【正文】 th,int height,int targetThreshold)。3) 將兩幅幀差圖像相乘，存在運(yùn)動(dòng)重疊的地方出現(xiàn)較高的相關(guān)峰，其他不連續(xù)的區(qū)域的數(shù)值為零或較小，這樣利用閾值就能有效排除虛假目標(biāo)的干擾，從而得到較精確的運(yùn)動(dòng)目標(biāo)的邊緣。公式如下： (36)式中，分別為配準(zhǔn)后的圖像像素，為經(jīng)過(guò)差分相乘處理后后所得圖像像素。 差分相乘原理在確定相鄰幀圖像背景間的運(yùn)動(dòng)偏移量之后，把后幀圖像按運(yùn)動(dòng)偏移量與前幀圖像進(jìn)行對(duì)準(zhǔn)，再作幀間差分運(yùn)算，現(xiàn)在就減掉了之前配準(zhǔn)的背景。當(dāng)兩幀圖像的背景只有平移變化時(shí)，只需要簡(jiǎn)單計(jì)算出平移量就可以實(shí)現(xiàn)配準(zhǔn)。這個(gè)方法是基于圖像配準(zhǔn)技術(shù)的，通過(guò)圖像配準(zhǔn)處理估計(jì)出幀間運(yùn)動(dòng)背景的全局運(yùn)動(dòng)矢量，然后把后幀與前幀進(jìn)行圖像配準(zhǔn)。在達(dá)到預(yù)定的閾值后，ReceiveFrame函數(shù)將建立起背景模型，并進(jìn)行目標(biāo)檢測(cè)，檢測(cè)結(jié)果通過(guò)成員變m_pDiffImage量輸出。 if(pixel255) m_pBackground[t] = BYTE(255)。j++) { for(i=0。i++) m_pTemplate[j*nWidth+i]+=sGray[j*nWidth+i]。for(int j=0。i++) { int diff=sGray[j*nWidth+i]pGray[nWidth*j+i]。 for(j=0。 SaveBmp(m_pBackground,WIDTH,HEIGHT,8,index)。 SaveBmp(m_pBackground,WIDTH,HEIGHT,8,index)。GetMultiData(m_pGrayImage,WIDTH,HEIGHT)。 delete []m_pTemplate。 delete []m_pGrayImage。 memset(m_pTemplate,0,IMAGESIZE*sizeof(UINT))。 memset(m_pDetectImage,0,IMAGESIZE*3)。 memset(m_pBgImage,0,IMAGESIZE*3)。 memset(m_pGrayImage,0,IMAGESIZE)。 IMAGESIZE = WIDTH*HEIGHT。 類的實(shí)現(xiàn)include include /* Construction/Destruction*/CStatsticDetect::CStatsticDetect(int nwidth, int nheight){ m_nFrame = 0。 void GetBgImage()。 void Medianfilter_3x3(BYTE *sGray, int nWidth, int nHeight)。public : void RGBToYUV(BYTE *sRGB,BYTE* sGray, int nWidth, int nHeight)。 //存取前一幀灰度圖像 BYTE *image1。 //當(dāng)前灰度圖像 BYTE *m_pBackground。 //檢測(cè)結(jié)果圖像 int m_nFrame, count。 void ReceiveFrame(int index, BYTE* sBuf, DETECT_METHOD sMethod)。最后進(jìn)行形態(tài)學(xué)膨脹，將與物體接觸的所有背景點(diǎn)合并到該物體中，使邊界擴(kuò)張，把兩個(gè)靠的很近的物體連接起來(lái)，填補(bǔ)閾值分割后孔洞。 （33）對(duì)當(dāng)前幀圖像與背景圖像進(jìn)行差分處理之后，還需要進(jìn)行的步驟是閾值分割，將差分圖像轉(zhuǎn)換成二值圖像，閾值分割的關(guān)鍵是閾值的選取，閾值選得過(guò)小，一些背景區(qū)域會(huì)被錯(cuò)誤標(biāo)記成運(yùn)動(dòng)物體；閾值選得過(guò)大，一些運(yùn)動(dòng)物體會(huì)被錯(cuò)誤標(biāo)記為背景圖像，要根據(jù)具體的場(chǎng)景和要求來(lái)選取合適的閾值，才能達(dá)到預(yù)期的目標(biāo)跟蹤效果。下面以第一種方法取平均值方法堿性建模，有如下公式： （31）式中:——建模的圖像序列幀數(shù)；——目的背景圖像；——第k幀的圖像 檢測(cè)變化區(qū)域運(yùn)用幀差法可以檢測(cè)出相鄰兩幀圖像間發(fā)生變化的區(qū)域。本節(jié)根據(jù)它們的特點(diǎn)，把這兩種方法結(jié)合用來(lái)提取運(yùn)動(dòng)目標(biāo)。目前有很多的背景建模方法被提出來(lái)，但可以歸納為兩類即非回歸遞推方法和回歸遞推方法。算法的不足就是不能檢測(cè)完整的運(yùn)動(dòng)目標(biāo)。(l)幀間差分法幀間差分法是常用的運(yùn)動(dòng)目標(biāo)檢測(cè)方法，基本原理是在圖像序列中相鄰幀間做差提取出圖像中的運(yùn)動(dòng)區(qū)域。 靜止背景下的運(yùn)動(dòng)目標(biāo)檢測(cè)在靜止背景下常用的幾種檢測(cè)方法有幀間差分法、背景差分法、光流場(chǎng)法、塊匹配法和運(yùn)動(dòng)能量法等。3 運(yùn)動(dòng)目標(biāo)檢測(cè)運(yùn)動(dòng)目標(biāo)檢測(cè)跟蹤把自動(dòng)控制、圖像處理、信息科學(xué)等學(xué)科有機(jī)地結(jié)合在一起，形成了一種能從圖像中快速檢測(cè)出運(yùn)動(dòng)目標(biāo)、提取運(yùn)動(dòng)目標(biāo)位置信息并進(jìn)行實(shí)時(shí)跟蹤的高新技術(shù)。 圖22 直方圖表達(dá)目標(biāo)運(yùn)動(dòng)軌跡表達(dá)了目標(biāo)運(yùn)動(dòng)位置信息，它是由一系列的關(guān)鍵點(diǎn)和一組在這些關(guān)鍵點(diǎn)間插值的函數(shù)組成的。見(jiàn)圖21。全局運(yùn)動(dòng)具有規(guī)律、整體性比較強(qiáng)等特點(diǎn)。在對(duì)圖像序列的研究時(shí)，一般把圖像分為前景和背景兩個(gè)部分，這樣運(yùn)動(dòng)就區(qū)分為前景運(yùn)動(dòng)和背景運(yùn)動(dòng)兩部分。檢測(cè)場(chǎng)景中運(yùn)動(dòng)目標(biāo)位置、運(yùn)動(dòng)軌跡和運(yùn)動(dòng)方向以及運(yùn)動(dòng)速度，根據(jù)當(dāng)前圖像包含的運(yùn)動(dòng)信息估測(cè)出目標(biāo)的運(yùn)動(dòng)趨勢(shì)和運(yùn)動(dòng)軌跡。第五章， 對(duì)課題進(jìn)行總結(jié)。具體章節(jié)分配如下：第一章， 緒論部分，敘述課題研究的背景及現(xiàn)狀，以及存在的問(wèn)題。這就導(dǎo)致目標(biāo)跟蹤實(shí)時(shí)性和準(zhǔn)確性不可能同時(shí)達(dá)到最大，運(yùn)動(dòng)目標(biāo)跟蹤必然平衡好兩者。l 難以選取運(yùn)動(dòng)目標(biāo)特征動(dòng)態(tài)圖像序列包含大量信息，這些信息都可用與目標(biāo)檢測(cè)跟蹤，但由于這些信息非常龐雜，所以提取那些信息作為運(yùn)動(dòng)目標(biāo)檢測(cè)跟蹤的特征也需要認(rèn)真研究，需要根據(jù)運(yùn)動(dòng)的具體情況來(lái)選擇，很難說(shuō)有一種普遍的實(shí)用的運(yùn)動(dòng)特征用于目標(biāo)檢測(cè)跟蹤。目前用于目標(biāo)跟蹤的方法有很多，如基于濾波理論的目標(biāo)跟蹤算法、Mean Shift目標(biāo)跟蹤算法、偏微分方程算法等等。第二，圖像分割和目標(biāo)的檢測(cè)技術(shù)，在復(fù)雜的場(chǎng)景中利用圖像分割技術(shù)從圖像中檢測(cè)出可能的運(yùn)動(dòng)目標(biāo)。隨著研究的加深和技術(shù)的成熟，我國(guó)在視頻監(jiān)控、交通管理、醫(yī)療診斷、導(dǎo)彈制導(dǎo)、雷達(dá)預(yù)警、工業(yè)生產(chǎn)等領(lǐng)域有了很多的研究成果。但我國(guó)的圖像處理技術(shù)、運(yùn)動(dòng)目標(biāo)識(shí)別跟蹤技術(shù)正在穩(wěn)步發(fā)展。美國(guó)康奈爾大學(xué)的實(shí)驗(yàn)室研制完成一套航拍視頻檢測(cè)跟蹤系統(tǒng)，針對(duì)目標(biāo)運(yùn)動(dòng)狀態(tài)不穩(wěn)定以及目標(biāo)被遮擋問(wèn)題，能夠?qū)Χ嗄繕?biāo)實(shí)施準(zhǔn)確實(shí)時(shí)跟蹤。 國(guó)內(nèi)外發(fā)展與研究現(xiàn)狀1974年，美國(guó)白沙導(dǎo)彈靶場(chǎng)聯(lián)合新墨西哥州立大學(xué)以及亞利桑那大學(xué)科學(xué)中心開(kāi)始研制實(shí)時(shí)電視跟蹤系統(tǒng)。如車輛自動(dòng)駕駛，期望車輛能夠識(shí)別道路特征和路面情況，并作出相應(yīng)駕駛調(diào)整；如機(jī)器手的應(yīng)用，要求安裝機(jī)器手配備的攝像機(jī)拍攝目標(biāo)圖像，利用跟蹤技術(shù)計(jì)算目標(biāo)運(yùn)動(dòng)軌跡，做出最佳的動(dòng)作等。在智能交通監(jiān)控系統(tǒng)中，期望系統(tǒng)能夠在不需要人的干預(yù)、或者很少干預(yù)的情況下，通過(guò)對(duì)攝像機(jī)拍錄的視頻序列進(jìn)行分析來(lái)實(shí)現(xiàn)相應(yīng)的需求。以動(dòng)態(tài)圖像序列為基礎(chǔ)的目標(biāo)檢測(cè)和跟蹤研究是成為目標(biāo)跟蹤領(lǐng)域的重要方向。運(yùn)動(dòng)目標(biāo)位置的改變?cè)趫D像上的反映就是相鄰幀灰度的空間分布改變。關(guān)鍵詞 數(shù)字圖像處理 運(yùn)動(dòng)目標(biāo)檢測(cè) 運(yùn)動(dòng)目標(biāo)跟蹤 AbstractIn recent years, with the development of information technology, image processing technology has been more widely used. Moving target detection and tracking of digital image processing part, has also bee the research focus of the theory and application of image processing technology. The basic characteristic of the dynamic image is grayscale changed. Reflection of the change of the moving target position on the image is the gray space between adjacent frames distribution of changes, of course, the existence of such circumstances, there is no target motion in the scene, but due to the change of light and other conditions, also caused adjacent frames gray value changes. This topic only ment on the problem of target detection and tracking of moving targets when the scene.This paper analysis the principle of moving target detection and tracking, programs to achieve the target detection and tracking. Moving target detection and tracking is divided into two parts, namely the goal of realtime detection and realtime tracking of the target analysis, target detection part is divided into moving target detection in static background and dynamic background of target detection, static object detection method: interframe difference method, background subtraction, block matching and optical flow method. Target tracking parts of the two methods were analyzed, a Mean shiftbased target tracking method, and the other is the focus of lawbased target tracking method. Experiments show that the above method can achieve detection and tracking of moving targets.Keywords: Digital image processing Moving target detectionMoving targets tracking目 錄摘要 IAbstract II1 緒論 1 課題研究背景與意義 1 國(guó)內(nèi)外發(fā)展與研究現(xiàn)狀 2 目標(biāo)檢測(cè)跟蹤存在的問(wèn)題 3 主要研究?jī)?nèi)容與論文結(jié)構(gòu) 42 運(yùn)動(dòng)目標(biāo)檢測(cè)跟蹤基礎(chǔ) 5 運(yùn)動(dòng)圖像的分析 5 運(yùn)動(dòng)估計(jì) 5 運(yùn)動(dòng)目標(biāo)檢測(cè) 5 運(yùn)動(dòng)目標(biāo)分割 5 運(yùn)動(dòng)目標(biāo)跟蹤 5 運(yùn)動(dòng)的分類 5 運(yùn)動(dòng)的表達(dá) 5 矢量場(chǎng)表達(dá) 6 直方圖表達(dá) 6 運(yùn)動(dòng)軌跡的表達(dá) 73 運(yùn)動(dòng)目標(biāo)檢測(cè) 8 靜止背景下的運(yùn)動(dòng)目標(biāo)檢測(cè) 8 建立背景模型 9 檢測(cè)變化區(qū)域 9 檢測(cè)運(yùn)動(dòng)目標(biāo) 10 靜態(tài)背景目標(biāo)檢測(cè)你算法的實(shí)現(xiàn) 11 動(dòng)態(tài)背景下得運(yùn)動(dòng)目標(biāo)檢測(cè) 18 圖像配準(zhǔn) 18 差分相乘原理 18 基于差分相乘原理的運(yùn)動(dòng)目標(biāo)檢測(cè)算法實(shí)現(xiàn) 194 運(yùn)動(dòng)目標(biāo)跟蹤 24 基于Mean Shift的運(yùn)動(dòng)目標(biāo)跟蹤算法 24 基于Mean Shift的目標(biāo)跟蹤的基本原理 24 運(yùn)動(dòng)目標(biāo)跟蹤中的Mean Shift算法 25 Mean shift跟蹤算法的實(shí)現(xiàn) 28 基于形心法的目標(biāo)跟蹤算法 37 基本理論 37 算法實(shí)現(xiàn) 385 結(jié)論 41致謝 42參考文獻(xiàn) 431 緒 論 課題研究背景與意義近年來(lái)，隨著信息技術(shù)地發(fā)展，圖像處理技術(shù)越來(lái)越得到廣泛地應(yīng)用。本設(shè)計(jì)主要是對(duì)運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤原理進(jìn)行分析，并通過(guò)編程實(shí)現(xiàn)對(duì)目標(biāo)的檢測(cè)與跟蹤。運(yùn)動(dòng)目標(biāo)檢測(cè)是指在視頻或圖像序列中把感興趣的并且運(yùn)動(dòng)著的目標(biāo)與背景和其他不感興趣的運(yùn)動(dòng)目標(biāo)進(jìn)行區(qū)分。運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤是數(shù)字圖像處理重要部分，也成為圖像處理技術(shù)理論和應(yīng)用的研究熱點(diǎn)。本課題只分析目標(biāo)運(yùn)動(dòng)時(shí)的目標(biāo)檢測(cè)跟蹤問(wèn)題。實(shí)驗(yàn)證明，通過(guò)以上方法能夠很好地實(shí)現(xiàn)對(duì)運(yùn)動(dòng)目標(biāo)的檢測(cè)與跟蹤。相比與靜態(tài)圖像，動(dòng)態(tài)圖像的基本特征就是灰度發(fā)生了改變。相比與靜止圖像，圖像序列增加了時(shí)間這一變量，使得動(dòng)態(tài)圖像序列幀間存在一定的時(shí)間和空間上的對(duì)應(yīng)關(guān)系，這也導(dǎo)致我們可以利用動(dòng)態(tài)圖像序列更好地研究運(yùn)動(dòng)目標(biāo)的檢測(cè)與跟蹤過(guò)程。l 視頻監(jiān)控視頻監(jiān)控系統(tǒng)主要應(yīng)用于對(duì)安全要求比較高的場(chǎng)所，諸如銀行、小區(qū)、超市、停車場(chǎng)、交通路口等。期望機(jī)器通過(guò)裝配的攝像設(shè)備檢測(cè)環(huán)境，能夠?qū)崿F(xiàn)跟蹤和識(shí)別環(huán)境中的物體，并做出相應(yīng)動(dòng)作。雷達(dá)、經(jīng)緯儀、無(wú)人機(jī)、導(dǎo)彈導(dǎo)航系統(tǒng)、導(dǎo)彈攔截系統(tǒng)、預(yù)警系統(tǒng)等等，這些技術(shù)的應(yīng)用都?xì)w功與目標(biāo)檢測(cè)跟蹤技術(shù)的進(jìn)步和發(fā)展。1997年，美國(guó)國(guó)防高級(jí)研究項(xiàng)目署設(shè)立關(guān)于視覺(jué)監(jiān)控的項(xiàng)目，主要研究用于戰(zhàn)場(chǎng)及普通民用場(chǎng)景進(jìn)行監(jiān)控的自動(dòng)視頻理