【正文】 ? ? ? ?22E / E EV t x y?? (22) 因此設(shè)定一個(gè)閾值 T。存在的問題是光流通常很稀疏，而且特征提取和精確匹配也十分困難。另外，這兩種方法估計(jì)像素精度的光流也較困難，計(jì)算量很大。另外，進(jìn)行可靠性評(píng)價(jià)也十分困難 錯(cuò)誤 !未找到引用源。雖然很多基于梯度的光流估計(jì)方法取得了較好的光流估計(jì)，但由于在計(jì)算光流時(shí)涉及到可調(diào)參數(shù)的人工選取、可靠性評(píng)價(jià)因子的選擇困難，以及預(yù)處理對(duì)光流計(jì)算結(jié)果的影響，在應(yīng)用光流對(duì)目標(biāo)進(jìn)行實(shí)時(shí)檢測(cè)與自動(dòng)跟蹤時(shí)仍存在很多問題 錯(cuò)誤 !未找到引用源。 和 錯(cuò)誤 !未找到引用源。 第 t 幀圖像( , , )f x yt 與第 t1 幀圖像 ( , , 1)f x y t? 進(jìn)行差 分，得到差分后的 二值 圖像 ，如下公式： 1 , ( , , ) ( , , 1 ) T( , , , 1 )0 , d if f x y t f x y tf x y t t e lse? ? ? ???? ??? (24) 其中 T是差分閾值，得到的二值圖像中像素為 1的區(qū)域被認(rèn)為是運(yùn)動(dòng)目標(biāo)區(qū)域 [10]。 減背景法 目前，很多文獻(xiàn)都采用減背景 ( background subtraction)思想來開展監(jiān)控視頻運(yùn)動(dòng)目標(biāo)檢測(cè)方法的研究，即將每個(gè)輸入視頻幀和一張背景圖像相比較，如果同位置的像素特征、像素區(qū)域特征或其他特征存在一定程度的差別，則新視頻幀中這些位置的像素點(diǎn)或像素區(qū)域就構(gòu)成前景運(yùn)動(dòng)目標(biāo)區(qū)域。 雖然已經(jīng)有很多文獻(xiàn)涉及到減背景算法，但是它們實(shí)現(xiàn)運(yùn)動(dòng)目標(biāo)檢測(cè)的過程大多遵循圖2－ 1所示的流程，其中主要包含預(yù)處理、 背景建模、前景檢測(cè)和運(yùn)動(dòng)區(qū)域后處理四個(gè)步驟： (1)預(yù)處理是對(duì)視頻數(shù)據(jù)進(jìn)行簡(jiǎn)單的空間或時(shí)間濾波，以消除攝像機(jī)噪聲和雨雪等瞬時(shí)環(huán)境噪聲，或者降低幀大小和幀率。 （ 2）背景建模就是 構(gòu)建背景圖像或通過構(gòu)建某種模型來表示背景，這是各種背景算法的核心所在。 該研究?jī)?nèi)容的主要流程圖 圖 333 如下： 視頻幀 去噪平滑等預(yù)處理 背景建模 前景檢測(cè) 運(yùn)動(dòng)目標(biāo)區(qū)域 后處理 背景實(shí)時(shí)更新 浙江科技學(xué)院本科畢業(yè)設(shè)計(jì)（論文） 21 圖 333 減背景法的基本流程 在減背景中背景的更新是十分重要的環(huán)節(jié)。這就是背景更新的“死鎖”問題 錯(cuò)誤 !未找到引用源。 Cucchiara 錯(cuò)誤 !未找到引用源。 提出了一種在靜態(tài)圖像中剪除陰影的方法 ， Kilger 錯(cuò)誤 !未找到引用源。 背景減除和幀差結(jié)合檢測(cè)目標(biāo) 在攝像頭靜止的監(jiān)控中，采用減背景方法檢測(cè)運(yùn)動(dòng)目標(biāo)能獲得目標(biāo)完整的運(yùn)動(dòng)信息，特別是在目標(biāo)運(yùn)動(dòng)緩慢的情況下檢測(cè)的準(zhǔn)確度較高，但是對(duì)背景動(dòng)態(tài)變化的適應(yīng)性較低。利用 Surendra 背景更新算法獲取自適應(yīng)的背景圖像。 ② 選取閾值 T,迭代次數(shù) m=1,最大迭代次數(shù) MAXSTEPS。 浙江科技學(xué)院本科畢業(yè)設(shè)計(jì)（論文） 23 減背景算法是把當(dāng)前幀圖像與當(dāng)前背景相減，并二值化結(jié)果，公式如下： 1 |I ( x , y ) B ( x , y ) | T D if f = 0 |I ( x , y ) B ( x , y ) | Ttt ???? (28) 背景更新函數(shù)如下： ? ? 11B ( x , y ) ( 1 ) I ( x , y ) , 1 D ( x , y ) = 1B x , y B ( x , y ) ( 1 ) I ( x , y ) , 1 D ( x , y ) = 0t t tt t t t? ? ?? ? ???? ? ??? ? ??? (29) 式中更新系數(shù) ? 、 ? 實(shí)現(xiàn)不同情況下的背景更新， ? ?B x,yt 對(duì)應(yīng)于 1I (x,y)t? 中包含運(yùn)動(dòng)目標(biāo)的區(qū)域更新系數(shù) ? 約為 1， ? 越接近 1，背景更新速度越是緩慢，也就是說 ? ?B x,yt中該區(qū)域背景圖像和 ? ?1B x,yt? 對(duì)應(yīng)區(qū)域圖像基本一致，這是因?yàn)樵诋?dāng)前幀的該區(qū)域只反映目標(biāo)運(yùn)動(dòng)，背景在該區(qū)域幾乎不變； ? ?B x,yt 對(duì)應(yīng)于 1I (x,y)t? 中不包含運(yùn)動(dòng)目標(biāo)區(qū)域，可以認(rèn)為該區(qū)域背景處于動(dòng)態(tài)變化中，更新系數(shù) ? 設(shè)為遠(yuǎn)遠(yuǎn)小于 1， ? 越接近 0，背 景更新越快，也就是說 ? ?B x,yt 中該區(qū)域圖像基本和 1I (x,y)t? 對(duì)應(yīng)區(qū)域圖像一致。 由背景圖像 與當(dāng)前圖像相減并閾值化為二值圖像，由于視場(chǎng)的細(xì)微變化使得目標(biāo)分割受初始數(shù)據(jù)中的噪聲影響很大 ,為了消除小而假的前景運(yùn)動(dòng)目標(biāo)，以便得到真正的前景目標(biāo)，采用形態(tài)學(xué) 先開后閉運(yùn)算 方法進(jìn)行處理。 Computer Vision 則指計(jì)算機(jī)視覺。 OpenCv 也不例外。④ highgui:圖像界面函數(shù) [14] Opencv 的特點(diǎn)： ⑴具有良好的獨(dú)立性。 (3)具有豐富的圖像處理函數(shù)。 (4)處理速度快。 (5)具 有開放性。包含了很多的新特性，支持了新的編譯器 /環(huán)境： ， ，還擴(kuò)充了大量的函數(shù)。 exeore 模塊：增加了 cvMixChannels、 cvRandshuffle、 cvRange、 cvCalePCA、 evProjeetPCA、cBackProjeetPCA、 cvGetTreadNum、 函數(shù) 。增加了對(duì) Quicktime(Mae0SX)和 Xine(Linux)的支持。 由上述可以看出，利用 openCV 中的數(shù)字圖像處理函數(shù)使得問題變得簡(jiǎn)單，很有實(shí)用價(jià)值，對(duì)縮短程序開發(fā)的周期有著十分顯著的作用。當(dāng)有異常情況發(fā)生時(shí) ,立刻將其畫面招搖拍攝下來 ,然后將其圖片保存下來 .自動(dòng)監(jiān)控中的運(yùn)動(dòng)目標(biāo)檢測(cè)和跟蹤 ,就是在視頻序列中實(shí)時(shí)地發(fā)現(xiàn)并提取運(yùn)動(dòng)目標(biāo) ,不斷跟蹤它們 ,并計(jì) 算出這些運(yùn)動(dòng)目標(biāo)的軌跡 ,為下一步目標(biāo)識(shí)別、運(yùn)動(dòng)分析等算法提供數(shù)據(jù) .本課題的主要研究?jī)?nèi)容包括：實(shí)時(shí)監(jiān)控、智能監(jiān)控， 視頻演示 . 系統(tǒng)的功能 根據(jù)系統(tǒng)設(shè)計(jì)的目標(biāo)，系統(tǒng)主要分為以下幾個(gè)模塊 如圖 422 所示 ： 圖 422 系統(tǒng)的模型 (1)實(shí)時(shí)監(jiān)控 ：通過攝像 頭 捕獲實(shí)時(shí)的全方位視頻圖像。然后注冊(cè)系統(tǒng)回調(diào)函數(shù) ,使得在采集過程中 ,系統(tǒng)自動(dòng)回調(diào)相應(yīng)的函數(shù) ,以進(jìn)行處理。根據(jù)需要 ,選擇是采集圖像到緩存還是文件并進(jìn)行處理。需要按照時(shí)間段將不同時(shí)間的背景的圖片存到數(shù)據(jù)庫當(dāng)中，然后根據(jù)當(dāng)前的時(shí)間將背景圖案讀取出來作為背景圖案，該方案的前期工作量大，受周圍 環(huán)境 的影響很大，魯棒性不好。這種方法的特點(diǎn)是模型簡(jiǎn)單，計(jì)算方便，但是得到的背景受流量大小的影響而變化。具體的想法是首先獲取 N 張圖片，將圖像分成 3x3 大小的塊，計(jì)算出這個(gè)區(qū)域的均值 a 和方差 b，用一個(gè)矢量 (a， b)來描述。 2) 將每一個(gè)圖片分成 3x3 大小的塊，計(jì)算每張圖片每一塊區(qū)域的均值和方差，并作為描述該區(qū)域的矢量，保存在相應(yīng)的內(nèi)存單元 。如果 d 大于一個(gè)閉值，認(rèn)為沒有找到，沿用原來的該區(qū)域的背景。背景提取的結(jié)果放人一個(gè)用來存儲(chǔ)背景圖像的公用內(nèi)存單元，供檢測(cè)運(yùn)動(dòng)情形時(shí)使用。 另外，由上面幾章的詳細(xì)介紹，可知本設(shè)計(jì)可以單獨(dú)使用，作為數(shù)字 圖像 處理工具使用。正因?yàn)檫@樣， 本設(shè)計(jì)可以對(duì)電影中截取的一系列圖片進(jìn)行分析，得到想要的物體的運(yùn)動(dòng)軌跡。我會(huì)帶著這筆寶貴的財(cái)富走入今后的學(xué)習(xí)﹑生活，力爭(zhēng)做出更大的成績(jī)！ 浙江科技學(xué)院本科畢業(yè)設(shè)計(jì)（論文） 32 致 謝 首先，感謝侯北平老師耐心指導(dǎo)，為設(shè)計(jì)如期完成，給予了大力支持。作為本設(shè)計(jì)的制作者，向各位指導(dǎo)老師道聲辛苦了，向各位同學(xué)說聲謝謝了，感謝你們對(duì)我的支持，沒有你們無私的幫助本設(shè)計(jì)也不會(huì)順利完成，達(dá)到預(yù)期的效果。畢業(yè)設(shè)計(jì)上也好 ,現(xiàn)實(shí)生活中也好 ,都給予了很大的精神鼓舞。 在這次設(shè)計(jì)中，從指導(dǎo)老師身上，我不僅僅學(xué)到了科學(xué)知識(shí)，更學(xué)到了許多治學(xué)﹑做人的道理；從同學(xué)身上，我看到了奮發(fā)努力﹑不畏困難﹑勇攀科學(xué)高峰的精神。本設(shè)計(jì)實(shí)現(xiàn)了由表及里的處理一系列 圖像 ，以 圖像 為載體，像素為處理單位，利用數(shù)字 圖像 處理是以集合跟數(shù)組為處理對(duì)象，結(jié)合數(shù)學(xué)中的各種知識(shí)，成功的從一系列連續(xù)的 圖像 中分離出物體，得到 圖像 中物體的運(yùn)動(dòng)軌跡。 3 智能監(jiān)控的模擬 浙江科技學(xué)院本科畢業(yè)設(shè)計(jì)（論文） 30 浙江科技學(xué)院本科畢業(yè)設(shè)計(jì)（論文） 31 圖 智能監(jiān)控 第五章 總 結(jié) 綜合上述可知，運(yùn)用計(jì)算機(jī)這種工具，可以實(shí)現(xiàn)數(shù)字圖像處理技術(shù)在圖像識(shí)別、圖像檢索以及日常生活等各個(gè)領(lǐng)域的廣泛應(yīng)用。 然后怎么辦 2 算法流程 該算法用兩個(gè)相對(duì)獨(dú)立的線程來完成。在所有的 (ai, bi)， (i=1，? NUM)中尋找到一個(gè)矢量 (am.， bm。大部分矢量分布相對(duì)集中，這可以認(rèn)為是背景區(qū)域引起的，通過這種方法找到背景區(qū)域。這種方法的特點(diǎn)是有可能在較短的時(shí)間內(nèi)獲得背景圖案，且背景獲得的質(zhì)量也較高。 2) 對(duì)一段時(shí)間內(nèi)的視頻圖像用累加求平均法來獲得背景圖像。 以上每一步都可以通過調(diào)用相應(yīng)的函數(shù)或宏來得以實(shí)現(xiàn) .這只是視頻采集的一個(gè)基本的過程 ,根據(jù)不同的應(yīng)用還可以作適當(dāng)?shù)男薷暮蛿U(kuò)充 [15]。與視頻采集設(shè)備連接 ,獲取視頻采集設(shè)備的能力及狀態(tài)信息 ,如有無視頻疊加能力 ,有無控制視頻源、視頻格式、視頻顯示的對(duì)話框 ,只有根據(jù)捕獲驅(qū)動(dòng)器的能力 ,才能有效地設(shè)置和實(shí)現(xiàn)視頻的采集和顯示。提取運(yùn)動(dòng)區(qū)域的準(zhǔn)確性將嚴(yán)重影 響運(yùn)動(dòng)目標(biāo)的檢測(cè)和跟蹤，全方位圖像展開后像素丟失，圖像失真，不同位置運(yùn)動(dòng)目標(biāo)變形等實(shí)際 . 通過背景減除法檢測(cè)出運(yùn)動(dòng)區(qū)域后 ,然后將其變化的畫面拍攝下來 .進(jìn)行保存 . (4) 退出 ： 退出當(dāng)前運(yùn)行的工作畫面 系統(tǒng)的功能的實(shí)現(xiàn) 視頻采集的實(shí)現(xiàn) 采集系統(tǒng)的軟件是在 vc++ 下開發(fā)的，包括視 視頻 、連續(xù)采集、視頻壓縮、采集回放、分布式存儲(chǔ)幾個(gè)部分， 其中采集的步驟如 圖 所示： 圖 采集步驟 圖 給出了實(shí)現(xiàn)一個(gè)基本的視頻采集系統(tǒng)的步驟。 Opencv 在雅虎上有個(gè) 專門的討論組，對(duì)程序 浙江科技學(xué)院本科畢業(yè)設(shè)計(jì)（論文） 26 員運(yùn)用中遇到的問題與實(shí)際經(jīng)驗(yàn)進(jìn)行討論。增加了 ML(機(jī)器學(xué)習(xí) )的類庫，這是一個(gè)全新的為統(tǒng)計(jì)分類、回歸以及聚類而寫 的 c 料類庫 。為 Cvlmage 和 CvMatrix 增加 C++類 :矩陣的最大通道數(shù)增加到了 64個(gè)，盡管只有一些特殊函數(shù)才處理這樣的圖像。擴(kuò)展了 cvDistTransfonn、 cvThresh、 cvcanny(使用真實(shí)梯度 )函數(shù) :所有的濾波函數(shù)被重新寫過，為線性可分不可分濾波增加了新的 C++類。 使用 Opencv 庫可以編寫出簡(jiǎn)潔而且高效的代碼來解決數(shù)字圖像處理和計(jì)算機(jī)視覺編程中的問題，這樣不僅降低了程序員開發(fā)程序的難度，而且縮短了相關(guān)程序的開發(fā)周期。而且還提供了一些與諸如 Eic、 Ch、 MatLab 等其它語言或環(huán)境的結(jié)構(gòu)，這些接在其安裝后位于。求特征值、奇異值等的矩和向量及線性代數(shù)的操作 。 (2)具有良好的跨平臺(tái)性。主要由 4 個(gè)模塊組成：① cv：主要的 Opencv 函數(shù)；② cvaux：輔助性的 Openvb 函數(shù) 。 OpenCV 是 由 Intel 公司位于俄羅斯的研究實(shí)驗(yàn)室開發(fā)出來的。 浙江科技學(xué)院本科畢業(yè)設(shè)計(jì)（論文） 24 第四章 運(yùn)動(dòng)檢測(cè)的設(shè)計(jì)與開發(fā) Opencv 簡(jiǎn)介： OpenCV 名字包含 Open 和 Computer Vision 兩個(gè)詞的意思。 實(shí)驗(yàn)中假設(shè)第一幀圖像檢測(cè)時(shí)場(chǎng)景中有個(gè)別運(yùn)動(dòng)物體非靜止?fàn)顟B(tài)存在，這樣的假設(shè)在實(shí)驗(yàn)條件下是能夠存在的故先取前 100 幀圖像作為初始背景的檢測(cè)即利用式 (27) 設(shè)MAXSTEPS=100， ? ＝ ，此時(shí)背景的更新 速度較快。 ⑤ 迭代次數(shù) m=m+1,返回③ ,當(dāng)?shù)螖?shù) m=MAXSTEPS 時(shí)結(jié)束迭代。 自適應(yīng)背景獲取算法是通過當(dāng)前幀幀差圖像找到物體的運(yùn)動(dòng)區(qū)域，對(duì)運(yùn)動(dòng)區(qū)域內(nèi)的背景保持不變，而非運(yùn)動(dòng)區(qū)域的背景