改进帧间差分法-准确定位检测

优化帧间差分法

两帧差分法虽然能够准确定位道路行驶车辆，但是描框范围容易受阴影，物体干扰等因素，使定位范围不精确。

帧间差分法分析

三帧差分法

三帧差分法时在两帧差分法上的优化改进，是利用视频流序列连续三帧，让相邻连续两帧之间做差分运算，并将两个差分结果做二值化处理，最后再将两个二值化结果做逻辑与运算，来得到最终的目标区域。相邻两帧差分结果如下公式：

如公式所示，f_i (x,y)，f_(i-1) (x,y)，f_(i+1) (x,y)表示相邻三帧，D_((i-1,i)) (x,y)，D_((i,i+1)) (x,y)表示相邻帧之间的差分结果。
设定阈值T，将差分结果做二值化处理如下公式：

如公式所示，B_((i-1,i)) (x,y)是第i-1帧和第i帧的二值化结果，B_((i,i+1)) (x,y)是第i+1帧和第i帧的二值化结果。
最后通过形态学与逻辑处理得到最终目标区域，公式如下：

三帧差分法原理框图如下：

针对两帧差分法不能提取运动目标完整的轮廓，且在实验室提供的黑烟车数据集中，疑似烟区一般集中在车尾部并跟随车辆一起运动，容易导致车辆整体目标区域过大，且当两帧之差不能显示也容易造成检测目标产生“空洞”。传统的两帧差分法在复杂场景下检测到的运动目标边缘信息不完整，同时内部存在许多检测不到的空洞点，针对目标信息不完整的基础上采用三帧差分法代替两帧差分法，结合当前帧的前后两帧来进行检测运动目标B_i (x,y)，有效的避免了两帧差分法的缺点。并用Canny边缘检测的方法检测出当前二值化后的目标轮廓C_i (x,y)，最后做或运算就可以得到运动车辆的完整轮廓，准确检测出行驶中的车辆。

如公式得到改进后的三帧差分图像。

改进的三帧差分法

原理框图，如图所示：

改进三帧差分算法具体步骤如下：
（1）获取视频序列得的连续三帧图像f_i (x,y)，f_(i-1) (x,y)，f_((i+1)) (x,y)，并作相应的预处理。
（2）分别把f_i (x,y)和f_(i-1) (x,y)；f_i (x,y)和f_((i+1)) (x,y)做差分处理，并作二值化处理。
（3）把上一步两个差分结果进行形态学与运算，得到一个运动目标的差分图。
（4）把f_i (x,y)和f_((i+1)) (x,y)这两帧图像进行Canny边缘检测，得到运动目标的边缘检测图。
（5）将(3)、(4)步骤得到目标图像再进行形态学或运算，即可得到最终目标图像B(x,y)。

实验结果

原图输入：

三帧差分法：

Canny检测：

与运算：

形态学处理：

描框：