【正文】 角點(corner point)，通過跟蹤角點來跟蹤人的運動。此方案必須在跟蹤的復(fù)雜性與有效性之間進行折中。通過對人體運動前景分析得到各個運動者對應(yīng)的模塊，對各個運動模塊繼而采用卡爾曼濾波來實現(xiàn)跟蹤。它的文件頭最開始是一個4字符碼“RIFF”；緊跟著后面用4個字節(jié)表示次文件大小；然后又是4個字符碼說明文件具體類型（AVI、WAVE等）；最后是實際數(shù)據(jù)。RIFF（‘AVI’LIST（‘hdrl’ ‘a(chǎn)vih’（主AVI信息頭數(shù)據(jù)）LIST（‘strl’ ‘strh’（流的頭信息數(shù)據(jù)） ‘strf’（流的格式信息數(shù)據(jù)） [‘strd’（可選的額外的頭信息數(shù)據(jù)） [‘strn’（可選的流的名字） ） ）LIST（‘movi’ {stbchunk | LIST （‘rec’ Subchunk1 Subchunk2 ） } ）[‘idxl’（可選的AVI索引塊數(shù)據(jù)）]RIFF表征文件類型，hdrl列表描述AVI文件中各個流的格式信息，hdrl嵌套了一系列塊和子列表——avih塊用于記錄AVI的全局信息，比如流的數(shù)量、視頻圖像的寬和高等，可以使用一個AVIMAINHEADER數(shù)據(jù)結(jié)構(gòu)來操作。那么怎么組織這些數(shù)據(jù)呢？可以將數(shù)據(jù)塊直接嵌在“movi”列表里面也可以幾個數(shù)據(jù)塊分組成一個“rec”列表后在編排進“movi”列表。 緊跟在“movi”后是AVI可選的索引塊。BMP文件可以用每像素16或24位來編碼顏色信息，這個位數(shù)稱為圖像的顏色深度，決定了圖像所含的最大顏色數(shù)。如從哪里開始是位圖數(shù)據(jù)的定位信息、文件大小等。顏色表一般針對16位以下的圖像二設(shè)置的，對于16位以上的圖像，由于其位圖像素數(shù)據(jù)中直接對應(yīng)楊素的RGB顏色進行描述，因而省去調(diào)色板。 （4）位圖數(shù)據(jù)。如果色表中第一個R/G/B值是255/0/0，那么像素值為0表示鮮紅色，像素值按從左到右的順序儲存，通常從最后一行開始。 人體運動檢測 人體運動檢測部分是利用人體的形狀特性在每一幀圖像中提取出與人體相對應(yīng)的運動部分，主要任務(wù)有3項。背景模型可以通過多幅圖像取中值得到。為了跟蹤，要建立一個Tracking類，包括讀入背景函數(shù)ReadBackground（）、背景減法函數(shù)GetError（）。中值濾波在一定條件下可以克服線性濾波器，如最小均方濾波和均值濾波等帶來的圖像細節(jié)模糊，而且對于濾除脈沖干擾和圖像掃描噪聲最為有效，同時在計算過程中不需要知道圖像的統(tǒng)計特性，比較便于實現(xiàn)。若以Med{}表示中值濾波，K為常數(shù)，則對窗口W點集進行的中值濾波有以下特性。 圖像的二值化處理就是講圖像上的點的灰度置為0或255，將整個圖像呈現(xiàn)出明顯的黑白效果。所有灰度大于或等于閥值的像素被判定為屬于特定物體，其灰度值為255表示，否則這些像素點被排除在物體區(qū)域以外，灰度值為0，表示背景或者例外的物體區(qū)域。 二值化包括全局二值化和局部自適應(yīng)二值化。局部二值化的方法就是按照一定的規(guī)則將整幅圖像劃分為N個窗口，對這N個窗口中的每一個窗口再按照一個統(tǒng)一的閾值T將該窗口內(nèi)的像素劃分為兩部分，進行二值化處理。 數(shù)學形態(tài)學 數(shù)學形態(tài)學是分析幾何形狀和結(jié)構(gòu)的數(shù)學方法，是建立在幾何代數(shù)基礎(chǔ)上，用集合論的方法定量描述集合結(jié)構(gòu)的科學。用這些算子及其組合來進行圖像結(jié)構(gòu)和形狀的分析和處理，包括圖像分割、特征提取、邊緣檢測、圖像濾波、圖像增強和恢復(fù)等方面的內(nèi)容。如果在腐蝕后適當?shù)倪M行膨脹，也就是進行開運算，則能夠在濾除大部分微小非人體活動區(qū)域的同時盡量保持人體運動區(qū)域的形狀不受損傷，為下一步處理創(chuàng)造有利條件。 運動區(qū)域分析 經(jīng)過中值濾波和數(shù)學形態(tài)學處理后得到的前景圖像主要包含對應(yīng)于運動者的活動區(qū)域和大面積的非人體活動區(qū)域，接下來的任務(wù)是從處理后的前景圖像中找出運動者的準確位置。 縱向與橫向投影 在直立的一般情況下，人體輪廓對于垂直軸有一定的軸對稱性，因此縱向投影也具有一定的軸對稱性，通常頭部對應(yīng)的投影值較大，向兩邊逐漸減少，頭頂部對應(yīng)投影的局部極大值。這時可以采用對投影進行一維中值濾波濾去多余峰值。如果背景模型相應(yīng)的位置灰度值較低，由前面的方法得到的運動區(qū)域會有影子存在。 影子位于運動者正下方，如果忽略影子影響，通過計算運動者頭部和腳部位置得到的人體高度與真實高度有很大誤差。 由于人的脖子位置的輪廓寬度較小，也將對應(yīng)橫向投影的局部極小值，此極小值如果與腳部對應(yīng)的極小值相混淆，將會給計算帶來極大誤差。對于是室內(nèi)采集的圖像序列，光源位置相對固定，完全可以通過運動者的位置定影子出現(xiàn)的方向；在室外光源是太陽，根據(jù)時間日期和太陽周期性運動也可以大致確定影子方向，這樣可以根據(jù)實際情況決定是否采用橫向投影。如果進一步考慮影子的影響，則要根據(jù)影子的不同方向，采用不同的計算方法。 （） 當不滿足次條件時， 如果，則保留，除去； 如果，則保留，除去。設(shè)通過前滿分析得到的對應(yīng)人體頭部的局部極大值為 0≤ i ≤m ，則由橫坐標開始向左右兩個方向分別尋找最接近的局部極小值和，對應(yīng)橫坐標分別是和。 檢測到所有滿足條件的局部極小值之后，可以通過這些極小值的橫坐標判斷人體運動區(qū)域是否重疊。 對某一確定的 0 ≤i ≤m， 如果≤，則=2； （） 如果≤，則=2； （） 圖 318 縱向投影輪廓2 在經(jīng)過以上分析后，可以認為與 相對應(yīng)的第i個運動者的運動區(qū)域的橫向范圍是（，），結(jié)合橫向投影得到的人體高度信息，就可以實現(xiàn)人體運動區(qū)域的辨別和劃分。其思想是時序中通過預(yù)測、校正兩個步驟不斷迭代更新，使得過程噪聲及觀測噪聲等引起的誤差逐漸減小，以獲得最佳的狀態(tài)參數(shù)。狀態(tài)估計對于了解和控制一個系統(tǒng)具有重要意義，所應(yīng)用的方法屬于統(tǒng)計學中的估計理論。使估計值盡可能準確地接近真實值，這就是最優(yōu)估計。而在計算機視覺中，卡爾曼濾波常被用于在運動估計。通過我們可以對的值有一個估計，如果我們還知道如何隨時間變化，我們就會對有一個預(yù)測。為高斯白噪聲。第二個問題是對觀測值的校正，是去噪的過程。其中，是先驗和后驗估計錯誤協(xié)方差矩陣，也是通過遞歸的方法求得，計算公式分別為和。對于線性的目標模型和高斯噪聲的條件下，卡爾曼濾波器是最優(yōu)的處理器，簡單且魯棒性高。系統(tǒng)運行時先打開自己設(shè)定的初始背景，在用“打開文件”按鈕打開要檢測的AVI視頻，點擊開始就可以進行檢測。 圖 系統(tǒng)界面 第一秒 圖 圖 第三秒 圖 第四秒 圖 圖 圖 第4章 結(jié)論 畢業(yè)設(shè)計工作總結(jié) 本文對單個攝像機、攝像機靜止條件下的人體跟蹤問題展開研究。 （2）采用縱向和橫向投影來描述目標，建立目標模型，確定運動人體的數(shù)據(jù)。其實本來這個系統(tǒng)是準備使用opencv來做的，但是由于個人學習水平有限，還是選用了自己熟悉的C和C++混合編程。在運動物體提取時，背景減除和二幀差法都有天生的不足，如果將三幀差和高斯背景建模結(jié)合起來會更好。在畢設(shè)階段，王老師給我指引了正確的研究方向和學習方法，督促我修正自己，使我不僅學習到了很多理論知識，同時鍛煉了實踐能力。 參考文獻[1] 高文, 陳熙霖. 計算機視覺算法與系統(tǒng)原理[M]. 北京: 清華大學出版社, 1998: 119[2] !M].北京:北京科學出版社2000.[3] !c++實現(xiàn)[M〕.北京:希望電子出版社2003[4] Wren ., AAzarbayejani A., Darrell T., et al. Pfinder: realtime tracking of the human body[J]. IEEE Transaction on Pattern Analysis and Machine Intelligence, 1997, 19(7): 780785[5] 張娟, 毛曉波, 陳鐵軍. 運動目標跟蹤算法研究綜述[J]. 計算機應(yīng)用研究, 2009,26(12): 44074410[6] 王亮, 胡衛(wèi)明, 譚鐵牛. 人運動的視覺分析綜述[J]. 計算機學報, 2002, 25(3): 225237[7] 王唯一. 人體的檢測、識別與跟蹤技術(shù)的研究[D]. 上海: 上海大學, 2008[8] 劉英霞. 人體跟蹤理論及算法研究[D]. 山東: 山東大學, 2007[9] 岡薩雷斯 數(shù)字圖像處理. 第三版 北京：電子工業(yè)出版社 2011 1633[10]孫鑫 visual c++ 深入詳解 修訂版 北京：電子工業(yè)出版社 2012 1767 [11] 左飛、萬晉森、劉航 Visual C++數(shù)字圖像處理開發(fā)入門與編程實踐 北京：電子工業(yè)出版社, 2008 1640[12]譚浩強 c++程序設(shè)計 第二版 北京：清華大學出版社 2011 1476[13]劉海波、沈晶、郭聳 visual c++數(shù)字圖像處理技術(shù)詳解 北京：機械工業(yè)出版社 2010 1547[14]張錚、王艷平 數(shù)字圖像處理與機器視覺Visual C++與Matlab實現(xiàn) 北京：人民郵電出版社 2010 1544[15]樊亞春、周明全、耿國華 消除光照影響的背景減除算法 中國圖像圖形學報 2009 14卷7期 14131417 [16]孫吉花、劉肖琳 一種新的基于統(tǒng)計的背景減除方法 計算機工程與應(yīng)用 2007 43卷22期 7375[17]趙高長、張磊、武風波 改進的中值濾波算法在圖像去噪中的應(yīng)用 應(yīng)用光學 2011 32卷4期 678682[18]肖蕾,、何坤,、周激流,、吳笛 改進自適應(yīng)中值濾波的圖像去噪 激光雜志 2009 30卷2期 4446[19]孫吉花、劉肖琳 光照變化的背景減除新算法 計算機仿真 2007 24卷9期 214217[20]李鳳慧 基于數(shù)學形態(tài)學的圖像噪聲處理 信息技術(shù) 2006 6期 4546和142[21]趙忠旭 王愛民 沈蘭蓀 基于數(shù)學形態(tài)學和HSI模型的彩色舌圖像分割 北京工業(yè)大學學報 1999 25卷2期 6771[22]王純賢、吳杰 基于圖像背景減除技術(shù)的步態(tài)識別研究 人工智能及識別技術(shù) 2008 19卷 120123[23]張艷玲、劉桂雄、曹東、吳庭萬 數(shù)學形態(tài)學的基本算法及在圖像預(yù)處理中應(yīng)用 科學技術(shù)與工程 2007 7卷3期 356359[24] 楊琨、曾立波、王殿成 數(shù)學形態(tài)學腐蝕膨脹運算的快速算法 計算機工程與應(yīng)用 2005 34期 5456[25]岳洪偉、李揚、蔡肯、岳偉亞 數(shù)學形態(tài)學在圖像處理中的應(yīng)用與展望 影像技術(shù) 2006 2期 1921[26]倪臣敏、葉懋冬、陳孝春 一種改進的自適應(yīng)中值濾波算法 中國圖像圖形學報 2006 11卷5期 672678[27]張霞、葛蘆生 自適應(yīng)中值濾波算法的研究與應(yīng)用 軟件時空 2007 23卷2期 217218[28]鄧秀勤、熊勇 用于圖像處理的加權(quán)中值濾波算法 計算機技術(shù)與發(fā)展 2009 19卷3期 4651[29]莫林、廖鵬、劉勛 一種基于背景減除與三幀差分的運動目標檢測算法 微計算機信息 25卷 274276[30]沈曄青、龔華軍、熊琰 自適應(yīng)卡爾曼濾波在目標跟蹤系統(tǒng)中的應(yīng)用 計算機仿真 2007 24卷11期 210213 35