多媒体技术的不断发展给人们的生活带来了很多的便利，在很多工程应用设计中，会涉及到大量的图像捕捉与图像处理的问题，如防盗报警系统的设计、交通监控系统的设计等，这些系统在某些程度上代替了人的重复劳动，在实际工作中都有十分重要的实用价值[1-4]。笔者对计算机视觉技术及算法进行了深入研究，并开发了一种新型的移动物体检测及背景更新系统。

1 系统装置
    系统的设计具有一定的创新性，适合于室内及室外光线变化率不强烈的环境。硬件装置具有体积小、结构简单、易于安装等特点，使用灵敏度高、抗强光、体积小的CCD摄像头，CPU为Intel Pentium 4, 内存1 GB，硬盘80 GB的计算机(或笔记本电脑)。CCD摄像头与计算机相连,固定在观察者位置即可。系统装置图如图1所示。

2 算法
2.1 帧差法与背景更新相结合算法分析
    帧差法是一种在实际应用中经常使用的运动目标检测方法。该方法算法简单，运算速度快，非常适合实时性检测要求较高的场合。但帧差法对于图像的噪声(电子噪声、颗粒噪声等)及摄像机的抖动比较敏感，个别像素可能因此而剧烈变化从而造成误判的发生。另外，如果移动物体移动速度过慢，有可能检测不到移动物体。
    背景减除法的关键在于如何准确地提取出背景，并且当背景发生改变时，能及时地更新背景，其优势在于对移动目标的准确判断。但是背景更新是一个学习的过程，有时间延迟，另外，由于学习过程中包含移动物体信息，经常有“拖尾”现象发生，影响结果的精度。如何去除“拖尾”现象，李宏研[5]等提出一种相关矩阵判别法，但是运算较复杂；陈利平[6]等提出多帧加权的方法，运算也较复杂，结果对环境的依赖较大。本文提出一种帧差法与反馈背景更新结合算法,试图缓解“拖尾”现象。


    TH1的值一般为20~30之间。TH2的值与TH1相同。由于p1的作用是判定学习回归，所以TH3的值不宜过大，一般在0.01~0.05之间。TH4的作用是抑制图像强烈变化时的无用更新，一般在0.5~0.7之间。TH5的作用是判定移动物体响应程度,一般在0.05~0.1之间。
2.2 程序可扩展性算法分析
    对于不同的移动物体检测算法，其对系统提供的时序帧要求也不同，比如上文提到的帧差法，有二帧差法、三帧差法、四帧差法；对于背景建模算法，迭代法只要求当前帧，反馈背景更新算法则要求有当前帧和前一帧图像，参考文献[6]中提到的多帧加权算法要求至少有包括当前帧在内的之前5帧图像，这就需要系统提供足够的基础数据。而对于实时系统而言，为了保证系统的可持续性和实时性，通常只将当前帧保存在内存中，这就限制了其他算法在该系统上的应用。为了保持系统的可持续性并保证多种算法可以在一个系统中运行，本系统采用了时序调用的方法，将当前帧以及之前一段时间内的所有时序帧可控地保存在硬盘上，以备其他算法调用，并始终维持这一状态，以保持系统的可持续性。
    本系统中采用Ontimer()方法实时采集视频帧，并在采集当前帧后把它保存到硬盘上，通过累加计数的方式控制保存帧的个数。当保存帧数超过某个控制值时，从之前的第一帧开始依时间顺序删除前面的帧，并持续下去，这样在系统运行的整个过程中始终有一定数量的帧可供调用。当系统结束运行时，用OnCancel()方法将这些中间变量删除。对于用户而言，保存帧后删除帧的动作是不可见的，但用户在系统运行过程中可以调用控制值以内的任意帧。
    (1)判断保存路径是否存在，如果存在则保存帧，否则创建保存路径；
    (2)用capFileSaveDIB（）方法保存帧并计数；
    (3)判断帧的数量，如果大于10（可根据需要改变），则删除第一帧；
    (4)判断终止条件是否满足，满足则删除所有帧，删除当前目录，否则返回第(2)步。
2.3 算法流程
    本文算法流程图如图2和图3所示。

3 程序测试及结果分析
3.1 帧差法与背景更新相结合算法的具体实现和效果
    在系统测试过程中，设置4个窗口，分别为左上原始视频，右上背景减除法，左下迭代法背景更新算法，右下本文提出算法的运行效果，可以看出，新背景更新算法抑制了“拖尾”现象。演示效果如图4所示。

3.2 扩展帧保存算法的测试
    本算法主要实现保存实时帧到硬盘上，并保持一定的数量持续更新实时帧，当系统结束运行后，删除这些实时帧，并删除保存位置的文件夹。
    当系统运行后，在D盘位置会新建一个名为pic的文件夹，实时帧就保存在这个文件夹里。系统结束后，帧和目录同时被删除。
    本文介绍了一种新型的移动物体检测及背景更新系统。该系统采用一种新型帧差法和反馈背景更新相结合的算法作为背景更新算法，并在系统中对时序帧的生成和调用方法进行了改进。实验结果表明，该算法能够有效去除“拖尾”效应，并且该系统的实时帧保存算法能够有效地适应大多数算法在该系统上的应用。该系统没
有对视频进行前期处理，下一步将主要研究视频的前期处理工作，以达到提高精度的目的。
参考文献
[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] 项昀. 基于移动检测的运动物体识别技术的研究[D].北京：北京交通大学,2007.
[4] 于立男. 基于ARM平台的单摄像头运动目标检测与跟踪系统[D]. 大连：大连理工大学,2010.
[5] 李宏研.改进的移动目标检测算法及其实现[J]. 计算机工程,2011,37(4):195-197.
[6] 陈利平. 基于下采样和帧差的运动目标检测方法[J].通信与信息处理,2010,29(12):46-48.