3.2 前景提取

     背景差分法是一种在视频流中实现运动目标检测的方法。该方法只需要将每一帧图像与背景模型进行比较。本章节，我们将介绍如和使用背景模型来提高检测速度。背景建模是一个复杂的课题，不是本文研究的重点，有兴趣的朋友可以参考文献[39]。如图3.2所示，我们经过4步来进行背景差分。在图3.2中，右上图是背景图像，左上图是待进行目标检测的图像。首先，我们通过对和计算绝对差值：

左中图即为做绝对差的结果图。然后，我们使用灰度阈值（16）来对绝对差进行二值化，二值化得到的结果如右中图所示。二值化公式为：

接下来，我们把相邻白色像素点连接起来，形成一些白色块。然后使用引文[11]提出的标签算法来计算白色块的面积和能够容下整个白色块的最小边界框。该算法只需要对图像进行单次扫描来对像素点贴上标签，该算法思想如图3.3所示。从第一行开始，每一行从左到右进行扫描。如图3.3中第一幅图所示，只要遇到一个尚未标记的白色像素点A，就给它贴上一个唯一的标签，并对该图像块外轮廓上的全部点贴上与A像素点同样的标签。如果扫描到的外轮廓上的点A’已经被贴上了标签，那么对所有它右边的白色像素点，只要不是新轮廓上的点，都贴上与A’点相同的标签。如果这个新轮廓是一个已经标记过的外轮廓，那么继续执行该算法。对图3.3中的第二幅图，以上规则适用于所有B点之前的点。但是，如果这个新轮廓是未标记的（如B点所在的轮廓），我们把这个轮廓称作内轮廓，并把该轮廓上的点贴上与B点相同的新标签（如图3.3第三幅图所示）。继续扫描，如果遇到的是一个已标记的内轮廓点B’，那么就把所有接下来的白色像素点都贴上与A相同的标签（如图3.3中第四幅图所示）。白色块最外面的像素点坐标决定了能够容下该白色块的最小边界框的大小。其中，白色块的面积即白色块中所有白色像素点的总个数。

图3.3 标签算法    图源自[11]

回到图3.2，现在我们去除那些二值图像中面积小于初始边界框大小的白色块。通过标签算法处理后得到的结果如图3.2左下图所示。所有那些不能完全包含一个以剩余白色块为中心的最小边界框的子窗口都将被排除。我们用C来表示这一类边界框。如果没有可用的背景图像，本阶段我们就不排除任何子窗口。