基于MATLAB的帧间差分法视频目标检测实现

一、算法原理

帧间差分法通过计算相邻视频帧的像素差异检测运动区域，核心公式：

$$D(x,y)=∣I_t(x,y)−I_{t−1}(x,y)∣$$

其中$I_t$表示当前帧灰度值。当$D(x,y)$超过阈值时判定为运动区域。

二、MATLAB实现步骤

1. 视频读取与初始化

video = VideoReader('input.mp4');  % 读取视频
prevFrame = rgb2gray(readFrame(video));  % 首帧灰度化
threshold = 30;  % 初始阈值

2. 帧差计算与处理

while hasFrame(video)
    currFrame = rgb2gray(readFrame(video));  % 当前帧灰度化
    diff = imabsdiff(currFrame, prevFrame);  % 绝对差分
    diff = medfilt2(diff, [3 3]);  % 中值滤波去噪
    bw = diff > threshold;  % 二值化
    bw = bwareaopen(bw, 50);  // 去除小区域噪声
    prevFrame = currFrame;
end

3. 目标区域提取

stats = regionprops(bw, 'BoundingBox', 'Centroid');
for k = 1:numel(stats)
    rect = stats(k).BoundingBox;
    center = stats(k).Centroid;
    % 在原图绘制检测结果
    rectangle('Position', rect, 'EdgeColor', 'r', 'LineWidth', 2);
    plot(center(1), center(2), 'go', 'MarkerSize', 10);
end

三、关键参数优化

四、完整应用示例

function motion_detection_demo(videoPath)
    video = VideoReader(videoPath);
    figure;
    ax1 = subplot(2,1,1); imshow(readFrame(video)); title('原始视频');
    ax2 = subplot(2,1,2); imshow(im2uint8(zeros(size(video(1))))); title('运动检测');

    prevGray = rgb2gray(readFrame(video));
    while hasFrame(video)
        currFrame = readFrame(video);
        currGray = rgb2gray(currFrame);

        % 帧差计算
        diff = imabsdiff(currGray, prevGray);
        diff = medfilt2(diff, [5 5]);

        % 自适应阈值
        localMean = imgaussfilt(double(currGray), 10);
        thresh = localMean * 0.15 + 15;
        bw = diff > thresh;

        % 形态学处理
        bw = imopen(bw, strel('disk',3));
        bw = imclose(bw, strel('disk',5));

        % 显示结果
        imshow(bw, 'Parent', ax2);
        drawnow;

        prevGray = currGray;
    end
end

参考代码 帧间差法进行视频目标检测 www.youwenfan.com/contentalg/84875.html

五、典型应用场景

1. 交通监控

   检测车辆轨迹，计算速度：

   % 在检测循环中添加速度计算
   if ~isempty(stats)
       currentCentroid = stats(1).Centroid;
       if isempty(previousCentroid)
           previousCentroid = currentCentroid;
       end
       speed = norm(currentCentroid - previousCentroid) * video.FrameRate * 3600/1000;  // km/h
       previousCentroid = currentCentroid;
   end
   

2. 行为分析

   结合轨迹数据识别异常行为：

   % 轨迹存储与分析
   trajectory = [trajectory; currentCentroid];
   if size(trajectory,1) > 50
       trajectory(1,:) = [];
   end
   

六、注意事项

1. 光照变化处理 采用直方图均衡化预处理 使用自适应阈值代替固定阈值
2. 遮挡问题 结合背景建模（如高斯混合模型） 使用多目标跟踪算法（如卡尔曼滤波）
3. 实时性优化 降低分辨率：imresize(currGray, 0.5) 减少处理区域：仅处理ROI区域