【正文】 .......................................... 錯(cuò)誤 !未定義書簽。 .......................................................................... 錯(cuò)誤 !未定義書簽。 .......................................................... 錯(cuò)誤 !未定義書簽。 .............................................................................. 錯(cuò)誤 !未定義書簽。 5總結(jié)與展望 ....................................................................................................................30 致 謝 ...............................................................................................................................31 參考文獻(xiàn) ................................................................................................ 錯(cuò)誤 !未定義書簽。 附錄 ........................................................................................................ 錯(cuò)誤 !未定義書簽。 湖北理工學(xué)院畢業(yè)設(shè)計(jì)（論文） 1 第一章緒論 1． 1 課題研究的目的與意義 當(dāng)人們感知到的環(huán)境信息，對(duì)動(dòng)態(tài)視覺(jué)信息的視覺(jué)信息占很大一部分。這些動(dòng)態(tài)的視覺(jué)信息對(duì)的感知已成為計(jì)算機(jī)視覺(jué)領(lǐng)域的一個(gè)重要研究方向。在現(xiàn)實(shí)生活中，大量有意義的視覺(jué)信息都包含在運(yùn)動(dòng)中。雖然人類的視覺(jué)可以看到運(yùn)動(dòng)的物 體，可以看到靜止的物體，但在許多場(chǎng)合，如航空和軍用飛機(jī)的指導(dǎo)，交通監(jiān)控，重要場(chǎng)所的安全和汽車的自動(dòng)駕駛和輔助駕駛等，人們傾向于對(duì)移動(dòng)的物體更感興趣。近幾年來(lái)，運(yùn)動(dòng)目標(biāo)的檢測(cè)一直都是圖像處理和計(jì)算機(jī)視覺(jué)領(lǐng)域的一個(gè)活躍的分支，也是動(dòng)態(tài)圖像分析的基礎(chǔ)。它結(jié)合了許多相關(guān)領(lǐng)域的圖像處理、模式識(shí)別、人工智能和知識(shí)的自動(dòng)控制，是一種從地層序列圖像中對(duì)目標(biāo)的自動(dòng)檢測(cè)以及提取目標(biāo)位置信息。目前，運(yùn)動(dòng)物體檢測(cè)已被廣泛應(yīng)用于視頻監(jiān)控、醫(yī)療診斷、智能交通、運(yùn)動(dòng)分析等領(lǐng)域。因此本文的研究具有重要的理論意義和實(shí)用價(jià)值。 1． 2 課題的研 究現(xiàn)狀 1． 2． 1 國(guó)內(nèi)研究現(xiàn)狀 在國(guó)內(nèi)，運(yùn)動(dòng)圖像分析已在人體運(yùn)動(dòng)檢測(cè)、智能交通、機(jī)器人視覺(jué)等很多領(lǐng)域展開(kāi)了深層次研究。但總的來(lái)說(shuō)，國(guó)內(nèi)的研究主要還是停留在理論方面，尚且還未出現(xiàn)比較大型的并能夠應(yīng)用于實(shí)際的成型系統(tǒng)。我國(guó)從 1986 年開(kāi)始正式立項(xiàng)研究圖像檢測(cè)，在理論研究上圖像檢測(cè)算法取得了很大的發(fā)展。 2020 年劉永信等人深入探討了遞歸最小二乘法在圖像背景重建中的應(yīng)用，該應(yīng)用中用到了Kalman 濾波理論的漸消記憶 [1]；同年，張輝等人研究了如何實(shí)現(xiàn)對(duì)聚類的自動(dòng)檢和測(cè)出格點(diǎn)檢測(cè)； 1999 年，王栓等人提出了一 種運(yùn)動(dòng)目標(biāo)檢測(cè)算法，其算法基于差分圖像，其檢測(cè)結(jié)果是符號(hào)化了的圖像，其中外接矩形表示運(yùn)動(dòng)目標(biāo)，并根據(jù)連續(xù)性約束假設(shè)，實(shí)現(xiàn)了對(duì)運(yùn)動(dòng)目標(biāo)的跟蹤 [2]； 2020 年隋嘩等人講述了在交通監(jiān)控系統(tǒng)中應(yīng)用視頻圖像流來(lái)跟蹤運(yùn)動(dòng)目標(biāo)，并針對(duì)目標(biāo)分類的具體過(guò)程和原則進(jìn)行詳細(xì)的闡述，基于目標(biāo)檢測(cè)提出了雙差分的目標(biāo)檢測(cè)算法，對(duì)目標(biāo)進(jìn)行分類時(shí)采用了連續(xù)時(shí)間限制和最大估計(jì)的原則 [3]。 1． 2． 2 國(guó)外研究現(xiàn)狀 目前，運(yùn)動(dòng)目標(biāo)檢測(cè)技術(shù)發(fā)展較為成熟的是美國(guó)、歐洲和日本等發(fā)達(dá)國(guó)家。湖北理工學(xué)院畢業(yè)設(shè)計(jì)（論文） 2 1955 年， Wax 提出目標(biāo)檢測(cè)與跟蹤的基本概念： 1964 年， Sittler 在包括數(shù)據(jù)關(guān)聯(lián)等內(nèi)容的多目標(biāo)檢測(cè)與跟蹤理論方面取得了重大進(jìn)展。上世紀(jì)七十年代初期，隨著 Kalman 濾波技術(shù)在雷達(dá)跟蹤中的應(yīng)用，目標(biāo)跟蹤理論開(kāi)始被人們關(guān)注；BarShalom 和 llSinger 將濾波理論與數(shù)據(jù)關(guān)聯(lián)進(jìn)行有機(jī)結(jié)合，進(jìn)一步發(fā)展和完善了運(yùn)動(dòng)目標(biāo)跟蹤理論。八十年代期初，由于興起高速處理芯片，目標(biāo)檢測(cè)的研究進(jìn)入了新的篇章。 1997 年，在卡內(nèi)基梅隆大學(xué)的帶領(lǐng)下，許多高校相繼參與了視覺(jué)監(jiān)控重大項(xiàng)目 VSAM(Visual Surveillance and Monitoring)[4] ， 主要研究在各場(chǎng)景下如民用、戰(zhàn)場(chǎng)等進(jìn)行監(jiān)測(cè)的自動(dòng)視頻理解技術(shù)； 2020 年初，以麻省理工學(xué)院為首的 26 家高校及部分公司合作的重大項(xiàng)目 HID(Human Identification at a Distance)計(jì)劃，該項(xiàng)目的主要任務(wù)就是開(kāi)發(fā)大范圍的、多模式的視覺(jué)檢測(cè)技術(shù)，來(lái)滿足在遠(yuǎn)距離時(shí)對(duì)人的檢測(cè)、分類和識(shí)別，增強(qiáng)國(guó)防和民用場(chǎng)合的自動(dòng)保護(hù)能力，從而免受恐怖襲擊；此外還有，馬里蘭州大學(xué)和IBM 公司聯(lián)合研制的實(shí)時(shí)視頻監(jiān)控系統(tǒng) W4 將形狀分析和目標(biāo)跟蹤技術(shù)相結(jié)合，對(duì)人的外表進(jìn)行模型構(gòu)建等。 1． 3 課題的典型應(yīng)用 （ 1） 智能視頻監(jiān)控 出于對(duì)銀行、金庫(kù)、海關(guān)、監(jiān)獄等敏感場(chǎng)所的安全考慮，實(shí)時(shí)地檢測(cè)到 關(guān)鍵地點(diǎn)可疑對(duì)象就顯得尤為重要。自從 “ 911”事件后，各國(guó)出于對(duì)自身安全的考慮，加大了在 反對(duì)恐怖主義的斗爭(zhēng)中 的投入，在各個(gè)大型公共場(chǎng)所安裝視頻監(jiān)控，及時(shí)對(duì)進(jìn)行監(jiān)控已經(jīng)十分普及。 （ 2） 人機(jī)交互 原始的人機(jī)交互方式是由計(jì)算機(jī)鍵盤和鼠標(biāo)完成的，針對(duì)高級(jí)用戶接口，人們期望未來(lái)的計(jì)算機(jī)能夠如人一樣靈活和便捷地交流，辟如通過(guò)手語(yǔ)來(lái)翻譯、用手勢(shì)來(lái)實(shí)現(xiàn)控制等。計(jì)算機(jī)采用無(wú)接觸式的方式對(duì)人在計(jì)算機(jī)前的視頻信號(hào)進(jìn)行采集，再 利用相關(guān)理論對(duì)視頻信號(hào)加以分析，辨別人的動(dòng)作，了解人的意圖。這種人機(jī)交互界面以人為中心，終將是今后的主要研究與發(fā)展的方向 [5]。而以上技術(shù)實(shí)現(xiàn)的基礎(chǔ)就是先對(duì)人的手部和面部進(jìn)行檢測(cè)和跟蹤。 （ 3） 運(yùn)動(dòng)分析 首先分割圖像中的人體部分，在圖像序列中分析感興趣的關(guān)節(jié)運(yùn)動(dòng)并加以跟蹤，然后建立人體的幾何模型用以解釋人體運(yùn)動(dòng)的行為理論，能夠積極地推動(dòng)運(yùn)動(dòng)性能的提高。基于上述運(yùn)動(dòng)分析的原理，運(yùn)動(dòng)分析可以應(yīng)用在體育領(lǐng)域、舞術(shù)湖北理工學(xué)院畢業(yè)設(shè)計(jì)（論文） 3 訓(xùn)練等領(lǐng)域。例如從大量的關(guān)于體育運(yùn)動(dòng)的數(shù)據(jù)庫(kù)中根據(jù)內(nèi)容進(jìn)行快速檢測(cè)搜索等。此外，在遠(yuǎn)距離 的情況下對(duì)人的對(duì)身份鑒別時(shí)，常以步態(tài)分析作為獨(dú)特的生物特征。 （ 4） 視頻壓縮 不論是對(duì)視頻的存儲(chǔ)還是對(duì)視頻的傳輸而言，視頻壓縮技術(shù)都是一個(gè)非常重要的技術(shù)。目前已有的壓縮算法大多是對(duì)圖像進(jìn)行編碼層次的壓縮，壓縮效果不太理想，不能滿足高要求的壓縮需要。而采用一種新的壓縮方式如基于幀間運(yùn)動(dòng)的壓縮，很大程度地減少視頻的占用空間，特別是有運(yùn)動(dòng)目標(biāo)存在的靜止場(chǎng)景，先將運(yùn)動(dòng)目標(biāo)檢測(cè)出來(lái)，然后對(duì)目標(biāo)進(jìn)行提取，通過(guò)傳輸靜止的背景圖像、運(yùn)動(dòng)的目標(biāo)圖像和目標(biāo)的運(yùn)動(dòng)軌跡，就能夠輕易地還原出原始視頻。這種對(duì)運(yùn)動(dòng)目標(biāo)的檢 測(cè)和提取不僅降低傳輸，對(duì)存儲(chǔ)費(fèi)用也有所降低。 （ 5） 交通檢測(cè) 目標(biāo)檢測(cè)研究還被應(yīng)用到天空中和陸地上。以交通為例，如高峰期路面車流量的控制、道路上車輛異常行為的檢測(cè)、行人行為是否違章的判定等。值得一提的是，車輛異常行為的檢測(cè)在預(yù)防交通事故和交通事故的處理等方面有重大的使用價(jià)值。 （ 6） 醫(yī)療診斷 臨床醫(yī)學(xué)上，常用 X射線、 α 射線和核磁共振等方法實(shí)現(xiàn)病理部位的成像，進(jìn)而利用運(yùn)動(dòng)目標(biāo)檢測(cè)方法來(lái)對(duì)病理部位分析 [6]；追蹤微細(xì)胞并觀察其生長(zhǎng)過(guò)程時(shí)常常采用目標(biāo)檢測(cè)與跟蹤方法，該方法在觀察人工植入 器官使用情況中也體現(xiàn)出了不可忽視的作用 。 （ 7） 精確制導(dǎo) 近年來(lái)，幾次局部戰(zhàn)爭(zhēng)的爆發(fā)，都充分體現(xiàn) 出 精確制導(dǎo)武器精確打擊已成為現(xiàn)代戰(zhàn)爭(zhēng)的主要作戰(zhàn)武器 ，并且 已經(jīng)占據(jù)了主導(dǎo)地位 。 作為一個(gè)精確制導(dǎo)武器導(dǎo)引頭的關(guān)鍵技術(shù)，其核心是目標(biāo)識(shí)別和跟蹤技術(shù)，導(dǎo)彈和其他進(jìn)攻性武器仍然能夠自動(dòng)檢測(cè)到目標(biāo)，即使在自然條件復(fù)雜 、自然 干擾和人為干擾的影響 下， 目標(biāo)識(shí)別和跟蹤技術(shù) 也能 提高導(dǎo)彈和其他進(jìn)攻性武器 的 攻擊，以增強(qiáng)效 果 。 湖北理工學(xué)院畢業(yè)設(shè)計(jì)（論文） 4 第二章 數(shù)字圖像處理理論基礎(chǔ) 數(shù)字圖像處理，始于 20 世紀(jì) 50年代，那時(shí)候的 電子計(jì)算機(jī)已經(jīng)有了一定的發(fā)展，計(jì)算機(jī)處理圖像和圖形信息已經(jīng)出現(xiàn)。大約 20世紀(jì) 60 年代初期，數(shù)字圖像處理形成一門獨(dú)立的學(xué)科。圖像處理是為了對(duì)圖像質(zhì)量加以改善，處理對(duì)象是人對(duì)象，目的是為了改善人的視覺(jué)效果。處理過(guò)程中，輸入的是低質(zhì)量的圖像，輸出的是改善質(zhì)量后的圖像，常用的圖像處理方法有圖像增強(qiáng)、復(fù)原、編碼、壓縮等。圖像處理技術(shù)在許多應(yīng)用領(lǐng)域受到廣泛重視并取得了重大的開(kāi)拓性成就，屬于這些領(lǐng)域的有航空航天、生物醫(yī)學(xué)工程、工業(yè)檢測(cè)、機(jī)器人視覺(jué)、公安司法、軍事制導(dǎo)、文化藝術(shù)等，使圖像處理成為一門引人注目、前景遠(yuǎn)大的新型 學(xué)科。隨著圖像處理技術(shù)的深入發(fā)展，隨著計(jì)算機(jī)技術(shù)和人工智能、思維科學(xué)研究的迅速發(fā)展，數(shù)字圖像處理向更高、更深層次發(fā)展。 隨著數(shù)字多媒體技術(shù)的不斷發(fā)展，數(shù)字圖像處理技術(shù)被廣泛應(yīng)用于可視電話、電視會(huì)議、監(jiān)控系統(tǒng)、智能交通監(jiān)控、目標(biāo)跟蹤、機(jī)器人導(dǎo)航等各種民用、商用及工業(yè)生產(chǎn)領(lǐng)域中。 數(shù)字圖像處理的基本概念 數(shù)字圖像 所謂數(shù)字圖像就是把傳統(tǒng)圖像的畫面分割成被稱為像素（ picture element, 簡(jiǎn)稱 pixel。有時(shí)候也用 pel 這一簡(jiǎn)寫詞）的小的離散點(diǎn)，各像素的灰度值也是用離散值即 整數(shù)值來(lái)表示的 [7]。數(shù)字圖像（ digital imagine）和傳統(tǒng)的圖像即模擬圖像 (picture)是有差別的。為了從一般的照片，景物等模擬圖像中得到數(shù)字圖像，需要對(duì)傳統(tǒng)的模擬圖像進(jìn)行采樣和量化（采樣和量化統(tǒng)稱為數(shù)字化）。 （ 1） 采樣 采樣（ sampling）是一種操作，它通過(guò)把在時(shí)間和空間上都連續(xù)的圖像變成離散點(diǎn)（采樣點(diǎn)，即像素）的集合來(lái)實(shí)現(xiàn)。圖像大多數(shù)是連續(xù)分布在二維平面上，要想將圖片輸入到計(jì)算機(jī)中，第一步要要經(jīng)過(guò)掃描把二維信號(hào)變成一維信號(hào)，最普遍的掃描方法是在二維平面內(nèi)，以一定的時(shí)間間隔依 次地從上順序地按水平方向的直線（掃描線）掃描，然后取出濃淡值的線掃描。通過(guò)上述方法得到的一維信號(hào)，只需求出每一個(gè)特定間隔的數(shù)值，就能夠?qū)崿F(xiàn)離散的信號(hào)的獲取。運(yùn)動(dòng)圖像在進(jìn)行行掃描時(shí)，除開(kāi)垂直和水平兩個(gè)方向，還可以在時(shí)間軸上進(jìn)行掃描。假設(shè)縱向的像素?cái)?shù)為 M，橫向的像素?cái)?shù)為 N，采樣后，圖像的大小可以由“ M*N”個(gè)像素表示。 （ 2） 量化 采樣后，雖然圖像分解成在空間上和時(shí)間上離散分布的像素，但湖北理工學(xué)院畢業(yè)設(shè)計(jì)（論文） 5 是像素的值（灰度值）任然是連續(xù)的。像素的值，是指白色 灰色 黑色的濃淡值，也被稱為光的強(qiáng)度值或亮度值或灰度值。量化就 是把這些連續(xù)的濃淡值變成離散的整數(shù)值的過(guò)程。假如把這些灰度值量化為 8bit，那么灰度值將被分成 0255，包含 256 個(gè)級(jí)別，這些級(jí)別各自對(duì)應(yīng)各個(gè)灰度值的濃淡程度，也被稱為灰度標(biāo)度或灰度等級(jí)。當(dāng) 0255 的值對(duì)應(yīng)白 黑的時(shí)，可以以 0 為白， 255 為黑；亦可以以 0 為黑， 255 為白。這決定于圖像采用什么方法輸入以及對(duì)圖像進(jìn)行處理的不同觀點(diǎn)等，在編程時(shí)這是特別需要注意的一點(diǎn)。但在只有黑白二值的二值圖像的情形，一般設(shè) 0為白， 1為黑。對(duì)連續(xù)的灰度值賦予量化級(jí)的，即灰度值方法有：均勻量化，線性量化，對(duì)數(shù)量化，最大量化，錐形 量化等。 （ 3） 采樣、量化和圖像細(xì)節(jié)的關(guān)系 上述的量化過(guò)程，要先確定灰度級(jí)的級(jí)數(shù) K和數(shù)值 N。在對(duì)圖像進(jìn)行處理中，一般都取 2的整數(shù)冪，即 : N=2n () K= 2m () 在計(jì)算機(jī)中，一幅數(shù)字圖像所占用的二進(jìn)制存儲(chǔ)位數(shù) b 為 : b=log? ?2 *m NN =N*N*m(bit) () 例如，一幅數(shù)字圖像，灰度級(jí)為 256 級(jí) (m=8)，包含像素 512 512個(gè)，大約需要 210 萬(wàn)個(gè)存儲(chǔ)位。伴隨 N 和 m 的增加，計(jì)算機(jī)需要的存儲(chǔ)量也相應(yīng)增加。 從圖像數(shù)字化的過(guò)程可以看到，數(shù)字圖像是連續(xù)圖像的近似。這種近似的程度主要取決于采樣樣本的大小和數(shù)量 (N 值 )以及量化的級(jí)數(shù) K(或 m 值 )。 N 和 K 的值越大，圖像越清晰。 數(shù)字圖像處理基本內(nèi)容 (1)圖像輸入 圖像處理首先是獲取處理對(duì)象 的可見(jiàn)模擬圖像，并將其轉(zhuǎn)換為計(jì)算機(jī)能接受的數(shù)字圖像，再送回到計(jì)算機(jī)進(jìn)行處理。對(duì)于信息不可見(jiàn)的對(duì)象，首先要對(duì)其“可見(jiàn)光圖像生成”或“信息的可視力化