EVALUATION OF FRAME DIFFERENCES FOR MOTION DETECTION IN VIDEO

V.L. Krupnov
Yuri Gagarin State Technical University of Saratov
EVALUATION OF FRAME DIFFERENCES FOR MOTION DETECTION IN
VIDEO
Article tutor: T.V. Danilova, Candidate of Science, Associate Professor
The purpose of the report is evaluation applicability of frame comparison method for
motion detection.
We created software for analysis of video, using the integrated development
environment Delphi and the software development kit TVideoGrabber Datastead
Software. The software splits video into frames and compares them.
For analyze the effectiveness of the method we used the test video: the *. mov-file,
with a frame size of 771x441 and the frequency is 25 frames per second, containing
the different amount of movement in different parts.
It is concluded that frame comparison method needs the adaptation for different
kinds of video and it can be improved with simple aids.
Использование систем видеонаблюдения позволяет существенно усилить
эффективность дистанционного контроля того или иного объекта. Простейшая,
но, в то же время, действенная система видеонаблюдения за территорией
состоит из объектива, и устройства, формирующего видеосигнал. Примером
такой системы является набор видеокамер, установленных в различных частях
офиса и транслирующих изображение на мониторы, установленные в пункте
охраны. При необходимости данные, получаемые с видеокамер, могут быть
сохранены. Однако, при постоянном видеонаблюдении, размер видеоданных
велик и для сохранения требует существенных объемов носителя. В связи с
этим, логично было бы производить запись видеопотока только в том случае,
если на контролируемой территории наблюдается движение. Таким образом,
интересной представляется задача детектирования движения в видеопотоке.
Наиболее простым способом выделения движения в видеозаписи является
сравнение соседних кадров [1]. Однако известно, что аппаратные помехи
устройства формирования видеосигнала обуславливают некоторое различие в
соседних кадрах даже при отсутствии движения.
Для оценки данного эффекта в среде разработки Delphi была написана
программа, реализующая разделение видеопотока на набор растровых
изображений, сохраняемых в файлах *.bmp, и позволяющая также сравнить эти
изображения. Для работы с видеопотоком был использован визуальный
компонент TVideoGrabber Video SDK компании Datastead Software [2]
В качестве тестового объекта была получена видеозапись в формате *.mov, с
размером кадра 771x441, частотой 25 кадров в секунду, длиной 51 кадр.
Видеозапись состояла из кадров, заведомо не содержащих движущихся
объектов (с 0-го по 4-й и с 45-го по 50-й кадры), и кадров, на которых
присутствовало движение (с 5-го по 44-й кадры). Движущийся объект
появляется в левой части кадра, постепенно перемещается в центр кадра, затем
в правую часть кадра и выходит из области видеонаблюдения.
Для описанной видеозаписи было посчитано поточечное различие соседних
кадров, результат сохранялся как полутоновое (256 градаций цвета)
изображение, имеющее те же размеры, что и сравниваемые кадры. Каждая
точка этого изображения - абсолютное значение разницы цвета
соответствующих точек текущего и предшествующего кадров. Результат для
кадров 1, 11, 21, 31, 41, 50 показан на рис. 1. В правом верхнем углу каждого
изображения указаны номера кадров, для которых определялась разница.
Рис. 1. Разность соседних кадров видеопотока
Для каждого изображения, характеризующего разницу соседних кадров (рис.
1), также подсчитывалась сумма значений цвета всех его точек. Эти суммы,
нормированные на количество точек кадра (771х441), отражены в графике на
рис. 2. По горизонтали на графике указаны номера кадров. Минимальное
значение, показанное на графике, равно 5.234534 и соответствует 50-му кадру,
максимальное – 35.428430, для кадра 22.
Сопоставляя данные представленные на рис. 1 и 2, можно убедиться, что
существует некоторый собственный шум видеозаписи, который должен
учитываться при детектировании движения. В данном случае это кадры 0-4 и
45-50, характеризуемые значениями в диапазоне 5.234534-5.376681. На фоне
такого шума детектирование медленного движения некрупных объектов (кадры
5-8 и 39-44) усложняется.
Рис. 2. Зависимость разности соседних кадров от номера кадра
Повысить соотношение сигнал-шум в таком случае возможно путем сравнения
не соседних, а отстоящих друг от друга на две-три позиции кадров. Также
можно разделить область видеокадра на несколько частей и детектирование
движения проводить независимо для каждой части. При этом увеличивается
соотношение размеров движущегося объекта и рассматриваемой области, а
следовательно - возрастает отношение сигнал-шум.
1.
2.
References
Визильтер Ю.В., Желтов С.Ю., Бондаренко А.В., Ососков M.B. Mopжин А.В. Обработка и анализ
изображений в задачах машинного зрения. М.: Физматкнига, 2010. 689 с.
Datastead Software. TVideoGrabber Video SDK [Электронный ресурс]. - Загл. с экрана. - URL:
http://www.datastead.com/products/tvideograbber.html. (дата обращения: 11.01.2014).