【正文】 的 圖像集合 和結(jié)構(gòu)元素，通過(guò)結(jié)構(gòu)元素對(duì)圖像進(jìn)行膨脹處理。 形態(tài)學(xué)運(yùn)算的部分代碼 /*對(duì)前景進(jìn)行腐蝕操作，腐蝕半徑為 1，可設(shè)置 */ cvErode( pFrImg,img_erode, NULL,1)。 圖 43 混合高斯背景建模流程圖 幀圖像的形態(tài)學(xué)運(yùn)算處理 背景圖和前景圖的更新 視頻圖像的顯示 混合高斯背景模型的建立及初始化 導(dǎo)入視頻 開始 逐幀讀取視頻圖像并去噪 幀圖像的去噪和二值化處理 結(jié)束 22 利用混合高斯模型進(jìn)行背景建模 混合高斯建模方法能夠適用于背景出現(xiàn)微小擾動(dòng)對(duì)運(yùn)動(dòng)目標(biāo)檢測(cè)所帶來(lái)的干 擾，并且能夠 適應(yīng)光線的變化和場(chǎng)景本身的變化 ，通過(guò)利用混合高斯模型進(jìn)行背景建模，使其圖像的邊緣更加精確得當(dāng) ， 同時(shí) 消除噪聲和背景擾動(dòng) 對(duì)圖像的檢測(cè)所 帶來(lái)的影響 。 初始化混合高斯模型時(shí)，首先計(jì)算一段時(shí)間內(nèi)的視頻序列圖像中像素點(diǎn)的平均像素值 0? 及像素的方差 02? ，然后初始化高斯混合模型中高斯分布的參數(shù)。 IplImage *img_dilate。 (a) 在 對(duì) 混 合 高 斯 模 型 建 立 時(shí) ， 需 要 用 到 cvUpdateBGStatModel ，cvCreateGaussianBGModel 以及 cvCreateImage 這三個(gè) 函數(shù)類， cvCreateGaussianBGModel的調(diào)用是要在原始輸入數(shù)據(jù)為空的情況下， cvCreateGaussianBGModel 則恰好相反，但是源程序中將這兩個(gè)函數(shù)定義為內(nèi)部函數(shù)， cvCreateImage 是創(chuàng)建首地址并分配存儲(chǔ)空間 。 (1)像素模型參數(shù)的初 始化 本文用 ),( ??? tX 來(lái)表示均值為 ? ， 協(xié)方差矩陣為 ? 的高斯分布概率密度函數(shù)。 形態(tài)學(xué)處理的效果圖 下面的幾幅圖表示圖像的二值化圖像，以及對(duì)閾值取不同的值時(shí)，所檢測(cè)到的前景圖像， 其效果圖 如圖 42 所示。開運(yùn)算和閉運(yùn)算 是根 據(jù)腐蝕和膨脹的不可逆性演變而來(lái)的 。 數(shù)學(xué)形態(tài)學(xué)的基本運(yùn)算 方法 有 四種 ：腐蝕 、膨脹、開運(yùn)算和閉運(yùn)算。 OpenCV 中可以通過(guò) cvThreshold 函數(shù)實(shí)現(xiàn)圖片的二值化 ， 手動(dòng)指定一 個(gè)閾值，以此閾值來(lái)進(jìn)行圖像二值化處理 。 18 在 VC++6. 0中建立新工程以后，在工程設(shè)置里添加需要的 OpenCV庫(kù)，并在程序文件中包含 OpenCV的頭文件，就 可以 搭建好基于 OpenCV下 VC++ 6. 0的環(huán)境設(shè)置 ， 這樣就 可以在 Windows下面利用 VC++ 6. 0進(jìn)行基于 OpenCV的程序編程。 OpenCV 介紹 OpenCV（ Open Source Computer Vision Library）， OpenCV于 1999年由 Intel建立，現(xiàn)在由 Willow Garage提供支持。設(shè)圖像的當(dāng)前顏色值為 tX ， t 表示時(shí)間。則有 ??????? ??? ?? Thff ThffM as k kk kk 1101 （ 34） 運(yùn)用幀間差分法進(jìn)行對(duì)運(yùn)動(dòng)目標(biāo)的檢測(cè)，算法實(shí)現(xiàn)較為簡(jiǎn)單，程序的復(fù)雜度比較低，用于實(shí)時(shí)性檢測(cè)，但是由于在實(shí)際應(yīng)用中，運(yùn)動(dòng)目標(biāo)的前一幀在被遮擋的背景部分會(huì)在當(dāng)前幀的檢測(cè)中顯露出來(lái)，而這部分的背景圖像被看作為當(dāng)前幀的前景目標(biāo)，另一方面，幀間差分法所檢測(cè)的運(yùn)動(dòng)目標(biāo)區(qū)域的大少與目標(biāo)運(yùn)動(dòng)的速度有關(guān)，在目標(biāo)運(yùn)動(dòng)緩慢時(shí)，檢測(cè)到的運(yùn)動(dòng)目標(biāo)區(qū)域比較小，甚至有可能無(wú)法檢測(cè)到運(yùn)動(dòng)目 標(biāo)。這種方法的優(yōu)點(diǎn)是能夠?qū)⑦\(yùn)動(dòng)區(qū)域描述的完整并且精確，但是它的不足之處在于對(duì)光照和場(chǎng)景中的擾動(dòng)會(huì)比較敏感。 設(shè)圖像像素 ),( yxm? ，時(shí)刻 t 的亮度為 ),( tyxl 。 這一性質(zhì) 可以得到通過(guò)傅立葉變換 的 高斯函數(shù) 仍是高斯函數(shù) ，而在對(duì)圖像進(jìn)行處理的過(guò)程中， 圖像常 常 被 高頻信號(hào) 的噪聲 所污染 (噪聲和 細(xì)紋 理 )， 而所希望 得到 的圖像特征（如邊緣） 不能很好地顯示出來(lái) ， 其中既包含 低頻分量，又 包 含有 高頻分量 。 (1) 高斯函數(shù)是 單值 函數(shù) ， 高斯濾波 通過(guò) 對(duì)像素鄰域圖像進(jìn)行加權(quán)平均， 其中 圖像中每一個(gè) 像素 點(diǎn)的值 ， 都由其本身和鄰域內(nèi)的其他像素值經(jīng)過(guò)加權(quán)平均后得到 。 例如在對(duì)一幀圖像進(jìn)行處理時(shí) ，拿圖像的八連通區(qū)域來(lái)說(shuō)， 就是讓 中間點(diǎn)的像素值等于八連通區(qū)的像素值的均值， 通過(guò)這樣的方式 達(dá)到 圖像的 平滑效果。 均值去噪 均值濾波也 被 稱為線性濾波， 它所運(yùn)用的 方法為鄰域平均法， 其 基本原理是用鄰域的均值替代原圖像中的各 個(gè)像素值， 通過(guò) 對(duì)處理的當(dāng)前像素點(diǎn) (X,Y)選擇一個(gè)模板窗口，而 模板 的選取是 由當(dāng)前像素近鄰的若干像素 所 組成， 在對(duì) 模板求取所有像素的均值，再把 所求的 均值賦 給 當(dāng)前 的 像素點(diǎn)，作為處理后圖像在該點(diǎn)上的灰度值，具體算法如下： 設(shè) f(x， y)為給定的含有噪聲的圖像，經(jīng)過(guò)鄰域平均 法處理 后 得到 的圖像為 g(x， y)，則 為 MyxN yxfyxg ?? ? ),(,),(),( （ 22） 其中 M 是 對(duì) 所取鄰域 圖像 中各鄰近像素的坐標(biāo)， N 是 鄰域中包含的鄰近像素的個(gè)數(shù)。中值濾波 是 一種用來(lái)抑制脈沖噪聲 的 典型低通濾波器，它能夠徹底濾除尖波干擾噪聲， 并且 又具有較好地保護(hù)目標(biāo)圖像邊緣的特點(diǎn)。因此，必須在圖像質(zhì)量和去除噪聲之間做出折衷。高嘶噪聲是從頻率上說(shuō)的隨機(jī)信號(hào)干擾，其噪聲服從高斯分布。視頻圖像一般經(jīng)過(guò)預(yù)處理 、灰度處理之 后， 再加上對(duì)圖像的濾波去噪，將會(huì)改善 感興趣區(qū)域 的 可視化效果， 從而對(duì)視頻圖像的檢測(cè)起到重要的作用 。 while(pFrame = cvQueryFrame( pCapture )) //從攝像頭或文件中讀取并返回一幀 {...} 圖像灰度化 圖像灰度化就是 對(duì) 彩色圖像中的彩色信息 進(jìn)行處理 ， 將 其變?yōu)榛叶葓D像， 只包含亮度信息 。 CvCapture* pCapture = NULL。 它的作用是 用來(lái)將下一幀視頻文件載入內(nèi)存，返回一個(gè)對(duì)應(yīng)當(dāng)前幀的指針。 這 兩種 獲取圖像的 方式都必須從第一幀開始一幀一幀的按順序獲取，因此每獲取一幀 圖像 后都要保存 其 相應(yīng)的狀態(tài)和參數(shù) [8]。 5 2 視頻圖像檢測(cè)預(yù)處理 視頻是指隨著時(shí)間發(fā)生變化的一組數(shù)字圖像序列，有時(shí)還包含有相應(yīng)的音頻信息。 3. 系統(tǒng)算法在進(jìn)行 運(yùn)動(dòng)目標(biāo)檢測(cè) 時(shí)，使用的是混合高斯建模方法，其運(yùn)算量 比較 大，如果對(duì)于大量的數(shù)據(jù) 進(jìn)行 計(jì)算 時(shí)，由 于計(jì)算的過(guò)程比較耗時(shí)從而 會(huì)影響效果的實(shí)時(shí)性； 研究?jī)?nèi)容 第一章 簡(jiǎn)要介紹了計(jì)算機(jī)視覺(jué)， 了解運(yùn)動(dòng) 目標(biāo) 檢測(cè)的國(guó)內(nèi)外發(fā)展現(xiàn)狀， 并對(duì)目前運(yùn)動(dòng)目標(biāo)檢測(cè)的常用方法的簡(jiǎn)單介紹，最后分析現(xiàn)階段對(duì)運(yùn)動(dòng)目標(biāo)檢測(cè) 研究 的熱點(diǎn)問(wèn)題。但是光流法能夠攜帶運(yùn)動(dòng)物體的運(yùn)動(dòng)信息和有關(guān)景物三維結(jié)構(gòu)的優(yōu)點(diǎn)，它能夠在不知道任何場(chǎng)景信息的情況下，檢測(cè)出運(yùn)動(dòng)對(duì)象。幀間差分法對(duì)動(dòng)態(tài)環(huán)境有著較強(qiáng)的適應(yīng)性，它的缺點(diǎn)是不能從中提取所有相關(guān)的特征像素點(diǎn)，在運(yùn)動(dòng)目標(biāo)內(nèi)部易產(chǎn)生空洞，從而得出不完整的目標(biāo)信息。此外，特征背景法也是較為常見(jiàn)的背景建模方法，還有圖像變換同現(xiàn)法等。靜態(tài)背景下的運(yùn)動(dòng)目標(biāo)檢測(cè)是指攝像機(jī)在整個(gè)監(jiān)控的過(guò)程中處于靜止?fàn)顟B(tài)，只存在著被監(jiān)控物體在視場(chǎng)內(nèi)的運(yùn)動(dòng)；而動(dòng)態(tài)背景下運(yùn)動(dòng)目標(biāo)的檢測(cè)是指攝像機(jī)在整個(gè)監(jiān)控過(guò)程中發(fā)生了移動(dòng) (如平動(dòng)、旋轉(zhuǎn)或多自由度運(yùn)動(dòng) )，同時(shí)被監(jiān)控的物體在整個(gè)視場(chǎng)內(nèi)也存在著運(yùn)動(dòng)的情況。隨著研究的不斷深入和拓展，視頻圖像信號(hào)在信息處理和計(jì)算機(jī)視覺(jué)中扮演著越來(lái)越重要的角色。 在背景的各種建模方法中，混合高斯背景模型以其簡(jiǎn)便、靈活、高效的特點(diǎn)成為該領(lǐng)域的經(jīng)典方法，能夠很好消除背景的微小擾動(dòng)對(duì)運(yùn)動(dòng)目標(biāo)檢測(cè)所產(chǎn)生的影響，比較準(zhǔn)確地檢測(cè)出復(fù)雜環(huán)境下的運(yùn)動(dòng)目標(biāo)，具有較好的魯棒性和實(shí)時(shí)性。 關(guān)鍵詞 : 運(yùn)動(dòng)目標(biāo)檢測(cè)； OpenCV；混合高斯背景模型 ABSTRACT Moving target detection is the foundation of puter vision research field, which is still to remove the background from an image sequence region, the prospect of a motion area detected and extracted, how effectively the target of interest, such as human, material and other foreground objects from a plex scene carved out, and make the appropriate test target behavior, is hot and difficult puter vision research. In this paper, the video image reading, image processing such as Gray did a brief explanation, and respectively, mean filter, median filter and Gaussian filter three different methods to pare the advantages and disadvantages of each method, At the same time proposed to use a Gaussian filter. Finally, build in Visual C ++ 6. OpenCV software 0 of design, using a mixed Gaussian background modeling methods to achieve the detection of moving targets. In the background of the various modeling methods, Gaussian mixture background model with its simple, flexible and efficient characteristics of a classical method in the field, can be a good influence to eliminate background small perturbations generated by the moving target detection, more accurate moving objects detected in plex environments, robust and realtime. Key Words: Moving Object Detection。 隨著運(yùn) 動(dòng)目標(biāo)檢測(cè)研究的不斷深入，以及 計(jì)算機(jī)技術(shù) 的發(fā)展和計(jì)算機(jī)視覺(jué)原理的廣泛應(yīng)用，利用計(jì)算機(jī)圖像處理技術(shù)對(duì)目標(biāo)進(jìn)行實(shí)時(shí)跟蹤研究越來(lái)越熱門，對(duì)目標(biāo)進(jìn)行動(dòng)態(tài)實(shí)時(shí)跟蹤定位在智能化交通系統(tǒng)、 智能監(jiān)控系統(tǒng) 、軍事目標(biāo)檢測(cè)及醫(yī)學(xué)導(dǎo)航手術(shù)中手術(shù)器械定位等方面具有廣泛的應(yīng)用價(jià)值。 目前，傳統(tǒng)的靜態(tài)背景下運(yùn)動(dòng)目標(biāo)檢測(cè)算法可分為以下幾類。像素級(jí)的混合高斯模型能隨動(dòng)態(tài)場(chǎng)景 的變化而自適應(yīng)地變化，可以用來(lái)描述多峰的背景，同時(shí)也廣泛應(yīng)用于運(yùn)動(dòng)目標(biāo)領(lǐng)域的檢測(cè)。 (3)光流法 光流是空間運(yùn)動(dòng)物體在觀測(cè)成像面上的像素運(yùn)動(dòng)的瞬時(shí)速度 [6]。但是由于被檢測(cè)物體與攝像機(jī)之間存在著復(fù)雜的相對(duì)運(yùn)動(dòng)，而動(dòng)態(tài)的運(yùn)動(dòng)目標(biāo)的檢測(cè)算法比靜態(tài)的運(yùn)動(dòng)目標(biāo)的檢測(cè)算法情況要復(fù)雜很多，目前動(dòng)態(tài)背景的運(yùn)動(dòng)目標(biāo)檢測(cè)算法中， 常用的算法有匹配塊法、光流估計(jì)法、圖像匹配法以及全局運(yùn)動(dòng)估計(jì)法等。 第二章 是 對(duì)視頻圖像進(jìn)行預(yù)處理。數(shù)字視頻是先用攝像機(jī)之類的視頻捕捉設(shè)備，將外界影像的顏色和亮度信息轉(zhuǎn)變?yōu)殡娦盘?hào)，再記錄到 儲(chǔ)存介質(zhì) 當(dāng)中，它也是數(shù)字圖像在時(shí)域上的序列，視頻序列中的每個(gè)圖像稱為幀。 如果 從視頻文件中獲取，需要保存視頻文件的文件名 和 相應(yīng)的文件名類型， 以及 下一次獲取 所 需要解碼哪一幀等。與 cvNamedWindow 不同是， cvQueryFrame 6 使用已經(jīng)在 cvCapture 結(jié)構(gòu)中分配好的內(nèi)存 ，而 cvNamedWindow 為圖像分配內(nèi)存空間 。 //聲明視頻捕捉器，用于捕獲視頻 int nFrmNum = 0。在 計(jì)算機(jī)中 對(duì)圖像 灰度圖 表示 是 對(duì)其圖像的 亮度值進(jìn)行量化 ，將其 等分成 0255共 256 個(gè)級(jí)別， 0 最暗 (全黑 )， 255 最亮 (全白 )，而在 RGB 模型中，如果 R=G=B，則顏色 (R,G,B)就表示灰度色 。 因此 ，