【图像识别】基于帧差法跌倒检测matlab源码

一、原理

摄像机采集的视频序列具有连续性的特点。如果场景内没有运动目标，则连续帧的变化很微弱，如果存在运动目标，则连续的帧和帧之间会有明显地变化。

帧间差分法(Temporal Difference)就是借鉴了上述思想。由于场景中的目标在运动，目标的影像在不同图像帧中的位置不同。该类算法对时间上连续的两帧或三帧图像进行差分运算，不同帧对应的像素点相减，判断灰度差的绝对值，当绝对值超过一定阈值时，即可判断为运动目标，从而实现目标的检测功能。

两帧差分法的运算过程如图2-2所示。记视频序列中第n帧和第n−1帧图像为fn和fn−1，两帧对应像素点的灰度值记为fn(x,y)和fn−1(x , y)，按照式2.13将两帧图像对应像素点的灰度值进行相减，并取其绝对值，得到差分图像Dn：

设定阈值T，按照式2.14逐个对像素点进行二值化处理，得到二值化图像Rn’。其中，灰度值为255的点即为前景(运动目标)点，灰度值为0的点即为背景点；对图像Rn’进行连通性分析，最终可得到含有完整运动目标的图像Rn。

二、三帧差分法

两帧差分法适用于目标运动较为缓慢的场景，当运动较快时，由于目标在相邻帧图像上的位置相差较大，两帧图像相减后并不能得到完整的运动目标，因此，人们在两帧差分法的基础上提出了三帧差分法。

三帧差分法的运算过程如图2-3所示。记视频序列中第n +1帧、第n帧和第n−1帧的图像分别为fn+1、fn和fn−1，三帧对应像素点的灰度值记为fn+1(x , y) 、fn(x , y) 和fn−1(x , y) , 按照式2.13分别得到差分图像Dn+1和Dn，对差分图像Dn+1和Dn按照式2.15进行与操作，得到图像Dn’，然后再进行阈值处理、连通性分析，最终提取出运动目标。

在帧间差分法中，阈值 T 的选择非常重要。如果阈值T选取的值太小，则无法抑制差分图像中的噪声；如果阈值T选取的值太大，又有可能掩盖差分图像中目标的部分信息；而且固定的阈值T无法适应场景中光线变化等情况。为此，有人提出了在判决条件中加入对整体光照敏感的添加项的方法，将判决条件修改为：

其中， N A为待检测区域中像素的总数目，λ为光照的抑制系数，A 可设为整帧图像。添加项表达了整帧图像中光照的变化情况。如果场景中的光照变化较小，则该项的值趋向于零；如果场景中的光照变化明显，则该项的值明显增大，导致式2.16右侧判决条件自适应地增大，最终的判决结果为没有运动目标，这样就有效地抑制了光线变化对运动目标检测结果的影响。

三、两帧差分和三帧差分的比较

图 2-5 是采用帧间差分法对自拍序列 lab 序列进行运动目标检测的实验结果，(b)图是采用两帧差分法的检测结果，(c)图是采用三帧差分法的检测结果。lab序列中的目标运动较快，在这种情况下，运动目标在不同图像帧内的位置明显不同，采用两帧差分法检测出的目标会出现“重影”的现象，采用三帧差分法，可以检测出较为完整的运动目标。

综上所述，帧间差分法的原理简单，计算量小，能够快速检测出场景中的运动目标。但由实验结果可以看出，帧间差分法检测的目标不完整，内部含有“空洞”，这是因为运动目标在相邻帧之间的位置变化缓慢，目标内部在不同帧图像中相重叠的部分很难检测出来。帧间差分法通常不单独用在目标检测中，往往与其它的检测算法结合使用。

clear all clc
global Bili;
A=[];
B=imread('46.jpg');
B=rgb2gray(B);
B=medfilt2(B);        %中值滤波
fileName = '倾斜跌倒1.avi'; 
obj = VideoReader(fileName);           %读取录制的视频
vidFrames=read(obj);                 %读取所有帧图像
numFrames=get(obj, 'NumberOfFrames');%总帧数    
for k = 63:250                   %帧数循环，人为选取33帧作为背景帧
mov(k).cdata=vidFrames(:,:,:,k);
mov(k).cdata=rgb2gray(mov(k).cdata);
mov(k).cdata=medfilt2(mov(k).cdata);
R=imabsdiff(mov(k).cdata,B);
z=im2bw(R,graythresh(R));
z=bwmorph(z,'erode',3);                       % 3次腐蚀处理掉噪点
P = bwmorph(z,'dilate',3);                    %3次膨胀膨胀
P= bwareaopen(P,50);     
figure(1),subplot(121);imshow(vidFrames(:,:,:,k));
figure(1);subplot(122);imshow(P);
x=sum(P(:));
s=x/(480*640);
if s>=0.03
   [m1,n1] = find(P == 1); 
%第一级检测,角度
   top1= min(m1);%纵向
   bottom1= max(m1);
   left1= min(n1);%横向
   right1= max(n1);
   height1=bottom1-top1+1;%纵向高；
   width1 = right1-left1+1;%横向宽
   rectangle('Position',[left1,top1,width1,height1],'EdgeColor','r');
   line([left1,right1],[top1,bottom1],'color','r','LineWidth',1);%标记对角线
   line([left1,right1],[bottom1,top1],'color','r','LineWidth',1);
   tan=(bottom1-top1)/(right1-left1);
   tan=atan(tan);
   J=tan*180/pi;
%第二级检测，质心高度比Rz
   [rectx,recty,area,perimeter] = minboundrect(n1,m1,'p');
   line(rectx(:),recty(:),'color','w','LineWidth',1);
   line([rectx(1),rectx(3)],[recty(1),recty(3)],'color','b','LineWidth',1);
   line([rectx(2),rectx(4)],[recty(2),recty(4)],'color','b','LineWidth',1);
   line([0,640],[max(bottom1),max(bottom1)],'color','r','LineWidth',2);%水平线
   line([(rectx(1)+rectx(3))/2,(rectx(1)+rectx(3))/2],[(recty(1)+recty(3))/2,max(bottom1)],'color','b','LineWidth',2);%画高
   h=max(bottom1)-(recty(1)+recty(3))/2;%高度
   Rz=h/360;
%第三级检测，判断宽高比
   width=sqrt((rectx(2)-rectx(1))^2+(recty(2)-recty(1))^2);
   length=sqrt((rectx(1)-rectx(4))^2+(recty(1)-recty(4))^2);
   Bili=width/length;
%判断
    if J<=45
        if(Rz<0.5||Bili>2)
%           imwrite(vidFrames(:,:,:,k),strcat(num2str(k),'.jpg'),'jpg');% 保存帧
            load chirp
            sound(y,Fs)
        end
    end
end
end