本发明属于图像处理领域，涉及运动目标检测技术，Android开发技术等，特别涉及一种基于Android平台的防抖动运动目标检测方法。
背景技术：
随着社会发展，安防对于我们的日程生活来说，不得不称得上是一个重中之重，大到国防重地，小到挨家挨户，视频监控报警设施已经十分常见。对于视频监控有两个方面的意思：一种是对地点的监控，即对于此地拍摄的一切视频序列都进行储存，后来再进行处理；另一种意思，是针对人或一些物体的监控，即在不该出现人或物的时候会给户主一个提示报警来起到安全防御的作用。伴随着犯罪手段的升级以及居民生活质量提高，对于安防监控的呼声越来越高，主要集中在家庭用户和办公环境两大方面。
传统的监控系统需要预装摄像头，铺设传输线路，将图像传送至处理端(通常为PC)后进行简单处理后存储，只具备了摄像、传输、存储的功能，并不能对突发状况进行及时预警，提醒用户可能即将发生的损失状况。此外，现代安防技术大多集中在对摄像头清晰度、拍摄广度上进行改进，随着图像质量的提高，摄像头的成本也在加大，若监控的环境有变动或废弃，无法对这些部件进行有效回收，造成成本浪费。对于传输线路以及处理端也需要额外花费大量成本，造价过高，不适合中小型用户进行使用。因此，对智能化、低成本、可快速部署的安防设备的需求越来越大。
目前主流算法有：光流法(Optical Flow)、背景相减法(Background Subtraction)、帧间差分法(Temporal Difference)。光流法因在实际环境中的噪声、光源亮度的变化、遮挡性等原因，使得灰度守恒条件不能满足，在用光流场基本方程求解时时常发生错误，且其计算量较大，对硬件要求较高；帧间差分法有着最快的检测速度，可以轻易实现实时信号处理，但对光照变化敏感性较差，对缓慢移动的运动目标检测不出来，容易造成空洞效应；背景相减法是目前运用较为广泛的方法，通过建立一个背景模型作为样本，将当前帧的信息与背景模型作对比，减掉共同的、已知的信息，剩下的即为运动目标了。但由于风力、震动等因素造成的镜头抖动会导致输入图像与背景模型错位，在不进行运动补偿的情况下，实际上是当前像素与其相邻像素的背景模型的匹配，直接进行模型匹配将导致误检，造成错检、误检的情况，无法进行起到用户所需要的安防检测的功能。因此应该对以上所述问题和隐患进行改进。
技术实现要素：
本发明的目的是提供一种可以防抖动进行运动目标检测的方法，技术方案如下：
一种基于Android平台的防抖动运动目标检测方法，包括下列步骤：
(1)获取Android手机超级权限，保持摄像头和屏幕持续打开；
(2)读取第一帧图像，提取图像中每个点的像素值v(i,j)，存储为样本集来建立背景模型；每个点都有一个集合存取其像素值，集合长度为N。
(3)检测过程中，读取某帧图像后，计算当前时刻的多个特征角点的偏移量对背景模型进行运动补偿，更新背景模型的像素值v’(i,j)；
(4)以此帧图像当前一个位置的像素值v”(i,j)为圆心R为半径建圆，判断样本集中的N个v’(i,j)是否可以落在圆内，当圆内的样本元素的数量达到预设的最小基数#min时停止比较，若圆内样本元素的数量小于当前像素最小基数#min，则此像素点被认定为前景点，认为检测到运动目标，自动保存此帧图像；
(5)设t为开始检测的时刻，dt为一次检测经历的时间，N为一次检测像素点的总数，依照公式P(t,t+dt)＝(1－1/8×1/N)(t+dt)－t随机判断被确定为背景点的某一像素是否需要更新背景模型。若判断为需要，则将此点的像素值将最早的样本元素顶替，更新背景模型后，读取此帧图像的下一帧图像后返回步骤(3)；若不需要，则直接读取此帧图像的下一帧图像后返回步骤(3)。
本发明以安装Android系统的手机作为载体，结合图像处理相关技术，仅需一部或几部手机即可在短时间内实现对一定区域的运动目标检测，并且可以标记、存储运动物体图像，从而可以完成监控、寻找运动目标的相关工作，无需提前安装设备，部署灵活，成本低廉。
附图说明
图1为基于Android平台的防抖动运动目标检测方法
具体实施方式
下面首先结合附图对实施方式进行说明。
(1)手机获取超级权限，保持摄像头和屏幕持续打开，默认设置t＝2h。
(2)初始化VIBE背景模型。存储每一个点的像素值，保存为样本集建立背景模型。背景模型为M(i,j)＝{v1,v2,…,vN}：其中M(i,j)表示(i,j)位置上的N个像素点样本观测值，v(i,j)表示(i,j)位置上的像素值，v(k)表示(i,j)位置的第k个样本值,K＝1,2,….N。
(3)读取第K帧图像后对背景模型的运动补偿。若使用t-1时刻的背景模型Mt-1(i,j)匹配t时刻的抖动图像，会使目标像素与之对应的背景像素错位。通过计算多个特征角点的偏移量来得到背景像素的偏移量，公式表示为S＝med{(dx1,dy1),(dx2,dy2),…,(dxx,dyy)}更新后的背景模型为#{SR(v(i,j))∩M(i+dx,j+dy)},像素值记为v’(i,j)。
(4)运动目标检测。即前像素值与其背景模型的匹配过程，具体过程如下，建立以v”(i,j)为圆心，R为半径的圆，当前像素值v”(i,j)根据其背景模型M(i,j)中与之最为接近的样本观察值的比较得出圆内的像素点数，当圆内的像素点数达到系统设定最小基数#min时停止比较，直接判断为背景点，否则，判断当前像素点为前景点。公式表示为：#{SR(v(i,j))∩{v1,v2,…,vN}}，若检测发现运动物体，自动保存此帧图像并向预存号码发送预警短信。
(5)背景更新。对背景模型进行更新，为了适应不断变化的背景，如光照，背景的物体的变更(如突然启动离去的汽车)，保守的更新策略和前景点计数方法。保守更新策略只对判断为背景点的模型更新，被检测为前景像素的模型将不会被得到更新，若某一像素被误判为前景，会造成死锁，前景计数法能有效避免死锁问题，当某个像素点被连续K次被检测为前景，将其更新为背景点。且无需对每一帧图像都进行背景更新，为了节省内存同时保证准确性，当某一像素被确定为背景点，随机选择是否更新改像素的背景模型公式为：P(t,t+dt)＝(1－1/8×1/N)(t+dt)－t。更新后回到步骤(3)完成循环。