据模糊输入和模糊规则，按照确定的推理方法进行推理，

实的运动目标，又包含了因背景不能快速更新造成的残留在 背景中的“目标”见图 1伪，。因背景帧中目标还没有被更新， 所以从图 1b中可以看到有 2个目标被检测出来，一个是当 () 前帧中的真实目标，另一个是“目标”伪。

得到模糊输出量。其本质是将一个给定输入空间通过模糊逻辑的方法映射到一个特定的输出空间的计算过程。 本文在分析背景差分方法的基础上，结合帧间差分法和模糊推理的思想，提出一种基于模糊推理的背景更新算法。 为了增强算法的鲁棒性，还引入了抗噪声的模糊推理，以消除环境变化的影响。

2基于背景差分法的运动目标检测原理 背景差分法是目前比较流行的算法，其容易实现、计算简单、检测速度快且定位准确，适合实时性较高的应用环境。 但传统的背景差分算法存在背景不能快速更新的问题。 背景差分法首先选取视频序列中的第 1帧或者前几帧的平均值作为背景图像，再通过当前帧与背景帧相减得到目标图像。用公式表示为

曩■ () a当前的背景帧 () b背景差分

()前视频帧 c当

图 I基于背景差分的运动目标检测 基金项目：浙江省自然科学基金资助项目( 0 0 3 ) Y18 6 6

作者简介：陈勇(9 4 )男， 18 -,硕士研究生，主研方向：图像处理， 计算机视觉；肖刚，教授；陈久军，博士；高飞，副教授； 金章赞，硕士研究生收稿日期：2 0—1 4 0 91- 1 E m i yuu 0 7 6 . m - al ty 2 0@13 o :c c

d I一= 一

1一 90