多媒體技術的不斷發展給人們的生活帶來了很多的便利，在很多工程應用設計中，會涉及到大量的圖像捕捉與圖像處理的問題，如防盜報警系統的設計、交通監控系統的設計等，這些系統在某些程度上代替了人的重復勞動，在實際工作中都有十分重要的實用價值[1-4]。筆者對計算機視覺技術及算法進行了深入研究，并開發了一種新型的移動物體檢測及背景更新系統。

1 系統裝置
    系統的設計具有一定的創新性，適合于室內及室外光線變化率不強烈的環境。硬件裝置具有體積小、結構簡單、易于安裝等特點，使用靈敏度高、抗強光、體積小的CCD攝像頭，CPU為Intel Pentium 4, 內存1 GB，硬盤80 GB的計算機(或筆記本電腦)。CCD攝像頭與計算機相連,固定在觀察者位置即可。系統裝置圖如圖1所示。

2 算法
2.1 幀差法與背景更新相結合算法分析
    幀差法是一種在實際應用中經常使用的運動目標檢測方法。該方法算法簡單，運算速度快，非常適合實時性檢測要求較高的場合。但幀差法對于圖像的噪聲(電子噪聲、顆粒噪聲等)及攝像機的抖動比較敏感，個別像素可能因此而劇烈變化從而造成誤判的發生。另外，如果移動物體移動速度過慢，有可能檢測不到移動物體。
    背景減除法的關鍵在于如何準確地提取出背景，并且當背景發生改變時，能及時地更新背景，其優勢在于對移動目標的準確判斷。但是背景更新是一個學習的過程，有時間延遲，另外，由于學習過程中包含移動物體信息，經常有“拖尾”現象發生，影響結果的精度。如何去除“拖尾”現象，李宏研[5]等提出一種相關矩陣判別法，但是運算較復雜；陳利平[6]等提出多幀加權的方法，運算也較復雜，結果對環境的依賴較大。本文提出一種幀差法與反饋背景更新結合算法,試圖緩解“拖尾”現象。


    TH1的值一般為20~30之間。TH2的值與TH1相同。由于p1的作用是判定學習回歸，所以TH3的值不宜過大，一般在0.01~0.05之間。TH4的作用是抑制圖像強烈變化時的無用更新，一般在0.5~0.7之間。TH5的作用是判定移動物體響應程度,一般在0.05~0.1之間。
2.2 程序可擴展性算法分析
    對于不同的移動物體檢測算法，其對系統提供的時序幀要求也不同，比如上文提到的幀差法，有二幀差法、三幀差法、四幀差法；對于背景建模算法，迭代法只要求當前幀，反饋背景更新算法則要求有當前幀和前一幀圖像，參考文獻[6]中提到的多幀加權算法要求至少有包括當前幀在內的之前5幀圖像，這就需要系統提供足夠的基礎數據。而對于實時系統而言，為了保證系統的可持續性和實時性，通常只將當前幀保存在內存中，這就限制了其他算法在該系統上的應用。為了保持系統的可持續性并保證多種算法可以在一個系統中運行，本系統采用了時序調用的方法，將當前幀以及之前一段時間內的所有時序幀可控地保存在硬盤上，以備其他算法調用，并始終維持這一狀態，以保持系統的可持續性。
    本系統中采用Ontimer()方法實時采集視頻幀，并在采集當前幀后把它保存到硬盤上，通過累加計數的方式控制保存幀的個數。當保存幀數超過某個控制值時，從之前的第一幀開始依時間順序刪除前面的幀，并持續下去，這樣在系統運行的整個過程中始終有一定數量的幀可供調用。當系統結束運行時，用OnCancel()方法將這些中間變量刪除。對于用戶而言，保存幀后刪除幀的動作是不可見的，但用戶在系統運行過程中可以調用控制值以內的任意幀。
    (1)判斷保存路徑是否存在，如果存在則保存幀，否則創建保存路徑；
    (2)用capFileSaveDIB（）方法保存幀并計數；
    (3)判斷幀的數量，如果大于10（可根據需要改變），則刪除第一幀；
    (4)判斷終止條件是否滿足，滿足則刪除所有幀，刪除當前目錄，否則返回第(2)步。
2.3 算法流程
    本文算法流程圖如圖2和圖3所示。

3 程序測試及結果分析
3.1 幀差法與背景更新相結合算法的具體實現和效果
    在系統測試過程中，設置4個窗口，分別為左上原始視頻，右上背景減除法，左下迭代法背景更新算法，右下本文提出算法的運行效果，可以看出，新背景更新算法抑制了“拖尾”現象。演示效果如圖4所示。

3.2 擴展幀保存算法的測試
    本算法主要實現保存實時幀到硬盤上，并保持一定的數量持續更新實時幀，當系統結束運行后，刪除這些實時幀，并刪除保存位置的文件夾。
    當系統運行后，在D盤位置會新建一個名為pic的文件夾，實時幀就保存在這個文件夾里。系統結束后，幀和目錄同時被刪除。
    本文介紹了一種新型的移動物體檢測及背景更新系統。該系統采用一種新型幀差法和反饋背景更新相結合的算法作為背景更新算法，并在系統中對時序幀的生成和調用方法進行了改進。實驗結果表明，該算法能夠有效去除“拖尾”效應，并且該系統的實時幀保存算法能夠有效地適應大多數算法在該系統上的應用。該系統沒
有對視頻進行前期處理，下一步將主要研究視頻的前期處理工作，以達到提高精度的目的。
參考文獻
[1] COLLINS R T, LIPTON A J. A system for video survei llance and monitoring:VSAM find report[R].Carnegie Mellon University: Technical Report, 2000.
[2] HARITAOGLU  I, HARWOOD D, DAVIS L. W4:real-time surveillance of people and their activities [J]. IEEE Trans Pattern Analysis and Machine Intelligence,2000,22(8):809-830.
[3] 項昀. 基于移動檢測的運動物體識別技術的研究[D].北京：北京交通大學,2007.
[4] 于立男. 基于ARM平臺的單攝像頭運動目標檢測與跟蹤系統[D]. 大連：大連理工大學,2010.
[5] 李宏研.改進的移動目標檢測算法及其實現[J]. 計算機工程,2011,37(4):195-197.
[6] 陳利平. 基于下采樣和幀差的運動目標檢測方法[J].通信與信息處理,2010,29(12):46-48.