基于帧差法的运动目标检测与分割系统

资 源 简 介

本项目基于MATLAB平台实现帧差法算法，用于对视频序列进行运动目标的实时检测和分割。该系统的核心原理是在图像序列的相邻两帧或三帧之间采用基于像素的时间差分技术，并通过阈值化处理提取出图像中的运动区域。工作流程首先是将相邻帧图像对应的像素值进行相减操作以获取差分图像，随后对差分图像执行二值化处理。在环境亮度变化相对稳定的条件下，系统会检测像素值的变化幅度：若对应像素值的变化小于预先设定的阈值，则将该处判定为背景像素；反之，若图像区域的像素值出现显著变化，系统则认定这是由图像中的运动物体所引起的，并将这些区域标记为前景像素。通过利用这些被标记的像素区域，系统能够精确地确定运动目标在图像中的位置。鉴于相邻两帧之间的时间间隔极短，本项目采用前一帧图像作为当前帧的背景模型，这种设计赋予了系统极佳的实时性，同时具备背景误差不积累、模型更新速度快、算法逻辑简单以及计算资源消耗小等显著优势，适用于对实时性要求较高的监控与分析场景。

详 情 说 明

基于帧差法的运动目标检测与分割系统

项目介绍

本项目是一个基于MATLAB平台开发的视频运动目标检测系统。该系统利用帧间差分法（Frame Difference Method）的核心原理，通过计算视频序列中相邻两帧的像素差异来捕捉运动区域。

该代码实现了一个完整的端到端流程：从视频输入（支持文件选择或自动生成合成测试视频）、预处理、核心差分算法、二值化分割、形态学去噪，到最终的连通域分析与可视化标记。系统设计注重代码的独立性，通过自定义绘图函数减少了对MATLAB高级计算机视觉工具箱的依赖，并通过双视图实时展示检测效果。

主要功能特性

• 实时运动检测：采用相邻帧差法（$Frame_t - Frame_{t-1}$），计算资源消耗低，背景更新速度快，适合实时性要求高的场景。
• 智能输入处理：

* 支持读取 AVI, MP4, MOV 等常见格式视频文件。 * 自动演示模式：如果用户取消文件选择，系统会自动生成一段包含动态目标（移动矩形和球体）及噪声的合成视频，用于演示算法效果。

• 抗噪处理：集成形态学滤波（开运算、闭运算、孔洞填充）和面积阈值过滤，有效去除环境噪声干扰。
• 自定义可视化组件：内置自定义的图形绘制函数，不依赖 Computer Vision Toolbox 即可在图像上绘制边界框（Bounding Box）和质心标记。
• 双屏可视化界面：实时窗口同时显示“原始视频+目标标记”与“二值化前景掩膜”，便于分析算法的分割阈值效果。

系统算法与实现逻辑

本项目 main.m 的核心处理流程严格遵循以下逻辑：

1. 初始化与参数设置

系统首先清理工作环境，并设定关键算法参数：

• 差分阈值 (Threshold)：设置为 30，用于区分背景噪声与显著运动变化。
• 最小目标面积 (MinArea)：设置为 100 像素，小于该面积的连通域将被视为噪点并忽略。
• 形态学结构元素：使用半径为 3 的圆盘形结构元素进行滤波。

2. 视频源获取

程序启动时弹出文件选择对话框。若用户未选择文件，代码会调用内部函数动态生成一个包含红色背景、白色移动块和绿色移动物体的临时 AVI 视频文件，确保程序在无素材情况下也能运行。

3. 图像预处理

• 读取视频帧后，通过自定义的 rgb2gray_custom 函数将其转换为灰度图像。该函数使用标准的加权公式 ($0.2989 R + 0.5870 G + 0.1140 B$) 确保转换的准确性，同时兼容单通道灰度输入。

4. 帧差法核心运算

• 差分计算：获取当前帧 ($I_k$) 与前一帧 ($I_{k-1}$) 的灰度图，计算两者的绝对差值：$|I_k - I_{k-1}|$。
• 二值化：将差分图像与预设阈值（30）比较，生成二值掩膜（Binary Mask）。变化显著的区域标记为前景（1），静止区域标记为背景（0）。

5. 后处理与分析

为了提高检测质量，对二值掩膜进行一系列形态学操作：

1. 开运算 (Open)：去除孤立的细小噪点。
2. 闭运算 (Close)：平滑边界，连接断裂的目标区域。
3. 孔洞填充 (Fill Holes)：填充运动目标内部可能出现的空洞。

随后使用 bwlabel 进行连通域分析，并计算每个连通域的边界框 (BoundingBox)、面积 (Area) 和 质心 (Centroid)。

6. 目标标记与显示

• 遍历所有连通域，过滤掉面积小于 100 像素的区域。
• 边界框绘制：通过 insertShape_custom 函数，直接在RGB像素层面上修改图像数据，绘制绿色矩形框。
• 质心绘制：通过 insertMarker_custom 函数绘制红色的十字标记。
• 文字信息：通过图形窗口的 title 显示当前帧的目标检测数量和阈值信息（由于代码中自定义文本绘制函数仅保留了接口未做像素修改，因此主要依靠标题栏反馈状态）。
• 最终通过 imshow 将标记后的原图与转为RGB格式的掩膜图并排显示。

7. 模型更新

在循环末尾，将当前帧的灰度图赋值给“前一帧”变量，作为下一轮循环的背景模型。

关键辅助函数说明

为了保证代码的轻量化和低依赖性，脚本中实现了以下辅助功能：

• rgb2gray_custom

实现鲁棒的灰度转换，判断输入图像维度，若是三通道则按光学加权公式转换，若是单通道则直接返回，防止报错。

• insertShape_custom

简易的几何图形绘制引擎。它通过直接操作矩阵的行列索引，在图像的指定坐标处将像素值修改为绿色（[0, 255, 0]），从而画出具有指定线宽的矩形框。

• insertMarker_custom

简易的标记绘制引擎。原理同上，在目标质心位置绘制十字形线条。

• createSyntheticVideo

合成视频生成器。当未提供视频源时，该函数会创建一个黑色背景的视频流，并模拟两个运动物体（一个水平移动的白色方块，一个对角线移动的绿色方块），同时叠加随机噪声，用于验证算法的抗噪性和检测能力。

使用方法

1. 在 MATLAB 环境中直接运行 main 函数。
2. 在弹出的文件选择窗口中：

* 选择视频：选中本地的 .avi, .mp4 或 .mov 文件开始检测。 * 取消选择：直接点击“取消”，系统将自动生成并处理一段合成测试视频。

1. 运行过程中，观察弹出的图形窗口。左侧显示检测结果，右侧显示算法内部的二值化判定过程。
2. 关闭图形窗口即可终止程序运行。

系统要求

• MATLAB R2014a 或更高版本（代码基础语法兼容性较好）。
• 无需安装 Computer Vision Toolbox（核心绘图功能已内置实现）。