运动目标检测--鬼影消除总结

一、鬼影检测算法的总结和分析

       鬼影是背景差方法检测运动目标经常出现的问题。当对背景初始化建模时，运动目标可能处于背景中，它们运动后会产生鬼影；另一种情况，当场景中运动目标由运动变成静止后，再开始运动，也会产生鬼影。其他类似鬼影的情况是背景中遗留的物体，或者停止运动的运动目标。

       总结已有检测鬼影算法可以分为两类：1)判断背景差获得的前景运动属性，从而区分运动目标和鬼影。2)利用自适应背景维护和更新，最终把鬼影位置的像素更新为背景。

       第一类算法中为了确定前景的运动属性，又有不同的计算方法。

       Rita 等人利用背景差方法获得前景块，再把它分为运动目标、鬼影和阴影三类，文中利用时空差分方程近似计算前景像素的光流，从而确定每个前景块的平均光流来区别运动目标和鬼影。因为文中认为运动目标块应该具有不能忽略的运动，而鬼影块是静止的，其平均光流几乎为零；

       Calderaura 等人提出一种快速鬼影消除的方法：建立一副图像 At 用来记录t时刻的所以前景块位置上像素点被检测为静止的次数，At的计算公式为：

                                                

       其中，SD（i, j）表示当前和前帧图像同一位置上像素值绝对差值，Tsd表示合适的阈值，SD(i, j)小于阈值，则认为该像素静止。第h个前景块(MVOth)若满足下式就检测为鬼影：

                                                            

       其中，Nth 种表示 MVOth 像素总数，Tghast 表示上面分式的阈值，而分式是在足够时间之内 MVOth 被检测为静止的像素占总像素的百分比。

       一般来说，属于鬼影的像素 SD(i, j) 将低于阈值Tsd，因此 At(i, j)的值将会增加。分式值超过 Tghast 时，前景块被检测为鬼影而更新为背景。

       Tao 等人利用帧差法记录每个象素的运动状态，若运动状态因子S减至0，表示该像素为静止应该更新为背景。所以这样可以消除鬼影，因为鬼影区域帧差法计算时差值小于阈值(和背景一样)。在文章中通过计算前景块的位置和面积确定前后两帧图像的前景块是静止还是运动，前景块被检测为静止的次数超过阈值就认为是鬼影而更新为背景。

       Cheung等人利用 kaleman 滤波更新背景进行背景差分割运动目标和背景。鬼影利用前景块的帧差小用阈值进行判断，从而去除鬼影。

        文章中作者通过计算前景块的位置和面积确定前后两帧图像的前景块是静止还是运动，前景块被检测为静止的次数超过阂值就认为是鬼影而更新为背景。

        第二类算法对背景进行自适应更新。Stauffer 等人利用当前图像对背景进行维护更新，从而最终消除鬼影的影响，Lee提出提高背景更新速度从而加快消除鬼影。而文章延迟更新可能产生鬼影区域为背景，从而避免鬼影产生。

       现有的鬼影检测算法存在一些问题，例如，第一类算法中，利用帧差法确定前景像素或前景块的运动状态不能解决颜色一致的运动目标误检为鬼影的问题，不能有效区别“鬼影”与背景中遗留物体以及如果“鬼影”区域立刻被另一真实目标所占据，“鬼影”将不能检测出来，例如在目标拥挤区域出现的“鬼影”。计算近似光流的方法也不能解决以上三个问题，而且光流的计算比较耗时。第二类算法中，利用自适应的背景维护和更新。这是一种常用的背景建模方法，虽然最终能够消除鬼影，但这是一个非常费时的过程。虽然Lee 提出加快背景更新速度，但这样带来另一个问题，即影响慢运动速度目标的检测。