【正文】 %%生成視頻 hold on。 d=find(abs(b)t)。%%前兩幀差分 b=。 n=rgb2gray(y)。Indeo539。39。 % 生成視頻 aviobj = addframe(aviobj, f)。Bold39。 xc = cat(3, x1, x2, x3)。 c(abs(c)t) = 0。 else n = y。, 39。 subplot(1, 2, 1)。%% 建立結(jié)果視頻aviobj = VideoWriter(resultavi)。 clear all。25 / 40由于目前還有許多其他的算法用于運(yùn)動目標(biāo)檢測，如背景法，光流法等，可以考慮三幀差分與其他算法結(jié)合，或者采取多幀差分，增加檢測的精確性，都是可以的。實(shí)驗(yàn)結(jié)果是在多次實(shí)驗(yàn)的基礎(chǔ)上，選取的相對有代表性的結(jié)果來進(jìn)行說明的。在實(shí)驗(yàn)過程中，閾值的選取是很關(guān)鍵的問題，如何選擇合適的閾值，對于實(shí)驗(yàn)的結(jié)果有很大的影響，雖然動態(tài)設(shè)置閾值雖然比以往的根據(jù)經(jīng)23 / 40驗(yàn)選取要好一些，但是如果干擾因素過多的話，那么閾值的動態(tài)選取有可能不合適。其中 中的(a)是上圖中的 （d）,(b)是上圖中的（d）(c)是上圖中的 （d） 。由第二章數(shù)學(xué)形態(tài)學(xué)理論我們可知，形態(tài)學(xué)的腐蝕的方法可以具有緊縮圖像的作用，將通過幀差算法得到的二值圖像進(jìn)行腐蝕處理后，可以將提取的目標(biāo)圖像中多余的部分剔除掉，從而使目標(biāo)輪廓更加清晰。三()Dxyxy幀差分圖像 用公式表示為： ??1225,D(i,j)(i,j)500(,)=??（）在上述公式中，T 表示預(yù)先所取的閾值。其算法流程大致上適合二幀差分算法是一樣的，不同的是，三幀差分算法采取的是從視頻序列中提取連續(xù)三幀的圖像，這里定義為第 k1 幀，k 幀和 k+1 幀，根據(jù)二幀差分算法原理可知，幀間差分法可以檢測出臨近的兩幀之間發(fā)生了變化了的區(qū)域，而這個區(qū)域?qū)嶋H上包含著運(yùn)動的物體在前一幀所覆蓋的區(qū)域，顯然，這個區(qū)域要比運(yùn)動目標(biāo)實(shí)際的輪廓要大。首先，在實(shí)驗(yàn)過程中，當(dāng)背景和目標(biāo)差別不大時，所檢測出來的目標(biāo)有幾乎顯示不出來，進(jìn)行噪聲去除的的話，有可能會把目標(biāo)區(qū)域也給去除掉。 第 79 幀圖像 （a） 第 80 幀圖像 （b） 差分圖像（c）圖 由非靜態(tài)背景的影響檢測結(jié)果圖 是在運(yùn)動目標(biāo)高速運(yùn)動的情況下，檢測視頻序列中的第 139 幀和第 140 幀的差分結(jié)果。由于運(yùn)動目標(biāo)的檢測受各種因素的影響，因此，在實(shí)驗(yàn)時，應(yīng)當(dāng)在不同因素的環(huán)境干擾下，進(jìn)行多次實(shí)驗(yàn)，以便于對算法做出客觀真實(shí)的評價。因此，得到二值圖像后，再運(yùn)用數(shù)學(xué)形態(tài)學(xué)的方法雖二值圖像進(jìn)行去噪處理，從而可以得到更加準(zhǔn)確的運(yùn)動目標(biāo)。2）將第 k 幀與第 k1 幀的灰度圖像進(jìn)行差分運(yùn)算，即將第 k 幀圖片減去第 幀圖片，得到二值圖像 ，運(yùn)算公式如下：(,)Dxy ??k125,|f(xy),|T()0=)?為 閾 值（）式中，T 為設(shè)定的閾值，當(dāng)兩幀之差大于閾值 T 時，差值取值為 255，當(dāng)兩幀之差絕對值小于閾值 T 時，差值取 0，經(jīng)過這樣的差分處理，我們就可以得到灰度圖像的二值化圖像。也即是把 256 個亮度等級的灰度圖像通過選取一個適當(dāng)?shù)拈撝凳公@得的二值圖像仍然可以反映圖像整體特征和局部特征。但是，如果噪聲圖像與非噪聲圖像發(fā)生重疊形成結(jié)團(tuán)，或者某些噪聲粒子的半徑超過了某些非噪聲粒子的半徑，那么情況便會復(fù)雜很多。形態(tài)濾波器是用一個結(jié)構(gòu)元素 B 對初始圖像串聯(lián)地使用開、閉操作。在形態(tài)變換中，結(jié)構(gòu)元素的作用就相當(dāng)于信號處理中的“濾波窗口” 。由此看出，初始圖像 A 是包含在閉運(yùn)算后的 中，即閉運(yùn)算是具有延伸性的運(yùn)算。設(shè) A 為輸入圖像，B 為結(jié)構(gòu)元素，利用 B 對 A 作開運(yùn)算，用符號 A B 表示，?則開運(yùn)算的定義為： ()AB????（）開運(yùn)算實(shí)際上就是 A 先被 B 腐蝕，接著再被 B 膨脹的結(jié)果。膨脹和腐蝕這兩種運(yùn)算是緊密的聯(lián)系在一起的，并且它們具有對偶性。另外，形態(tài)學(xué)在邊緣提取、圖像分割、噪聲濾除等方面應(yīng)用也非常的廣泛。形態(tài)學(xué)運(yùn)算可以把圖像中形狀和尺寸與結(jié)構(gòu)元素相似的幾何特征保留下來，并且把其余的不需要的特征濾除。此時，我們每存儲一個像素點(diǎn)就要存儲它的三個顏色分量，這樣無疑大大消耗了存儲空間，而且在進(jìn)行計(jì)算時，還大大增加了計(jì)算量，因?yàn)槲覀兠看翁幚硪粋€像素點(diǎn)，還要處理這三個顏色分量。它們之間的關(guān)系如圖 所示：圖 運(yùn)動目標(biāo)檢測對象關(guān)系圖由關(guān)系圖我們可以看出，對運(yùn)動目標(biāo)進(jìn)行檢測時，將會有許多干擾的因素，這些因素將會對運(yùn)動目標(biāo)的檢測結(jié)果產(chǎn)生影響，基于此原因，目前國內(nèi)外關(guān)于運(yùn)動目標(biāo)檢測的研究提出了一定的解決辦法。作者在文中所引用的其他文獻(xiàn)中的理論和方法，在本文中都有標(biāo)注出處。再接著敘述了數(shù)學(xué)形態(tài)學(xué)的運(yùn)算。由于運(yùn)動的前景目標(biāo)的陰影部分會造成背景中局部畫面亮度變化，并且運(yùn)動的目標(biāo)之間，以及運(yùn)動的目標(biāo)與背景之間的重疊遮蓋，都有可能改變檢測出來的運(yùn)動目標(biāo)的形狀以及其他特征。雖然幀間差分算法對環(huán)境有很好的適應(yīng)性，并且差分圖像受光線變化影響小，檢測的結(jié)果有效而穩(wěn)定，但是它只能檢測相對運(yùn)動的目標(biāo)，檢測出的目標(biāo)位置不一定精確，并且不能提取出較完整的運(yùn)動目標(biāo)。 2）背景差分法：背景差分法在運(yùn)動目標(biāo)檢測技術(shù)中是一種非常常用的方法，該方法是利用當(dāng)前圖像與背景圖像進(jìn)行差分，來檢測出運(yùn)動區(qū)域的。在運(yùn)動目標(biāo)檢測方面存在的困難還有另一個重要原因，那就是在程序上由于實(shí)際環(huán)境中目標(biāo)運(yùn)動的復(fù)雜性以及視頻數(shù)據(jù)所具有的特殊性、復(fù)雜性，以及目標(biāo)所占整幅圖像的大小、運(yùn)動速度、運(yùn)動軌跡，還有系統(tǒng)對不同環(huán)境的適應(yīng)性，都給運(yùn)動目標(biāo)檢測帶來很大的挑戰(zhàn)。因?yàn)橛行┬畔⑽覀兪呛茈y發(fā)現(xiàn)的。之所以會出現(xiàn)這種情況，主要原因在于圖像中存在著各種干擾因素，這些因素在運(yùn)動目標(biāo)檢測中本被視為干擾項(xiàng)，它們的出現(xiàn)給運(yùn)動目標(biāo)檢測造成了一定的困難。目標(biāo)運(yùn)動圖像序列為我們提供了非常多有的用的信息，對運(yùn)動目標(biāo)的檢測研究，可以使我們提取到這些有用信息，從而應(yīng)用于我們的現(xiàn)實(shí)生活中。該算法通過對視頻序列進(jìn)行預(yù)處理，運(yùn)用幀間差分的方法提取出運(yùn)動目標(biāo)的大致圖像，然后運(yùn)用數(shù)學(xué)形態(tài)學(xué)的邏輯運(yùn)算進(jìn)行去噪處理，研究并分析實(shí)驗(yàn)結(jié)果，以期達(dá)到理想的檢測效果。在計(jì)算機(jī)視覺領(lǐng)域，運(yùn)動目標(biāo)檢測研究一直是一個很好的研究方向，并且運(yùn)動目標(biāo)檢測是分析動態(tài)圖像的基礎(chǔ)。幀間差分算法的優(yōu)點(diǎn)是實(shí)現(xiàn)相對簡單，程序設(shè)計(jì)復(fù)雜度低，易于實(shí)時監(jiān)控等。雖然我們的眼睛既能看見靜止事物也能看見移動事物，但是在許多重要場合，例如交通流量檢測，航空制導(dǎo)以及重要場合安保等環(huán)境，人類以自己的視覺捕捉到的信息，往往不能實(shí)現(xiàn)所預(yù)期的要求。其中常用的背景差分法，幀間差分法，光流法，背景差分法與幀間差分法的結(jié)合方法等，幀間差分算法是最常用的方法。5）非完全表態(tài)背景如果背景并不是完全表態(tài)的，就像風(fēng)中的樹葉或者映射在墻上的背影等，就很有可能被當(dāng)成前景目標(biāo)進(jìn)行處理，這樣無疑增加運(yùn)動目標(biāo)跟檢測的難度。若一幅中等分辨率的圖像(640*480)，彩色為 24bit／象素，那么數(shù)字視頻圖像的數(shù)據(jù)量大約為 1MB，如果播放速度為每秒 30 幀，那么一秒鐘的數(shù)據(jù)量就大約為 30MB，一個 600MB 的硬盤則最多只可以存放 20 秒鐘的動態(tài)圖像 [12]。由于光流場具有不連續(xù)性，因此可以用來將要研究的圖像分割成對應(yīng)不同的運(yùn)動物體的區(qū)域。當(dāng)所監(jiān)控的場景中有異常的物體運(yùn)動時，幀與幀之間就會出現(xiàn)較為明顯的差別。因而這些因素會對本系統(tǒng)帶來巨大的挑戰(zhàn)。 本文結(jié)構(gòu)安排本論文的各章節(jié)安排如下：第 1 章主要介紹課題的研究目的和意義、課題目前國內(nèi)外的發(fā)展?fàn)顩r以及應(yīng)用前景，最后介紹了本課題的主要研究內(nèi)容和文章的結(jié)構(gòu)安排。第 5 章是總結(jié)與展望是對本文所做的研究成果的總結(jié)，以及對本課題的發(fā)展前景的展望，探討了下一步的研究方向。5）陰影：運(yùn)動目標(biāo)在地面等物體上產(chǎn)生陰影，也被當(dāng)成運(yùn)動目標(biāo)檢測出來。 灰度圖像灰度圖像是一種具有從黑到白 256 灰度級的單色圖像。數(shù)學(xué)形態(tài)學(xué)一門嚴(yán)格建立在數(shù)學(xué)理論基礎(chǔ)上的學(xué)科,它以集合論為其數(shù)學(xué)基礎(chǔ) [15]。另外，數(shù)學(xué)形態(tài)學(xué)在指紋檢測、經(jīng)濟(jì)地理、合成音樂和斷層 X 光照像等領(lǐng)域也有良好的應(yīng)用前景。設(shè) A 和Ｂ為 n 維空間中的點(diǎn)集，一般 A為圖像集合，B 為結(jié)構(gòu)元素，Bx 為 B 的核，膨脹運(yùn)算符為“⊕”,那么用結(jié)構(gòu)元素 B 對圖像集合 A 進(jìn)行膨脹運(yùn)算可表示為： （）{|}{|}xxBA???????它表示 A 用 B 來進(jìn)行膨脹時，其運(yùn)算結(jié)果為集合 x，其中包含的是 Bx 與 A的交不為空的數(shù)據(jù)集。3)開運(yùn)算在形態(tài)學(xué)處理中，除了腐蝕和膨脹這兩種基本運(yùn)算之外，還有另外兩種很重要的運(yùn)算，即開運(yùn)算和閉運(yùn)算。圖 圓盤開運(yùn)算從圖 我們可以看出開運(yùn)算的兩個作用:一是利用圓盤做開運(yùn)算起到磨光邊緣的作用，即可以使圖像的尖角轉(zhuǎn)化為背景；二是圓盤的圓化作用可以起到低通濾波的效果。為此，在進(jìn)行圖像處理時，一般先進(jìn)行圖像濾波 [12]以去除噪聲，然后才可以較好的進(jìn)行后續(xù)處理。數(shù)學(xué)形態(tài)學(xué)以腐蝕、膨脹、開運(yùn)算和閉運(yùn)算為基礎(chǔ)。形態(tài)濾波器的輸出不僅取決于變換的形式，而且取決于結(jié)構(gòu)元素的尺寸和形狀，因此結(jié)構(gòu)元素的選擇很重要。設(shè)輸入灰度圖像函數(shù)為 ，輸出(,)fxy二值圖像函數(shù)為 ，則(,)gxy ()??????Thresoldyxfyxg) ,(25 0) ,(閾值是把目標(biāo)區(qū)域和背景區(qū)域區(qū)分開的標(biāo)尺，如何選取選取適當(dāng)?shù)拈撝捣浅Ｖ匾?3 / 40第 3 章 二幀差分算法 基本思路運(yùn)用傳統(tǒng)幀差法提取運(yùn)動目標(biāo)的過程如下圖（）所示，首先，從攝像機(jī)采集的視頻序列中獲取第 k 幀以及 k1 幀進(jìn)行平滑去噪，將其轉(zhuǎn)換為灰度圖像，然后通過幀差法得到二值化圖像，最后在進(jìn)行形態(tài)學(xué)去噪處理，得到實(shí)驗(yàn)結(jié)果。首先。膨脹的運(yùn)算公式為（）： {|}{|}ABxxBA???????（）由公式以及數(shù)學(xué)形態(tài)學(xué)基本理論我們可知，運(yùn)用膨脹的方法，我們可以將二值圖像中內(nèi)部的空洞部分填充，或者將邊緣缺失的部分補(bǔ)上，以確保圖像的15 / 40完整性。實(shí)驗(yàn)結(jié)果表明，二幀差分是在此因素影響下，檢測效果不是很明顯。 差分圖像（c1） 腐蝕 (a) 膨脹(b) 差分圖像（c2） 腐蝕（c） 膨脹(d)17 / 40 差分圖像（c3） 腐蝕 (e) 膨脹(f)圖 形態(tài)學(xué)處理結(jié)果由上述的結(jié)果可以看出，經(jīng)過腐蝕，膨脹的處理后，我們基本上可以去除目標(biāo)的大部分噪聲，使運(yùn)動目標(biāo)更好的凸現(xiàn)出來。與二幀差分不同的是，三幀差分在獲取視頻序列時，獲取連續(xù)三幀圖像，即第 k幀、k1 幀、k+1 幀，通過 k 幀減去 k1 幀，k+1 幀減去 k 幀，得到兩個幀差圖像，然后進(jìn)行“與”運(yùn)算，獲取二值化圖像。同二幀差分算法步驟，這里我們首先(,)kfxy1(,)kfxy?把圖像進(jìn)行灰度處理，為了保證比較結(jié)果的準(zhǔn)確性，這里我們還用公式（）進(jìn)行轉(zhuǎn)化： *.*YRGB?（）將 Y 值帶入 RGB（R，G，B）代替 R,G,B，獲得相對應(yīng)的灰度圖像。與二幀差分算法類似，這里同樣運(yùn)用數(shù)學(xué)形態(tài)學(xué)的基本運(yùn)算膨脹和腐蝕，得到目標(biāo)圖像。提取其中連續(xù)的三幀，進(jìn)行三幀差分運(yùn)算，圖 (d)是運(yùn)用三幀差分運(yùn)算得到的差值圖像，由實(shí)驗(yàn)結(jié)果可以看出，三幀差分算法非靜態(tài)背景下，對運(yùn)動目標(biāo)的檢測也有很好地效果； 第 79 幀（a） 第 80 幀（b）21 / 40 第 81 幀（c） 差分圖像（d）圖 非