【正文】 else if( differenceMode == LAB_DIFFERENCE ){ // 標(biāo)準(zhǔn)評價 切換為 L*a*b* 模式 labDifference( currentImage , backgroundImage , resultImage )。 currentImage = cvCloneImage(frameImage)。 char *noiseMethod[3] = { 不用 , open,median }。 //表示背景的圖像的窗的名字 IplImage *frameImage = NULL。differenceGImage )。 // 進行閾值處理 cvSplit(differenceImage,differenceBImage,differenceGImage,differenceRImage, NULL )。//解放 differenceBImage 內(nèi)存 cvReleaseImage( amp。//解放 backgroundLabImage 內(nèi)存 cvReleaseImage( amp。 cvCopy( differenceLImage, sqrDifferenceImage )。 //建立 b*值差分用圖 IplImage IplImage *sqrDifferenceImage = cvCreateImage( imageSize, IPL_DEPTH_32F, 1 )。 // 進行閾值處理 cvReleaseImage( amp。 另外 由于本身的復(fù)雜性， 就很難保證 這一龐大 C++程序的正確性。 1998 年 ， C++標(biāo)準(zhǔn)委員會成立， 以后以 5 年為周期， 以需要為基準(zhǔn)更新標(biāo)準(zhǔn) 。這一點在軟件安全性和變成復(fù)雜程度上充分地體現(xiàn)出來 。 （ 5） GetErrStatus:返回當(dāng)前錯誤狀態(tài) int cvGetErrStatus( void )。 (4) Or:計算兩個數(shù)組每個元素的按位或 void cvOr( const CvArr* src1, const CvArr* src2, CvArr* dst, const CvArr* mask=NULL )。 1 相等 )必精確匹配 ,并且 由 IPL 處理 的 交叉區(qū)域 則 有可能完全獨立 ， 例如 圖像 尺寸 或 者 ROI 尺寸 。 OpenCV 中僅有的 顏色轉(zhuǎn)換函數(shù) 是 cvCvtColor，它 把 初始 圖像的顏色空間 里邊的 目標(biāo) 物體的顏色空間 一同 對待 ，一并 看 作 cvCvtColor 的 一個參數(shù) 。 // 定義 所用 圖像 的 數(shù)據(jù) 尺寸 ( 在交叉存取 格式下imageSize=imageheight*imagewidthStep）， 以 字節(jié) 為單位 char *imageData。 // 圖像行 ， (取值為 4 或者 8). OpenCV 不 會 調(diào)用 這個值 ， 在它的位置 出現(xiàn)的是widthStep int width。 // 版本 (=0) int nChannels。 2020 年 8 月， OpenCV 發(fā)布。 OpenCV 歷史發(fā)展 9 1999 年 1 月， Intel 主導(dǎo)下 CVL 項目啟動。如果檢測到特定的處理器優(yōu)化的 IPP 庫存在， OpenCV 可以自動運行加載這些庫。 1999 年由 intel 發(fā)起建立，現(xiàn)在由 Willow Garage 提供支持。 幀間差分法（ Frame difference method） ， 一種 運動目標(biāo)檢測方法 ，通過檢測視頻流中的相鄰兩幀 作差分實現(xiàn)目標(biāo) ［ 11］ 。 中心差分法 （ central difference method） 主要應(yīng)用于結(jié)構(gòu)動力學(xué) ，基本原理是用有限差分法近似代替后，采用等時間步長 Δ t(i)=Δ t（Δ t 為常數(shù)），用 u表示位移， 求近似求 速度 的 中心差分 和加速度的中心差分 ，其值 為： u39。 它利用 導(dǎo)數(shù)的近似公式 —— 兩點間函數(shù)斜率的線性 主部將其替換，使之離散化 ，從而達到化簡的目標(biāo) 。 CIE L*a*b*： 由于同時使用 過多 無法被統(tǒng)一 的 色彩標(biāo)準(zhǔn)， 導(dǎo)致了諸多生產(chǎn)設(shè)計上的不便 ， 所以 國際標(biāo)準(zhǔn)色彩協(xié)會（ International Color Consortium） 于 1931年 專門 制訂了一套國際通用的色彩表示標(biāo)準(zhǔn) 以 解決該問題 。 “泛魔”識別模型把圖像識別分為多個 不同的 層次， 每個層次各司其職 ，各自進行不同的特征識別機制 ，一步一步識別，最終把每部分的結(jié)果合成起來，作為最終識別 。 這種方法非常簡單， 但是 這只是一種十分理想化的識別方法， 現(xiàn)實世界中的 ，物體的 物力 外形雖然不會經(jīng)常變化，但隨著視角 ，光線和 外力的影響， 物體的視覺外形 是經(jīng)常變化的 ，把所有的可能性全部做成模板顯然過于復(fù)雜，不能實際應(yīng)用 。這種攝像機的誕生使得電視的清晰度第一次超越了膠片拍攝的電影。 VHSC 和 SVHSC 的成功并沒有終結(jié)攝像機 輕便小體積化的 腳步，反而加速了其進程 ，繼 JVC 公司之后，索尼（ SONY），夏普（ Sharp），佳能（ Canon）也推出了自己的小型攝像機 —— 8mm 攝像機，通稱 V8。 第二節(jié) 計算機圖 像獲取技術(shù)現(xiàn)狀及前途 自 1973 年面世以來， 攝像機 一直是人類記錄 動態(tài) 物體的唯一方法 ， 在計算機上應(yīng)用的 圖像獲取裝置也只有攝像頭， 所以攝像頭的發(fā)展 極大地影響了 圖像獲取 技術(shù)的發(fā)展 。 在工業(yè)生產(chǎn)自動化的當(dāng)代社會，僅僅通過人類對物體進行感官判斷來辨別產(chǎn)品或者其他事物顯然已經(jīng)不能滿足 快節(jié)奏運轉(zhuǎn)的世界 ，在這種大背景下 ，計算機圖像識別 技術(shù) 誕生了， 它通過攝像頭從外界獲取視頻形式的數(shù)據(jù)，再將其變成圖片形式數(shù)據(jù)，和已經(jīng)輸入的或者即時更新的數(shù)據(jù)作比較，以此來判斷目標(biāo)物體是否符合要求 ，這一工作模式十分類似于人腦和眼的協(xié)調(diào)工作模式， 因此計算機圖像識別這一技術(shù)在很多行業(yè)迅速得到應(yīng)用 ， 利用攝像頭工作的計算機， 甚至 機器人等高科技產(chǎn)品不斷產(chǎn)生，在一些高危險性，環(huán)境惡劣 ，可活動體積小 等 不適合人類行動 或 需長時間工作的特殊環(huán)境下發(fā)揮了重要作用 ，大大的降低了特殊職業(yè)人群的 工作環(huán)境 和 生存率 ，也加快了 行業(yè) 發(fā)展速度。而 基于背景差分的圖像識別技術(shù) 則能 很好地解決 這一 困難的 問題， 它 是整個圖像識別領(lǐng)域中最基礎(chǔ) 并且 可靠性最高的一門科學(xué) ［ 2］ 。 本文 使用 USB 外接攝像頭從外界獲得背景與被測視頻流，在 Windows 系統(tǒng)下利用 Visual Studio C++ 與 OpenCV 結(jié)合編程 的方法 ［ 6］ ， 對 背景與被測視頻流 做差分，從而達到物體識別的目的。 洪水 、地震、火災(zāi)乃至核事故造成的輻射 等等惡劣環(huán)境下往往是人類所不能長期停留甚至不能生存的 ，一旦遇到這些事故，救援工作往往十分難以展開 ，救援人員經(jīng)常束手無策，坐視一個個生命遠去 。 1976 年，攝像機技術(shù)迎來了一次革命性的飛躍。 隨著時代發(fā)展， VHS、 S— VHS、 VHSC、 SVHSC、 V8 和 Hi8 都不能滿足用戶需求 ，于是 ， DV 應(yīng)運而生 。 表 HDV 和 DV 的比較 HDV（ 1080i） HDV（ 720i） DV 存儲介質(zhì) DV 磁帶 視頻信號 1080/60i 及 1080/50i 720/25p 720/50p(PAL) 720/30p 720/60p(NTSC) 像素 1400 1080 1280/720 720 576 (PAL) 720 480(NTSC) 寬高比 16:9 4:3（ 16:9） 壓縮（視頻） MPEG2 視頻（框架和級別， MPH14） DV 亮度抽樣頻率 MHz MHz 抽樣格式 4:2:0 4:2:0（ PAL） 4： 1： 1(NTSC) 量化值 8 比特 壓縮后比特率（ 視 頻） 25 Mbps 19 Mbps 25 Mbps 壓縮（音頻） MPEG1 音頻層 II 4 抽樣頻率 48 kHz 48kHz/（ 2 聲道模式） 32kHz（ 4 聲道模式） 量化值 16 比特 16 比特（ 2 聲道模式） /12比特 非線性（ 4 聲道模式） 壓縮后比特率（音頻） 384kbps 音頻模式 立體聲（ 2 聲道） 立體聲（ 2 聲道） /立體聲 2（ 4 聲道） 數(shù)據(jù)格式 MPEG2 系統(tǒng) 流類型 打包基本流 傳輸流 流接口 IEEE1394（ MPEG2TS） IEEE1394（ DV） 隨著時代的發(fā)展， 各國 又推出了高清這一模式 ， 使清晰度達到 16:9 比例下的 1280*720,1920*1080。這種模型強調(diào) 人類識別某個物體并不是 基于長時間大量記憶某個物體的全部形態(tài) ，而是通過相似性來識別 ，這種相似性是從記憶的模板中提取出來，用以衡量當(dāng)時視線里看到的物體的一種 原型 ， 當(dāng)看到一個圖像時，搜索腦內(nèi)，尋找擁有相似特性的模板， 如果有相似的模板在，那么 成功 識別 ，否則 無法識別 ， 計算機不認(rèn)識這個物體 。 它可以進行學(xué)習(xí)，而且是每一層的“認(rèn)知鬼”進行單獨學(xué)習(xí) ，這讓“泛魔”識別模型具有很強的靈活性， 可以隨著使用者的需要進行 升級 。 CMYK： 又叫 印刷色彩模式， 這種 色彩模式 依靠反光 ， 與 RGB 十分相似 ，只是 CMYK 用的顏色不是紅綠藍 ，而是印刷油墨的顏色 ： 青色 Cyan、品紅色Magenta、黃色 Yellow。 有限差分法（ finite difference method） 是求解 積分微分方程 與 微分方程 的數(shù)值解的方法 ［ 7］ 。(i)=[u(i+1)2u(i)+u(i1)]/(Δt*Δt) 求得 速度和加速度 的 中心差分 以后， 就能 求解 各種結(jié)構(gòu)動力學(xué)問題。把兩幀之間差的絕對值與動態(tài)閾值相比較 ，根據(jù)其大小關(guān)系確定有無物體運動［ 13］ 。目前最新的 opencv 版本是 。 在計算機視覺市場潛力飛速增長的當(dāng)今，卻很少有一款兼容性高，平臺廣泛的視覺函數(shù)庫，已有的大多數(shù)函數(shù)庫或者正在研究，或者商業(yè)化明顯，價格昂貴，亦或者使用方向明顯，不具有普遍性。 2020 年 12 月，首個基于 linux 平臺的 OpenCV beta 1 發(fā)布。 // 矩形寬 int height。 // 定義 深度 ，其 可支持 : IPL_DEPTH_8U, IPL_DEPTH_8S, IPL_DEPTH_16U 和 IPL_DEPTH_16S 還有 IPL_DEPTH_32S, IPL_DEPTH_32F 和 IPL_DEPTH_64F char colorModel[4]。 // 圖像 集中觀察 區(qū)域 。 // 定義 邊界 結(jié)束 的 模式 ， OpenCV 不會調(diào)用 int BorderConst[4]。 處理 MASK 的函數(shù)把 它 看 成一個 分離參數(shù) . 它 在 11 OpenCV 中有 8 位 , 但 在 IPL 它只有 1 位 。 depth 圖像元素的位深度，可以是下面的其中之一 ： IPL_DEPTH_8U 無符號 8 位整型 IPL_DEPTH_8S 有符號 8 位整型 IPL_DEPTH_16U 無符號 16 位整型 IPL_DEPTH_16S 有符號 16 位整型 IPL_DEPTH_32S 有符號 32 位整型 IPL_DEPTH_32F 單精度浮點數(shù) IPL_DEPTH_64F 雙精度浮點數(shù) channels:每個元素（像素）通道號 。 dst:輸出數(shù)組 。 （ 6） Error： 產(chǎn)生一個錯誤 。 1995 年后， 以標(biāo)準(zhǔn)模板庫 (STL)和后來的 Boost 為首的程序庫的出現(xiàn)， 進一步提高了 C++對于 C 語言的競爭優(yōu)勢 ，但是由于編程語言 的發(fā)展達到相當(dāng)高的水平 ，大量優(yōu)秀的語言誕生 ，如 Java、 C等 ，這些高質(zhì)量的語言的出現(xiàn)無疑給 C++帶來了 不小的 沖擊 ，但事實證明， C++還是一款非常有效率，非常好的編程語言 。 C++ 2020 將成為新一個 C++標(biāo)準(zhǔn) ，之前的標(biāo)準(zhǔn) 是 ISO/IEC 14882， 它 在 1998 年公布 ，通稱 C++98， 并在 2020更新過一次 ，通稱 C++ 03。 第 三 節(jié) 基于背景差分法的物體識別的程序 include include include include include define THRESHOLD 20 // 差分時候的閾值 define THRESHOLD_MAX_VALUE 255 // 二值化的時候使用的最大值 define SCALE ( / ) // L*a*b*轉(zhuǎn)換成所需要的比例因子 define CAPTURE_OFF 0 // 定義圖像的中止標(biāo)志值為 0 define CAPTURE_ON 1 // 定義圖像的開始標(biāo)志值為 1 15 define COLOR_DIFFERENCE 0 // 用 RGB 各成分的差分計算值的標(biāo)志為 0 define LAB_DIFFERE