【正文】 后兩幀差分 t=40。 n=medfilt2(n)。%=39。 %%檢測結(jié)果視頻%讀取視頻mov=VideoReader(targetavi)。end%% 關(guān)閉視頻句柄%aviobj = close(aviobj)。, 39。 subplot(1, 2, 2)。 c = logical(c)。 end % 中值濾波 m = medfilt2(m)。Color39。 imshow(x, [])。 = 100。 close all。在未來的研究中，可以在三幀差分算法的基礎(chǔ)上，再加以改進(jìn)，使檢測的結(jié)果準(zhǔn)確性更好，實(shí)用性更好，將是課題下一步深入研究的方向。根據(jù)實(shí)現(xiàn)的算法以及得到的結(jié)論，都具有一定的說服性。因此，閾值的選取，在本算法中還需要改進(jìn)。 （a） 腐蝕 膨脹 （b） 腐蝕 膨脹 （c） 腐蝕 膨脹圖 三幀差分算法形態(tài)學(xué)處理結(jié)果 結(jié)果分析根據(jù)以上實(shí)驗(yàn)結(jié)果可以看出，三幀差分算法在檢測運(yùn)動目標(biāo)時，可以很好的檢測出運(yùn)動目標(biāo)，相比之前的二幀差分算法，三幀差分算法所檢測出來的運(yùn)動目標(biāo)輪廓更清晰，目標(biāo)更明確。由于開運(yùn)算和閉運(yùn)算是膨脹和腐蝕的復(fù)合運(yùn)算，因此，在實(shí)驗(yàn)過程中，我們用最基本的膨脹和腐蝕。為了保證與二幀差分效果進(jìn)行對比，所以，在進(jìn)行三幀差分運(yùn)算時，選用和二幀差分算法同樣的方法選取閾值和二幀差分算法所選取閾值。同理可知，在后一幀和當(dāng)前幀的差分圖像中，也包含著相同的區(qū)域。而在非靜態(tài)背景的情況下，檢測到的目標(biāo)會出現(xiàn)很多的空洞，有的很模糊，即使用形態(tài)學(xué)處理之后，運(yùn)動目標(biāo)還會出現(xiàn)模糊的情況，其原因有可能在于，在進(jìn)行差分運(yùn)算時，由于背景不是靜止的，兩次檢測時的背景不同，導(dǎo)致得到的差值圖像和真正的目標(biāo)有所差別；還有在物體高速運(yùn)動時，運(yùn)動目標(biāo)雖然可以檢測出來，但是會產(chǎn)生許多噪聲，這給去噪處理帶來很多麻煩。其中圖 （c）是二幀差分得到的二值化圖像。在這里我們選取以下幾個影響因素，陰影和物體間的重疊遮蓋、非靜態(tài)背景、高速運(yùn)動的目標(biāo)，正常勻速運(yùn)動的目標(biāo)在這幾個因素影響下，總結(jié)實(shí)驗(yàn)結(jié)果，進(jìn)行對比分析，從而更好的檢驗(yàn)算法的效果。這里我們主要運(yùn)用數(shù)學(xué)形態(tài)學(xué)的膨脹和腐蝕運(yùn)算進(jìn)行去噪處理。3）在上式中，閾值的選擇非常關(guān)鍵。在數(shù)字圖像處理方面，二值圖像的地位非常重要，尤其是在實(shí)用的圖像處理中，以二值圖像處理的實(shí)現(xiàn)而構(gòu)成的系統(tǒng)有很多，如要進(jìn)行二值圖像的分析與處理，首先就是要把灰度圖像二值化，得到二值圖像，這樣才有利于對目標(biāo)圖像做進(jìn)一步的處理，在進(jìn)行二值圖像處理時，圖像的集合性質(zhì)只與像素值為0 或 255 的點(diǎn)的位置有關(guān)，不再涉及像素的多級值，這使處理變得更簡單，并且數(shù)據(jù)的處理和壓縮量非常小。為此，選擇圓形的結(jié)構(gòu)元素對于恢復(fù)噪聲污染圖像會產(chǎn)生較好的濾波效果。這樣圖像中比結(jié)構(gòu)元素小的游離的噪聲將被濾除。因此對不同的目標(biāo)圖像，我們需設(shè)計(jì)不同的結(jié)構(gòu)元素以及不同的處理算法。圖 表示了閉運(yùn)算的過程及結(jié)B?果。開運(yùn)算還可以用其它符號表示，如 O(A，B)，OPEN(A，B)等方式表示，在本文中，我們采用O(A，B)來表示。一個運(yùn)算對目標(biāo)圖像的操作相當(dāng)于另一個運(yùn)算對圖像背景的操作。 形態(tài)學(xué)運(yùn)算數(shù)學(xué)形態(tài)學(xué)有四個基本運(yùn)算：膨脹和腐蝕、開啟和閉合。這種結(jié)構(gòu)表示可以是分析對象的宏觀性質(zhì)，比如在分析一個工具的形狀時，研究的就是其宏觀的結(jié)構(gòu)；同時也可以是微觀性質(zhì)，比如，在分析顆粒的分布或由小的基元產(chǎn)生的紋理時，研究的便是其微觀結(jié)構(gòu)。而在研究運(yùn)動目標(biāo)檢測效果時，圖像的顏色特征并不會影響檢測結(jié)果，因此，我們在進(jìn)行運(yùn)動目標(biāo)檢測研究之前，為了統(tǒng)一進(jìn)行處理以及節(jié)省存儲空間和處理圖像的時間，我們通常對采集到的ＲＧＢ圖像進(jìn)行灰度化處理。包括圖像預(yù)處理和去噪處理。5 / 40第 2 章 運(yùn)動目標(biāo)檢測理論基礎(chǔ) 關(guān)于運(yùn)動目標(biāo)檢測運(yùn)動目標(biāo)檢測算法的任務(wù)是從場景序列圖像中剔除靜止的背景區(qū)域，找出運(yùn)動的前景區(qū)域，并盡可能地抑制背景噪聲和前景噪聲，以準(zhǔn)確得到感興趣的運(yùn)動物體 [16]。最后介紹了關(guān)于圖像二值化的相關(guān)理論基礎(chǔ)。(2)非靜態(tài)背景。該方法在較大程度上依賴差分幀的選擇時機(jī)和目標(biāo)的運(yùn)動速度，因此也有一定的局限性。這種方法一般都能夠提供較完整的特征數(shù)據(jù)。由于這些問題的存在，在對視頻圖像進(jìn)行檢測時，將會出現(xiàn)不同的各種各樣的問題，而對運(yùn)動目標(biāo)檢測研究，就是在最大程度上解決這些出現(xiàn)的問題。就像運(yùn)動目標(biāo)的圖像中梯度信息、深度信息等，再如彩色圖像中的彩色的紋理特征、顏色信息，直方圖信息等，以及運(yùn)動圖像中的邊緣信息，中間信息等等，以上所述的信息都可以作為圖像特征用來檢測，如果以這些特征來對運(yùn)動目標(biāo)進(jìn)行檢測，將會帶來很多問題，并切導(dǎo)致檢測結(jié)果不準(zhǔn)確 [17]。這些因素包括：1）光線亮度的變化由于現(xiàn)場光線亮度的變化會引起相應(yīng)的檢測的環(huán)境的變化，從而導(dǎo)致背景圖像也隨之發(fā)生變化，這些將會使我們很難將這些變化與圖像中由于前景運(yùn)動目標(biāo)導(dǎo)致的變化加以區(qū)分，從而影響運(yùn)動目標(biāo)的檢測。運(yùn)動目標(biāo)檢測算法的大致步驟有以下幾個方面：首先選取視頻序列中的圖像，對圖像中給定的像素區(qū)域進(jìn)行分析,然后根據(jù)幀間的數(shù)據(jù)差異，可以產(chǎn)生相對應(yīng)的運(yùn)動信號, 從而獲取到場景中的運(yùn)動目標(biāo)。實(shí)驗(yàn)結(jié)果表明，該算法準(zhǔn)確性高，實(shí)時性好，能較好的解決問題，具有一定的使用價值。它在很多領(lǐng)域都有很廣泛的應(yīng)用。在所有的運(yùn)動目標(biāo)檢測方法中，幀間差分算法是最常用的一種運(yùn)動目標(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態(tài)的，是運(yùn)動的而不是靜止不動的，然而動態(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)動目標(biāo)檢測的方法。4）前景與背景物體相近當(dāng)運(yùn)動的前景目標(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，將會增大從背景中分辨出運(yùn)動目標(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)大多個數(shù)據(jù)級。下面是運(yùn)動目標(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)動的表達(dá)方式，光流是一個圖像序列中的圖像的亮度模式的表觀運(yùn)動，光流不但包括被觀察物體的運(yùn)動信息，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運(yùn)動目標(biāo)和攝像機(jī)移動的情況。我們知道，運(yùn)動目標(biāo)在不同的檢測環(huán)境中，會受到不同的外在因素的影響，而這些不同因素將會在不同的程度上影響運(yùn)動目標(biāo)檢測的準(zhǔn)確性和穩(wěn)定性。前景目標(biāo)在高速運(yùn)動的情況下，可能會導(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)，因此也會給運(yùn)動目標(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)動過程研究、脊椎骨癌圖像自動數(shù)量描述） ，圖像編碼壓縮，工業(yè)檢測(如食品檢驗(yàn)和印刷電路自動檢測) ，材料科學(xué)，機(jī)器人視覺，汽車運(yùn)動情況監(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)動目標(biāo)檢測應(yīng)用到的相關(guān)技術(shù)理論知識進(jìn)行了闡述總結(jié)，介紹了有關(guān)運(yùn)動目標(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，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，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，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。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。第 5 章 總結(jié)與展望 總結(jié)本文通過對運(yùn)動目標(biāo)檢測中的幀間差分算法的研究，首先介紹了運(yùn)動目標(biāo)檢測的研究背景和意義，以及常用的運(yùn)動目標(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，相繼介紹了圖像處理方面的相關(guān)的知識，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麄兊闹更c(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。