视频图像分析是近年来计算机视觉领域中备受关注的前沿方向，而运动目标检测是整个视频图像分析中的最底层，是后续处理如目标识别、运动跟踪、行为理解与描述的基础。
（1）微分光流法
微分光流法又称为基于梯度的方法，它利用时变图像灰度的时空微分来计算像素的速度矢量。是最基本的方法，由于计算简单、效果较好，该方法得到了广泛应用和研究，典型的代表有Horn-Schunk全局平滑法和Lucas-Kanade局部平滑法。前期主要致力于对光流求解的精度和速度的改进，如韩国三星电子株式会社和加利福尼亚大学于19970314联合申请的公开号为US5912815A的专利申请中，提出利用泊松方程来估测光流量的局部张弛法，将泊松方程应用到光流的求解中。
随着光流算法应用越来越广泛，对微分法计算的光流做进一步的运算处理，以解决如运动检测中相机运动、遮挡等导致的运动检测不准确的问题。
（2）块匹配光流法
虽然基于微分的光流法计算较简单，但是在相邻图像之间偏移量大的时候误差较大，为了解决这一问题，基于块匹配的光流法应运而生。块匹配法并不直接使用光流基本方程，它的基本思想是假设光流为不同时刻的图像区域的位移量。通过块匹配来确定偏移量，解决相邻帧差异较大的问题。如皇家飞利浦于20011025提出的公开号为EP1442428 A2专利申请中，公开的运动检测方法中，首先采用块匹配器匹配像素块与另一个图像的另一个像素块，定义为起始运动矢量；然后，光流分析器基于起始运动矢量并利用光流方程来计算更新的运动矢量，从而达到运动检测的目的。
并且块匹配的光流法还可以用来估计相机的运动，如惠普于20041025 提出的公开号为US2006088191 A1专利申请中，采用基于块匹配的光流分析法，估计相机运动，进而发现相机运动的仿射模型，估计诸如镜头拉近推远、摇动和旋转的相机操作导致的运动。
然而由于特征匹配比较困难，运算量也较大，如何提高基于块匹配的光流的运算效率，成为研究的重点。（3）金字塔光流法
基于微分法和块匹配法的光流计算是最基本、最经典的光流计算方法，但其都有自身的局限性，如基于微分的光流法在相邻图像之间偏移量大的时候误差较大，基于块匹配的光流法虽然解决了相邻帧差异较大的问题，但是由于块匹配对噪声敏感，块匹配的大小对光流计算有影响：块太小则孔径问题比较严重；块太大，则容易漏掉局部的微小运动信息。然而随着视频图像序列的复杂度和分辨率的不断提高，以及用户对运动检测实时性的要求，上述两种方法已经不能满足需求，不断有人提出改进的光流方法。其中金字塔光流法是非常重要、且应用非常广泛的一种改进算法。该方法的基本思想是构造图像序列的一个金字塔，较高的层是下层平滑后的下采样形式，当图像分解到一定的层后，相邻帧间图像运动量将变得足够小，满足光流计算的约束条件，可以直接进行光流估计。该方法被广泛应用与各个领域。
如微软于20030718提出的公开号为US2005013501A1的专利申请中，在生成高动态范围图像的过程中，使用拉普拉斯算子金字塔架构中所用的技术，其中，考虑中的图像朝向所述另一幅输入图像扭曲，在金字塔的每个层次处估计残留的流动矢量，累积为该金字塔的每个层次处的每个像素而计算这些残留的流动矢量，以建立该对比度强的运动领域的局部分量。
期刊文章分类查询,尽在期刊图书馆
为了进一步提高基于金字塔光流法的计算性能，进一步考虑加入其他约束，如意大利电信股份公司于20050929提出的公开号为WO2007036759A1的专利申请中，用于估计影像序列的运动场的步骤，影像序列包括在最低分辨率级别和最高分辨率级别之间的多个空间分辨率级别表示，其中估计运动场的步骤借助光流方程式的最小化，计算每个空间分辨率级别的运动场的步骤，对于不同于最低分辨率级别的每个级别，光流方程式包括级别之间的正则化项，所述正则化项指示关于所考虑级别的最小化的解答与关于比所考虑级别低一级的空间分辨率级别的最小化的解答之间的差异，通过在光流算法中引入正则化项，改进运动估计设备的性能。
在视频序列中，由于摄像机运动会导致远近景而产生目标误检测为。为了解决这一问题，对金字塔光流进行了改进。（4）区域光流法
为了进一步提高光流法的可靠性和精度，同时减少运算量，开始将光流法与其他方法相结合，互相取长补短。区域光流法就是吸收了帧差法和光流法的长处，利用帧差法获得差值图像，然后再计算差值图像中不为零处的光流，其光流场的分布比计算整个运动物体的光流场要可靠得多，同时也减少了计算量。
（5）特征光流法
随着各种特征提取算法的不断发展，借鉴块匹配的思想，与特征检测算法相结合，形成了基于特征的光流法。在连续的序列图像中，由于运动目标在各帧图像中是变化的，因此寻找能反映上述变化的目标特征点就尤为有意义。特征光流法在特征点处，通过匹配求得特征光流有效减少光流法的计算量。
由于有了特征的约束，特征光流法特别适用于跟踪快速运动。如公开号为CN102708571A，申请日为20110624的专利申请中提出一种视频中剧烈运动的检测方法，采用运动角点可以有效且准确地捕捉运动，不会被背景上的角点干扰，也可以减少外部大噪声的干扰，避免误检；另外不必为视频中的所有运动的和一些非运动像素进行全局性运算量大的光流计算。首先在视频帧中检测运动角点，可利用背景差法或帧差法检测运动区域生成前景图，对前景图做运动连通区域分割，在前景图上提取运动角点；计算运动角点的光流，根据运动角点的光流计算运动熵，根据运动熵判断视频中是否存在剧烈运动。若持续有无规律的强运动熵输出，则很有可能发生剧烈运动，如打架、斗殴等。
同时，特征光流法在消除背景扰动、光照影响方面，也有很好地效果。如广州中国科学院先进技术研究所于20120629提交的公开号为CN102799883A的专利申请中，先利用Harris角点检测算法检测视频图像的角点，然后利用单位区域角点滤除背景角点提取出运动目标区域，然后只在运动目标角点区域利用光流法检测运动目标。本发明消除了背景扰动、光照等因素的影响，同时因为只在小区域范围内运用光流法降低了运算的规模，极大地提高了运动目标提取的速度和效率。
另外，由于加入了特征匹配的约束，也能够解决视频序列运动目标检测中的遮挡问题，如公开号为CN104156976A，申请日为20130513的专利申请中，提出一种抗遮挡目标检测的多特征点检测与跟踪方法，首先利用角点检测器检测特征点，并利用提出的由粗到细层级匹配算法计算特征光流，利用特征点光流聚类算法，完成目标的分割。
综上所述，光流算法通过将速度场与物体的亮度巧妙结合，以图像平面亮度信息的流动来描述物体的运动，实现了对目标的运动估计。光流场不仅正确反映了目标的运动方向与速度大小，同时光流场的特征区域也较好的提供了3D场景目标的深度信息以及3D轮廓信息或3D表面信息。
参考文献：
[1]金克琼. 视频监控系统中运动目标检测与跟踪的研究[D]. 武汉: 武汉理工大学, 2010.
[2]万缨，韩毅，卢汉清. 运动目标检测算法的探讨[J]. 计算机仿真，2006,23(10):221-226.
[3]于萌萌，基于背景建模的运动目标检测方法研究[D]，哈尔滨工业大学，2011.
[4]李强 等，基于背景差分的动目标检测算法研究[J]，遥测遥控， 2007,28(6):68-72.
[5]王亮，光流技术及其在运动目标检测和跟踪中的应用研究[D]，国防科学技术大学研究生院，2007.
[6]胡以静 等，基于光流的运动分析理论及应用[J]，计算机测量与控制，2007,15(2):219-221.
论文作者:薛双双
论文发表刊物:《基层建设》2017年第8期
论文发表时间:2017/7/14
标签：图像论文; 目标论文; 特征论文; 算法论文; 专利申请论文; 微分论文; 金字塔论文; 《基层建设》2017年第8期论文;