【正文】 存在大面積均勻灰度的時候，會產(chǎn)生“孔洞”現(xiàn)象，導(dǎo)致將運(yùn)動目標(biāo)的圖像分割成幾個部分。2. 閾值的選?。?在運(yùn)用幀間差法提取運(yùn)動目標(biāo)時，涉及到閾值的選取問題。這種確定閾值的方法簡單直接，但是不精確，且對場景的改變沒有一定的自適應(yīng)性。下面介紹兩種亮度統(tǒng)計(jì)法來提取背景。 (a) 亮度圖像 (b) 分割后圖像 (3)兩種背景提取分割方法的比較分析 (a) 路面信息統(tǒng)計(jì)后的閾值分割結(jié)果 (b) 多幅圖像統(tǒng)計(jì)后的閾值分割結(jié)果 比較兩種方法閾值分割后的圖像(b)的閾值分割更為準(zhǔn)確，可以從圖像中濾除更多的背景信息，但當(dāng)背景的紋理與目標(biāo)的紋理相似時，該算法卻不能得到正確的結(jié)果。1. 累計(jì)差分原理在序列圖像中，通過逐像素比較可直接求取前后兩幀圖像之間的差別。：將長方形區(qū)域逐漸向下移動，依次劃過橢圓目標(biāo)的不同部分，將各次的結(jié)果組合起來，就可得到完整的橢圓目標(biāo)。為把噪聲的影響跟像素的移動區(qū)別開來，可對差圖像取較大的閾值。如果在某一個位置的變化只偶爾出現(xiàn)，就可判斷為噪聲。設(shè)該圖像中各個位置的值是每次比較中發(fā)生變化的次數(shù)總和。圖(e)是普通差圖像，左邊一列的1是圖(a)目標(biāo)后沿和圖(b)背景的差，右邊一列1是圖(a)背景和圖(b)目標(biāo)前沿的差。將三幀差分與自適應(yīng)背景差技術(shù)結(jié)合，引入三幀背景差分方法來檢測運(yùn)動目標(biāo)。= ()= ()其中，為目標(biāo)相對于背景的速度大小上式中的表示像素點(diǎn)(x，y)在n時刻的背景亮度值，該背景并非當(dāng)前圖像的真實(shí)背景，而是從多幅圖像中經(jīng)統(tǒng)計(jì)學(xué)習(xí)得到的背景模型。2. 背景差法的實(shí)現(xiàn) 原始圖像 多幅圖像統(tǒng)計(jì)的背景亮度圖 背景差法實(shí)現(xiàn)結(jié)果實(shí)驗(yàn)證明，該方法能夠提取出背景圖像（），它在提取背景的過程中，不受前景物體的影響。另外，運(yùn)動目標(biāo)也可能長時間停留在場景中，對于這部分區(qū)域，可以在一段時間后將其看作背景的一部分。三幀背景差分法算法比較簡單，運(yùn)算量小大，比較適用于實(shí)時監(jiān)控。第3章 基于改進(jìn)的光流法的運(yùn)動目標(biāo)提取方法運(yùn)動目標(biāo)的提取可分為背景固定和背景運(yùn)動兩種情況。光流(Optical Flow)是指圖像亮度模式的表觀(或視在)運(yùn)動(Apparent Motion)。此時光流不等于零，但運(yùn)動場為零，因?yàn)槲矬w沒有運(yùn)動?；谔荻鹊姆椒ɡ脠D像灰度的梯度來計(jì)算光流，這是研究的最多的一種方法。全局約束的方法[16]假定光流在整個圖像范圍內(nèi)滿足一定的約束條件。依據(jù)該象素上的位移幀差的梯度最小值，對預(yù)測作進(jìn)一步的修正。如果遞歸過程中v收斂，假設(shè)圖像大小為NN，搜索相應(yīng)窗口范圍為MxM，則平均做步。同時，通過對低分辨率、尺寸較小的上層進(jìn)行分析所得到的信息還能用來指導(dǎo)對高分辨率、尺寸較大的下層進(jìn)行分析，從而大大簡化了分析和計(jì)算。借助一個小符號能夠?qū)懗龈咚菇鹱炙鲗拥暮唵伪磉_(dá)式。：(a) 高斯金字塔第一層（原圖像） (b) 高斯金字塔第二層 (c) 高斯金字塔第三層2. 數(shù)學(xué)形態(tài)學(xué)的基本思想數(shù)學(xué)形態(tài)學(xué)是研究數(shù)字影像形態(tài)結(jié)構(gòu)特征與快速并行處理方法的理論，是通過對目標(biāo)影像的形態(tài)變換實(shí)現(xiàn)結(jié)構(gòu)分析和特征提取的。從圖2g中可知，使具有一定的形態(tài)的結(jié)構(gòu)元素度量和提取圖像中的對應(yīng)形狀信息，在形態(tài)學(xué)的操作中最重要的是結(jié)構(gòu)元素的選擇，結(jié)構(gòu)元素是一個用來定義形態(tài)學(xué)操作中所用到的鄰域的形狀和大小的矩陣，該矩陣僅由0和1組成，具有任意的大小和維數(shù)，1代表鄰域內(nèi)的像素，形態(tài)學(xué)運(yùn)算都是對數(shù)值為1的區(qū)域進(jìn)行運(yùn)算?？梢?，對于膨脹運(yùn)算，結(jié)構(gòu)元素b的反射與輸入圖像f的交不為空(也就是說，只要有一個相交即可)。b對f的開啟定義為： ()b對f的閉合定義為： ()開啟運(yùn)算能夠去除圖像上與結(jié)構(gòu)元素不相吻合的凸區(qū)域，同時保留那些相吻合的區(qū)域。 基于改進(jìn)光流法的運(yùn)動目標(biāo)提取方法1. 基于金字塔光流法的光流值計(jì)算基本思想是利用圖像金字塔，將相鄰兩幀降采樣到最底層，計(jì)算這兩幀間的光流值，在上一層中將前一幀圖像平移一定的值（下層計(jì)算出的光流），與后一幀利用光流法求出運(yùn)動向量，最后與下層計(jì)算出的光流進(jìn)行疊加。設(shè)第L1層的圖像為，則通過降采樣，上一層第L層的圖像為： () 升采樣為降采樣的逆過程，現(xiàn)將圖像隔行插入0點(diǎn)，再通過與濾波器卷積并乘以4，得到下一層的圖像。即將計(jì)算出的離散點(diǎn)光流值連成一片區(qū)域，利于下一步進(jìn)行面積閾值判斷。3. 基于改進(jìn)光流法的面積閾值算法在檢測結(jié)果可能會出現(xiàn)一些孤立的小區(qū)域，這些孤立的小區(qū)域是在分割的過程中被錯誤分割出來的，如果不把這些小區(qū)域過濾掉，很有可能會把它們也認(rèn)為是運(yùn)動目標(biāo)區(qū)域。這些特征信息描述了運(yùn)動物體的特征。如何實(shí)現(xiàn)在遮擋情況下的多目標(biāo)跟蹤是視頻監(jiān)控的難點(diǎn)。(3) 對背景和車輛顏色接近的情況進(jìn)行分割 (a)原始圖像 (b)亮度圖像 (c)分割后圖像，分割出的圖像（(c)）具有車的特征，分割效果較為理想。計(jì)算機(jī)視頻處理主要由視頻數(shù)據(jù)的獲得，圖像處理，車輛檢測等幾大部分組成，這些部分的總體構(gòu)成方案及各部分的性能優(yōu)劣直接影響處理系統(tǒng)的質(zhì)量。實(shí)時性：實(shí)時性就是程序的處理必須在時間上與外部發(fā)生的事件同步，即對外來事件在限定時間內(nèi)能夠做出反應(yīng)。它表現(xiàn)在以下幾個方面：包括獲取圖像即時，處理分析即時，輸出結(jié)果即時，控制其他設(shè)備即時，總體的“即時”是各部分即時的綜合表現(xiàn)。由于目前圖像的輸入方式是以逐點(diǎn)輸入為主，這樣就對圖像的數(shù)字化要求很高。最后，山于信息網(wǎng)絡(luò)化的發(fā)展趨勢“即時”還應(yīng)包括數(shù)字化圖像的遠(yuǎn)距離傳輸。通常圖像空間分辨率和圖像數(shù)字化空間精度有關(guān)。采用成熟的、并經(jīng)實(shí)踐證明其實(shí)用性的技術(shù)，能滿足現(xiàn)在業(yè)務(wù)處理的需要，并能適應(yīng)將來一定時期業(yè)務(wù)發(fā)展的需要。如主機(jī)、硬盤、網(wǎng)絡(luò)等所有關(guān)鍵硬件資源都能做到冗余各份。就本文的系統(tǒng)來說，將來可擴(kuò)充的功能包括：車牌識別，車型識別等等。另一個方而，在這些原則的取舍時，要考慮這十個原則是有輕重之分的，比如，系統(tǒng)的實(shí)用性和實(shí)時性就是非常重要的原則。該系統(tǒng)的性能特點(diǎn)是：支持?jǐn)z像頭運(yùn)動的情況；支持不同道路環(huán)境，快速適應(yīng)道路環(huán)境變化；可同時監(jiān)控小同路段和多條車道；通過有效且直觀的信息反饋，實(shí)現(xiàn)實(shí)時監(jiān)控。(3)圖像預(yù)處理：算法子系統(tǒng)首先將這些采集到的序列數(shù)字圖像進(jìn)行預(yù)處理：濾波除噪，灰度轉(zhuǎn)換等等。軟件：Windows9X， windows2000， XP操作系統(tǒng)，可視化編程語言Visual C++.net、MFC，圖像處理工具庫OPENCV。1. Visual C++.net Visual C++.net[25]是美國Microsoft公司推出的4GL軟件開發(fā)工具，目前已成為國內(nèi)應(yīng)用最廣泛的高級程序設(shè)計(jì)語言之一。2) 眾多的開發(fā)商支持以及業(yè)已成為工業(yè)標(biāo)準(zhǔn)的MFC類庫：MFC類庫已經(jīng)成為事實(shí)上的工業(yè)標(biāo)準(zhǔn)類庫，得到了眾多開發(fā)商和軟件開發(fā)工具的支持；另外，由于眾多的開發(fā)商都采用Visual C++.net進(jìn)行軟件開發(fā)，這樣用Visual C++.net開發(fā)的程序就與別的應(yīng)用軟件有許多相似之處，易于學(xué)習(xí)和使用。2. OpenCVOpenCV是Intel公司開發(fā)的開源圖像處理和計(jì)算機(jī)視覺函數(shù)庫。它有以下一些特點(diǎn)：1) 開放C源碼；2) 基于Intel處理器指令集開發(fā)的優(yōu)化代碼；3) 統(tǒng)一的結(jié)構(gòu)和功能定義；4) 強(qiáng)大的圖像和矩陣運(yùn)算能力；5) 方便靈活的用戶接口；6) 同時支持MSWINDOWS， LINUX平臺。同時，OpenCV也在不斷成長和完善中，增加了更多功能強(qiáng)大結(jié)構(gòu)復(fù)雜的函數(shù)，彌補(bǔ)了一些現(xiàn)有函數(shù)的不足。窗口4窗口5窗口6窗口3窗口2窗口1注：窗口6功能未實(shí)現(xiàn)，為預(yù)留窗口，有利于系統(tǒng)功能的擴(kuò)展。在地圖上同時還將顯示地理信息，當(dāng)前檢測的交通路段或路口信息，以及用不同顏色標(biāo)記的交通態(tài)勢信息等。窗口中顯示的圖像可以進(jìn)行放大、縮小等操作。在背景差的方法中，“丟檢”主要出現(xiàn)在運(yùn)動汽車的灰度接近于道路的情況。在金字塔光流法中，“丟檢”主要出現(xiàn)在運(yùn)動速度過慢情況。相反，幀間差法對檢測低速、高速、靜止的、大面積沒有紋理的目標(biāo)有困難，但對檢測灰度同背景相似的運(yùn)動目標(biāo)有優(yōu)勢。表52 三種運(yùn)動目標(biāo)提取方法性能比較背景差法三幀背景差分法金字塔光流法靜止目標(biāo)能能不能灰度與道路接 近的運(yùn)動目標(biāo)差較優(yōu)較優(yōu)大面積無紋理 的運(yùn)動目標(biāo)較優(yōu)差較優(yōu)高速運(yùn)動目標(biāo)較優(yōu)較差優(yōu)低速運(yùn)動目標(biāo)較優(yōu)較差較差第6章 當(dāng)前不足及前景展望 當(dāng)前不足及解決建議1. 當(dāng)攝像機(jī)運(yùn)動時，攝像機(jī)的運(yùn)動導(dǎo)致相對大地靜止的景物在圖像平面也產(chǎn)生運(yùn)動。同時，由于光流法計(jì)算量較大，導(dǎo)致系統(tǒng)的實(shí)時性受到影響，建議計(jì)算一次光流值后，利用卡爾曼濾波計(jì)算出下一刻的狀態(tài)值，從而實(shí)現(xiàn)目標(biāo)的跟蹤，原理框圖如下：3. 視頻交通目標(biāo)檢測及識別系統(tǒng)功能不夠完善，雖然目前能能夠)能夠?qū)ΡO(jiān)視區(qū)域內(nèi)的通過車輛數(shù)目進(jìn)行實(shí)時計(jì)數(shù)，并對監(jiān)視區(qū)域內(nèi)的運(yùn)動車輛進(jìn)行實(shí)時速度測量，但作為一套實(shí)用性較強(qiáng)的系統(tǒng)，還應(yīng)該能夠?qū)⒔煌z測獲得的數(shù)據(jù)存入數(shù)據(jù)庫，并對數(shù)據(jù)庫的數(shù)據(jù)進(jìn)行統(tǒng)計(jì)輸出，同時能夠保存道路現(xiàn)場的視頻數(shù)據(jù)，以供將來進(jìn)行錄像回放。2. 目前常用的算法在解決動態(tài)背景下的運(yùn)動目標(biāo)提取時都會存在運(yùn)算量較大的問題，可以考慮引入機(jī)器學(xué)習(xí)的理論，先建立目標(biāo)的模型庫，再通過特征匹配識別出目標(biāo)，同時結(jié)合幀間的相關(guān)信息，減少檢測算法的運(yùn)算量并能提高檢測算法的識別率。雖然三幀差背景差分技術(shù)己經(jīng)考慮了背景的運(yùn)動問題，但該方法僅從序列圖像的角度出發(fā)，未考慮攝像機(jī)的運(yùn)動影響，因而差圖像中仍可能存在偽運(yùn)動信息，需進(jìn)行運(yùn)動補(bǔ)償。致謝值此論文完成之際，我要向所有給我指導(dǎo)、幫助和關(guān)心的人表示感謝。感謝吳財(cái)軍老師在學(xué)習(xí)生活中給予的指導(dǎo)、支持和關(guān)心。最后，我要感謝我的父親和母親，是他們撫育我長大成人，支持我完成本科生階段的學(xué)業(yè)。A 7：912922.[18] Lucas B and Kanade T. An Iterative Image Registration Technique with an Application to Stereo Vision. Proc. Of 7th International Joint Conference on Artificial Intelligence (IJCAI), .[19] Linda , George ,2005年.[20] JeanYves Bouguet. Pyramidal Implementation of the Lucas Kanade Feature Tracker.[21] Anderson C, Bert P and Vander Wal G.. Change detection and tracking using pyramids transformation techniques. In： Proc SPIE Conference on Intelligent Robots and Computer Vision, Cambridge,MA,1985, 579： 7278.[22] Rafael . 數(shù)字圖像處理. 電子工業(yè)出版社, 2005.[23] 蘇虹, 32(9)：2427.[24] A. Mutrat Tekalp著,1998.[25] 曉東, C++.NET中文版實(shí)用培訓(xùn)教程. 清華大學(xué)出版社, 2002.[26] Intel Corporation. OpenCV Reference Manuals.。在此，謹(jǐn)以此文獻(xiàn)給我的雙親，以表達(dá)我對他們最深的感激和愛。在學(xué)習(xí)期間，陳煦陽、吳燕雄、吳明璽等同學(xué)給我很多耐心的幫助，在此深表感謝。羅老師認(rèn)真嚴(yán)謹(jǐn)?shù)闹螌W(xué)精神和科學(xué)的研究方法給了我很深的影響，使我終生受益。3. 在上述研究的基礎(chǔ)上，構(gòu)建了視頻交通目標(biāo)檢測及識別系統(tǒng)，它主要是被設(shè)計(jì)用來統(tǒng)計(jì)交通路段上行駛的機(jī)動車的數(shù)量，并監(jiān)測道路交通狀況。并搭建了基于改進(jìn)光流法的視頻交通目標(biāo)檢測及識別系統(tǒng)。 前景展望1. 視頻交通目標(biāo)檢測及識別系統(tǒng)有必要拓寬車輛檢測算法以解決不同同的交通場景下的車輛檢測(這些場景包括黑夜，雪天條件下的交通視頻檢測)。為此，在做差圖像前，應(yīng)先彌補(bǔ)攝像機(jī)的運(yùn)動，做運(yùn)動補(bǔ)償。金字塔光流法解決了大目標(biāo)的識別問題。表51 三種方法的檢測率比較丟檢率%誤檢率%檢測率%背景差