Python | 运动目标检测

常用的运动目标检测方法——帧差法

帧差法将邻近帧图像相减滤除图像中的静止景物得到运动区域，其对环境的光线变化不敏感并可快速检测出运动目标，但对于运动物体速度太慢的情况则产生不完整的“空洞”现象，太快又易于生成“拖尾”现象，其之后的补偿处理比较复杂。

1) 两帧差法

两帧差法实现方式：是前后两帧进行差分得到差分图像，通过比较所有像素的灰度差（即像素值之间的差）绝对值，设定一个阈值，如果灰度差绝对值超过这个绝对值，则得到一个像素集，即运动目标区域。通过对运动目标区域进行连通性分析，得到一个连通的目标区域。

① 假定P(i, j)对应第n帧图像和第n-1帧的同一像素点，若第n帧P(i, j)的值用

fn-1(i, j)表示，第n-1帧P(i, j)的值用fn-1(i, j)表示，则：

P(i, j)=|fn(i, j)-fn-1(i, j)|

②假定两像素之间相差后，判断运动区域的阈值为T ，因为判定结果得到的是一个二值图像，设 BW(i, j)为所得二值图像。

2) 三帧差法

三帧差法是基于两帧差法的检测方法，其原理是将相邻的3帧图像前后作差，经过像两帧差法的处理后，再将得到的两个帧差图像作“与”运算，最后得到运动目标轮廓。

① 假定P(i, j)对应第n+1、第n帧图像和第n-1帧的同一像素点，若第n+1帧P(i, j)的值用表示，若第n帧P(i, j)的值用表示，第n-1帧P(i, j)的值用表示，则：

P(i, j)=|fn(i, j)-fn-1(i, j)|∩|fn(i, j)-fn+1(i, j)|

②假定像素作差再“与”运算后，判断运动区域的阈值为T，因为判定结果得到的是一个二值图像，设BW(i ,j)为所得二值图像。

三帧差法的阈值设定与上面两帧差相似。而帧差法的阈值设定时最难确定最佳阈值，这一步往往也是最容易影响结果的准确性。如果把阈值设置太高了那么就可能把运动目标也部分去掉了，但是如果阈值设置过低，图像噪声就会偏多，影响结果。

效果如下，源代码见github：https://github.com/Rare0716/targetDetect.git