【正文】 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(gè)幀差圖像，然后進(jìn)行“與”運(yùn)算，獲取二值化圖像。 差分圖像（c1） 腐蝕 (a) 膨脹(b) 差分圖像（c2） 腐蝕（c） 膨脹(d)基于幀間差分算法的運(yùn)動(dòng)目標(biāo)檢測研究18 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(dòng)目標(biāo)更好的凸現(xiàn)出來。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。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，以確保圖像的基于幀間差分算法的運(yùn)動(dòng)目標(biāo)檢測研究16完整性。首先?；趲g差分算法的運(yùn)動(dòng)目標(biāo)檢測研究14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(dòng)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。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計(jì)算機(jī)畢學(xué)院業(yè)畢業(yè)（設(shè)計(jì)）論文13 ()??????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?。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。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)。為此，在進(jìn)行圖像處理時(shí)，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。圖 圓盤開運(yùn)算從圖 我們可以看出開運(yùn)算的兩個(gè)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。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。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(shí)，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。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。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]。 灰度圖像灰度圖像是一種具有從黑到白 256 灰度級(jí)的單色圖像。5）陰影：運(yùn)動(dòng)目標(biāo)在地面等物體上產(chǎn)生陰影，也被當(dāng)成運(yùn)動(dòng)目標(biāo)檢測出來。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。 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。因計(jì)算機(jī)畢學(xué)院業(yè)畢業(yè)（設(shè)計(jì)）論文5而這些因素會(huì)對本系統(tǒng)帶來巨大的挑戰(zhàn)。當(dāng)所監(jiān)控的場景中有異常的物體運(yùn)動(dòng)時(shí)，幀與幀之間就會(huì)出現(xiàn)較為明顯的差別。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(dòng)物體的區(qū)域。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(gè) 600MB 的硬盤則最多只可以存放 20 秒鐘的動(dòng)態(tài)圖像 [12]。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(dòng)目標(biāo)跟檢測的難度。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。雖然我們的眼睛既能看見靜止事物也能看見移動(dòng)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。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(shí)監(jiān)控等。：任務(wù)書、開題報(bào)告、外文譯文、譯文原文（復(fù)印件） 。作者簽名：　　 　 　　 日　 期：　　 　 　　 II學(xué)位論文原創(chuàng)性聲明本人鄭重聲明：所呈交的論文是本人在導(dǎo)師的指導(dǎo)下獨(dú)立進(jìn)行研究所取得的研究成果。作 者 簽 名：　　 　 　　 日　 期：　　 　 　　 指導(dǎo)教師簽名：　　 　 　　 日 　　期：　　 　 　　 使用授權(quán)說明本人完全了解 大學(xué)關(guān)于收集、保存、使用畢業(yè)設(shè)計(jì)（論文）的規(guī)定，即：按照學(xué)校要求提交畢業(yè)設(shè)計(jì)（論文）的印刷本和電子版本；學(xué)校有權(quán)保存畢業(yè)設(shè)計(jì)（論文）的印刷本和電子版，并提供目錄檢索與閱覽服務(wù)；學(xué)校可以采用影印、縮印、數(shù)字化或其它復(fù)制手段保存論文；在不以贏利為目的前提下，學(xué)?？梢怨颊撐牡牟糠只蛉績?nèi)容。作者簽名： 日期： 年 月 日導(dǎo)師簽名： 日期： 年 月 日III注 意 事 項(xiàng)（論文）的內(nèi)容包括：1）封面（按教務(wù)處制定的標(biāo)準(zhǔn)封面格式制作）2）原創(chuàng)性聲明3）中文摘要（300 字左右） 、關(guān)鍵詞4）外文摘要、關(guān)鍵詞 5）目次頁（附件不統(tǒng)一編入）6）論文主體部分：引言（或緒論） 、正文、結(jié)論7）參考文獻(xiàn)8）致謝9）附錄（對論文支持必要時(shí)）：理工類設(shè)計(jì)（論文）正文字?jǐn)?shù)不少于 1 萬字（不包括圖紙、程序清單等） ，文科類論文正文字?jǐn)?shù)不少于 萬字。在所有的運(yùn)動(dòng)目標(biāo)檢測方法中，幀間差分算法是最常用的一種運(yùn)動(dòng)目標(biāo)檢測方法。在我們的生活中，多數(shù)有意義的視覺信息基本上都是動(dòng)態(tài)的，是運(yùn)動(dòng)的而不是靜止不動(dòng)的，然而動(dòng)態(tài)的視覺信息與靜態(tài)信息相比，更不容易捕獲。 課題發(fā)展?fàn)顩r及應(yīng)用前景多年以來，計(jì)算機(jī)視覺方面的專家針對視頻圖像中的運(yùn)動(dòng)目標(biāo)檢測問的題，做了大量而深入的研究，并且提出了不少的運(yùn)動(dòng)目標(biāo)檢測的方法。4）前景與背景物體相近當(dāng)運(yùn)動(dòng)的前景目標(biāo)的物體與背景中的景物在顏色或者形狀等外觀特征相似時(shí)，將會(huì)增大從背景中分辨出運(yùn)動(dòng)目標(biāo)的難度。一般來說，視頻數(shù)據(jù)的數(shù)據(jù)量比結(jié)構(gòu)記錄數(shù)據(jù)大多個(gè)數(shù)據(jù)級(jí)。下面是運(yùn)動(dòng)目標(biāo)檢測技術(shù)常用的三種方法：1）光流法 [18]：光流是一種簡單實(shí)用的圖像運(yùn)動(dòng)的表達(dá)方式，光流是一個(gè)圖像序列中的圖像的亮度模式的表觀運(yùn)動(dòng)，光流不但包括被觀察物體的運(yùn)動(dòng)信息，而且還包括相關(guān)的結(jié)構(gòu)信息。該方法可適用于存在多個(gè)運(yùn)動(dòng)目標(biāo)和攝像機(jī)移動(dòng)的情況。我們知道，運(yùn)動(dòng)目標(biāo)在不同的檢測環(huán)境中，會(huì)受到不同的外在因素的影響，而這些不同因素將會(huì)在不同的程度上影響運(yùn)動(dòng)目標(biāo)檢測的準(zhǔn)確性和穩(wěn)定性。前景目標(biāo)在高速運(yùn)動(dòng)的情況下，可能會(huì)導(dǎo)致許多不同的目標(biāo)在背景中頻繁出入，從而難以分辨哪些是真正的背景，哪些是前景目標(biāo)，因此也會(huì)給運(yùn)動(dòng)目標(biāo)檢測增加難度，在一定程度上影響最終檢測結(jié)果。本章首先介紹了三幀差分算法的原理和算法流程，然后實(shí)現(xiàn)算法，并得出部分實(shí)驗(yàn)結(jié)果進(jìn)行分析，根據(jù)分析結(jié)果，說明本算法的優(yōu)缺點(diǎn)。4）反射：在物體的邊緣，或反射能力強(qiáng)的物體(如地板，鋼管等)表面，由于光線極其不穩(wěn)定而被當(dāng)成變化物體檢測出來。去噪處理的方法也有很多，目前最常用的方法就是數(shù)學(xué)形態(tài)學(xué)處理，數(shù)學(xué)形態(tài)學(xué)包括膨脹，腐蝕，開啟，閉合四種基本運(yùn)算，這些運(yùn)算在圖像的去噪處理上有很廣泛的用途。Y 數(shù)學(xué)形態(tài)學(xué) 數(shù)學(xué)形態(tài)學(xué)簡介數(shù)學(xué)形態(tài)學(xué)理論是由法國巴黎的地質(zhì)學(xué)家 和 創(chuàng)立的,這是一門新興的分析圖像的科學(xué)。這門學(xué)科在計(jì)算機(jī)文字識(shí)別，計(jì)算機(jī)顯微圖像分析(如顆粒分析)，醫(yī)學(xué)圖像處理（例如細(xì)胞檢測、心臟的運(yùn)動(dòng)過程研究、脊椎骨癌圖像自動(dòng)數(shù)量描述） ，圖像編碼壓縮，計(jì)算機(jī)畢學(xué)院業(yè)畢業(yè)（設(shè)計(jì)）論文9工業(yè)檢測(如食品檢驗(yàn)和印刷電路自動(dòng)檢測) ，材料科學(xué)，機(jī)器人視覺，汽車運(yùn)動(dòng)情況監(jiān)測等方面都取得了非常成功的應(yīng)用 [15]。1) 膨脹二值形態(tài)學(xué)中的運(yùn)算對象是集合。而膨脹具有對圖像的擴(kuò)大作用, 可以填充圖像中相對于結(jié)構(gòu)元素而言相對比較小的孔洞。通過上述對膨脹和腐蝕的介紹，我們不難得到開運(yùn)算的結(jié)果，如圖 所示。 形態(tài)學(xué)濾波圖像在生成、傳輸、變換過程中會(huì)受到各種各樣的外界因素的干擾，這些干擾有可能使圖像質(zhì)量所下降和退化，圖像變得模糊，并且夾雜有各種噪聲。在該方法中，對結(jié)構(gòu)元素的選取相當(dāng)重要，它應(yīng)當(dāng)比所有的噪聲孔和噪聲塊都要大。這樣重復(fù)的進(jìn)行腐蝕與膨脹，圖像中的噪聲就會(huì)被去除掉。 二值圖像圖像二值化就是指用灰度變換來研究灰度圖像的一種常用方法，該方法的原理是設(shè)定某一閾值可以將灰度圖像的像素分成兩部分，一部分大是于閾值的像素群，另一部分是小于閾值的像素群。 本章總結(jié)本章主要是對運(yùn)動(dòng)目標(biāo)檢測應(yīng)用到的相關(guān)技術(shù)理論知識(shí)進(jìn)行了闡述總結(jié)，介紹了有關(guān)運(yùn)動(dòng)目標(biāo)檢測，灰度圖像，二值圖像，數(shù)學(xué)形態(tài)學(xué)的相關(guān)理論知識(shí)，以及他們的在相應(yīng)的領(lǐng)域中的應(yīng)用。就是根據(jù)當(dāng)前圖像的灰度值來確定閾值的方法。而腐蝕運(yùn)算與膨脹運(yùn)算剛好相反，它對圖像具有緊縮的作用，基于這種特性，我們運(yùn)用腐蝕運(yùn)算將所提取的目標(biāo)的邊緣多余的部分剔除掉，從而使目標(biāo)輪廓更加清晰，使檢測出來的目標(biāo)更加精確。如下圖 （c）所示的差分圖像，是視頻序列中第 20 幀和第 21 幀同過差分運(yùn)算所得到的二值化圖像，在此次圖像選取時(shí)，由于所取目標(biāo)和背景間有重疊因素，因此，通過此次實(shí)驗(yàn)，可以看出來在，目標(biāo)和背景區(qū)別不大時(shí)，二幀差分的檢測效果。把上述所得到的差分圖像，用數(shù)學(xué)形態(tài)學(xué)的腐蝕，膨脹的原理進(jìn)行去噪操作，如下，圖 (a)是對差分圖像 (c)進(jìn)行腐蝕的結(jié)果，圖 (b)是對差分圖像 （c）的膨脹的結(jié)果；圖 (b)是對差分圖像 (c)進(jìn)行腐蝕的結(jié)果，圖 (d)是對 c 差分圖像 (c)的膨脹的結(jié)果；圖 (e)是對差分圖像(c)進(jìn)行腐蝕的結(jié)果，圖 (f)是對差分圖像 (c)的膨脹的結(jié)果。計(jì)算機(jī)畢學(xué)院業(yè)畢業(yè)（設(shè)計(jì)）論文19第 4 章 三幀差分算法 基本思路本文所采用的三幀差分算法，是在二幀差分的基礎(chǔ)上，再次進(jìn)行差分。下面將介紹三幀差分算法的具體過程：1）從視頻圖像序列中選取連續(xù)的三幀圖像，其中第一幀圖像 ，第1(,)kfxy?二幀圖像 ，第三幀圖像 。5）用三幀差分算法得到運(yùn)動(dòng)目標(biāo)的二值化圖像之后，我們同樣運(yùn)用數(shù)學(xué)形態(tài)學(xué)的方法去除噪聲。圖（d）是由三幀差分算法得到的差值圖像，從檢測結(jié)果可以看出，三幀差分算法可以很好地檢測運(yùn)動(dòng)目標(biāo) 第 20 幀（a） 第 21 幀圖像（b） 第 22 幀圖像（c） 差分圖像 （d）圖 陰影和物體間的重疊遮檢測效果圖 是在非靜態(tài)背景的背景下。由以上兩次實(shí)驗(yàn)的結(jié)果對比我們可以看出，三幀差分算法和二幀差分算法都可以是實(shí)現(xiàn)對運(yùn)動(dòng)目標(biāo)的檢測，但是三幀差分算法準(zhǔn)確性更高，檢測效果更好。計(jì)算機(jī)畢學(xué)院業(yè)畢業(yè)（設(shè)計(jì)）論文25第 5 章 總結(jié)與展望 總結(jié)本文通過對運(yùn)動(dòng)目標(biāo)檢測中的幀間差分算法的研究，首先介紹了運(yùn)動(dòng)目標(biāo)檢測的研究背景和意義，以及常用的運(yùn)動(dòng)目標(biāo)檢測方法，然后通過幀間差分算法所需的相關(guān)的圖像處理方面的理論知識(shí)，相繼介紹了圖像處理方面的相關(guān)的知識(shí)，如灰度圖像，二值圖像、數(shù)學(xué)形態(tài)學(xué)等原理和方法。然而，本算法雖然實(shí)現(xiàn)了預(yù)期的檢測效果，但是實(shí)驗(yàn)中還有許多不足之處，如檢測的結(jié)果不完整，偶爾出現(xiàn)漏檢現(xiàn)象等等，這樣的不足之處本身也是差分算法的缺點(diǎn)，因此，還需要進(jìn)一步完善。除了 XXX 老師之外，學(xué)校的其他學(xué)圖像處理的老師也給我?guī)砹撕艽髱椭?，他們的指點(diǎn)讓我在摸索的過程中少走了許多彎路，他們嚴(yán)謹(jǐn)?shù)墓ぷ鲬B(tài)度是我的榜樣，我能完成畢業(yè)論文以及設(shè)計(jì)，離不開各位老師的指導(dǎo)。% 檢測結(jié)果視頻resultavi = 39。Indeo539。, ), 39。)。 w = im2double(m)。 x3 = x(:, :, 3)。第%d 幀視頻識(shí)別結(jié)果，By lyqmath39。r39。clear。%建立結(jié)果視頻aviobj = VideoWriter(resultavi)。 y=mov(i).cdata(:,:,:)。 q=im2double(n)。%%find 函數(shù)作用是找到圖 c 中的值大于 t 的點(diǎn)坐標(biāo) d=find(abs(b)=t)。b