【正文】 ()設(shè)原圖G并把它作為金字塔的底層第L層，第L層的上層第L+1層是這樣構(gòu)造的：將G經(jīng)過一個高斯低通濾波器，并把結(jié)果作隔行隔列取樣，以此類推，這樣就形成了高斯金字塔。預(yù)測值可以作為前一個象素位置的運動估算值，或作為當(dāng)前象素鄰域內(nèi)的運動估算線性組合。 運動場示意圖當(dāng)物體運動時，在圖像上對應(yīng)物體的亮度模式也在運動。 算法實現(xiàn)1. 幀間差法的實現(xiàn)： 　　　　 連續(xù)兩幀原始圖像 幀間差法實現(xiàn)結(jié)果，幀間差法常常會引起兩個不良的后果：一個是兩幀間物體重疊部分沒有檢測出來，即只檢測出物體的一部分，從而產(chǎn)生“孔洞”；另一個是檢測出物體在兩幀中的信息，即檢測出的目標(biāo)比真實的物體大很多。然后將檢測到的運動變化圖像做去噪和空域識別后，做相與運算，最后再基于物體自身的灰度信息，恢復(fù)真正的運動圖像。本文選取中值濾波算法，因為中值濾波不僅能夠濾去高頻噪聲，而且能夠很好地保持圖像的邊緣信息。在介紹了系統(tǒng)環(huán)境要求后，對系統(tǒng)進行軟件實現(xiàn)。 本文的研究內(nèi)容和論文安排 研究內(nèi)容本文主要研究在攝像機固定和運動兩種情況下，如何從監(jiān)控視頻圖像中提取出運動目標(biāo)，并對其進行相應(yīng)的分析和處理。在國內(nèi)，運動圖像分析已在人體運動檢測與跟蹤、智能交通、機器人視覺、運動目標(biāo)檢測與跟蹤等諸方面展開了深層次研究。 the image sequence with dynamic background, as background is constantly changing and have more and more plex features, it is difficult to accurately calculate the static background. Based on the optical flow vector field ,this paper have researched the pyramidal implementation of optical flow calculation method, and by using morphological filtering, directly detect the motive objects, and the statistics of the motive objects. 2. Details on the software design and implementation which is the subsystem of the new technologies of Spacebased threedimensional traffic situation acquisition and processing. It uses image processing technology to achieve the objectives of traffic detection and identification of the puter processing, mainly designed for the traffic statistics on the section of moving vehicle numbers, the calculation of various traffic parameters, such as density, and to monitor road traffic conditions. Keywords： motion detection, threeframedifference background subtraction, pyramidal implementation of optical flow, traffic monitoring目 錄第1章 緒論 1 引言 1 課題來源和意義 2 國內(nèi)外研究現(xiàn)狀 3 本文的研究內(nèi)容和論文安排 5 研究內(nèi)容 5 論文安排 5第2章 基于三幀背景差分的運動目標(biāo)提取方法 7 基于幀間差的提取運動目標(biāo)方法 7 基于背景差的提取運動目標(biāo)方法 8 基于三幀背景差分的運動目標(biāo)提取方法 11 引言 11 原理及算法流程 11 算法實現(xiàn) 15第3章 基于改進的光流法的運動目標(biāo)提取方法 19 光流法提取運動目標(biāo) 19 運動場和光流場 19 光流的計算 20 基于改進光流法的運動目標(biāo)提取方法 21 基本原理 21 算法流程 24 算法實現(xiàn) 28第4章 視頻交通目標(biāo)檢測及識別系統(tǒng)的設(shè)計與實現(xiàn) 30 系統(tǒng)概述 30 系統(tǒng)設(shè)計原則 30 系統(tǒng)總體設(shè)計 32 軟件需求概述 32 系統(tǒng)功能結(jié)構(gòu) 32 系統(tǒng)環(huán)境 32 系統(tǒng)的實現(xiàn) 33 實現(xiàn)的準(zhǔn)備 33 軟件實現(xiàn) 34第5章 仿真結(jié)果及性能分析 38 仿真結(jié)果分析 38 性能比較分析 40第6章 當(dāng)前不足及前景展望 41 當(dāng)前不足及解決建議 41 前景展望 42結(jié)論 43致謝 44參考文獻 45第1章 緒論 引言長期以來，我國各大城市的交管部門對交通信息的采集仍停留在使用傳感線圈、固定的攝像裝置等路基采集設(shè)備階段，存在監(jiān)視范圍狹小、靈活性低、無法應(yīng)付突發(fā)事件、缺乏對宏觀信息的掌控等困難，嚴(yán)重影響對交通的有效疏導(dǎo)。雅典奧運會上采用無人飛艇對交通態(tài)勢進行全天候監(jiān)視以隨時應(yīng)對突發(fā)事件是該理念的一次成功應(yīng)用（）。JiangBin Zheng，David Dagan Feng等[1]提出了一種比較準(zhǔn)確的分割和跟蹤運動目標(biāo)的算法，它主要通過自適應(yīng)背景估計和兩個相鄰幀的綜合差別來從圖像序列中準(zhǔn)確提取目標(biāo)。3. 在總結(jié)常用的基于光流法的運動目標(biāo)檢測方法的基礎(chǔ)上，對LK、HS光流法進一步改進，基本思想是利用圖像金字塔，將相鄰兩幀降采樣到最底層，計算這兩幀間的光流值，在上一層中將前一幀圖像平移一定的值（下層計算出的光流），與后一幀利用光流法求出運動向量，最后與下層計算出的光流進行疊加。在背景固定的情況下，常用的方法有幀間差法和背景差法。這種確定閾值的方法簡單直接，但是不精確，且對場景的改變沒有一定的自適應(yīng)性。：將長方形區(qū)域逐漸向下移動，依次劃過橢圓目標(biāo)的不同部分，將各次的結(jié)果組合起來，就可得到完整的橢圓目標(biāo)。圖(e)是普通差圖像，左邊一列的1是圖(a)目標(biāo)后沿和圖(b)背景的差，右邊一列1是圖(a)背景和圖(b)目標(biāo)前沿的差。另外，運動目標(biāo)也可能長時間停留在場景中，對于這部分區(qū)域，可以在一段時間后將其看作背景的一部分。此時光流不等于零，但運動場為零，因為物體沒有運動。如果遞歸過程中v收斂，假設(shè)圖像大小為NN，搜索相應(yīng)窗口范圍為MxM，則平均做步。從圖2g中可知，使具有一定的形態(tài)的結(jié)構(gòu)元素度量和提取圖像中的對應(yīng)形狀信息，在形態(tài)學(xué)的操作中最重要的是結(jié)構(gòu)元素的選擇，結(jié)構(gòu)元素是一個用來定義形態(tài)學(xué)操作中所用到的鄰域的形狀和大小的矩陣，該矩陣僅由0和1組成，具有任意的大小和維數(shù)，1代表鄰域內(nèi)的像素，形態(tài)學(xué)運算都是對數(shù)值為1的區(qū)域進行運算。設(shè)第L1層的圖像為，則通過降采樣，上一層第L層的圖像為： () 升采樣為降采樣的逆過程，現(xiàn)將圖像隔行插入0點，再通過與濾波器卷積并乘以4，得到下一層的圖像。如何實現(xiàn)在遮擋情況下的多目標(biāo)跟蹤是視頻監(jiān)控的難點。它表現(xiàn)在以下幾個方面：包括獲取圖像即時，處理分析即時，輸出結(jié)果即時，控制其他設(shè)備即時，總體的“即時”是各部分即時的綜合表現(xiàn)。采用成熟的、并經(jīng)實踐證明其實用性的技術(shù)，能滿足現(xiàn)在業(yè)務(wù)處理的需要，并能適應(yīng)將來一定時期業(yè)務(wù)發(fā)展的需要。該系統(tǒng)的性能特點是：支持?jǐn)z像頭運動的情況；支持不同道路環(huán)境，快速適應(yīng)道路環(huán)境變化；可同時監(jiān)控小同路段和多條車道；通過有效且直觀的信息反饋，實現(xiàn)實時監(jiān)控。2) 眾多的開發(fā)商支持以及業(yè)已成為工業(yè)標(biāo)準(zhǔn)的MFC類庫：MFC類庫已經(jīng)成為事實上的工業(yè)標(biāo)準(zhǔn)類庫，得到了眾多開發(fā)商和軟件開發(fā)工具的支持；另外，由于眾多的開發(fā)商都采用Visual C++.net進行軟件開發(fā)，這樣用Visual C++.net開發(fā)的程序就與別的應(yīng)用軟件有許多相似之處，易于學(xué)習(xí)和使用。窗口4窗口5窗口6窗口3窗口2窗口1注：窗口6功能未實現(xiàn)，為預(yù)留窗口，有利于系統(tǒng)功能的擴展。在金字塔光流法中，“丟檢”主要出現(xiàn)在運動速度過慢情況。2. 目前常用的算法在解決動態(tài)背景下的運動目標(biāo)提取時都會存在運算量較大的問題，可以考慮引入機器學(xué)習(xí)的理論，先建立目標(biāo)的模型庫，再通過特征匹配識別出目標(biāo)，同時結(jié)合幀間的相關(guān)信息，減少檢測算法的運算量并能提高檢測算法的識別率。最后，我要感謝我的父親和母親，是他們撫育我長大成人，支持我完成本科生階段的學(xué)業(yè)。羅老師認(rèn)真嚴(yán)謹(jǐn)?shù)闹螌W(xué)精神和科學(xué)的研究方法給了我很深的影響，使我終生受益。為此，在做差圖像前，應(yīng)先彌補攝像機的運動，做運動補償。在表格里，“丟檢”表示有目標(biāo)出現(xiàn)在檢測區(qū)域，但算法沒有檢測出來。由于OpenCV的圖像處理函數(shù)具有完整的功能和良好的封裝，使用時給人感覺非常方便，圖像處理的結(jié)果也令人滿意。軟件平臺：操作系統(tǒng)是Windows XP。以上設(shè)計原則是相互關(guān)聯(lián)，互相影響的，要設(shè)計出高效實用的交通檢測系統(tǒng)，只能根據(jù)工作的性質(zhì)和要求，綜合考慮，做折中處理，只強調(diào)部分原則必然會降低其余原則的要求。精確性：計算機圖像處理的數(shù)據(jù)精度是很高的，可精確到有限的任何位。例如，系統(tǒng)設(shè)計出來應(yīng)該是實用的，所以必須站在用戶的角度考慮設(shè)計。由于區(qū)域的形狀是不確定的，可以利用包含區(qū)域的最小外接矩形的面積來近似區(qū)域的面積。運用數(shù)學(xué)形態(tài)學(xué)的四個基本運算的組合，可以設(shè)計出非凡的實用非線性算法，從而獲得驚人的圖像處理效果。金字塔P(I)的第n層表示為，使用這個記號，便有： ()其中，表示對圖像進行線性操作，其將圖像與高斯函數(shù)做卷積。 基于象素遞歸的光流算法是預(yù)測校正型的位移估算器，它是基于梯度局部約束下的一種方法。 光流法提取運動目標(biāo)當(dāng)物體在攝像機前運動，或者攝像機在環(huán)境中移動時，會發(fā)現(xiàn)圖像在變化，在圖像中觀察到的表面上的模式運動就是所謂的光流場，而運動場則是了維物體的實際運動在圖像上的投影（）。經(jīng)過三幀之間的運動判別之后，將所有滿足式( )和( )的像素點都作為運動點，其它像素點作為背景，從而將原圖像區(qū)分為目標(biāo)與背景兩大區(qū)域。通過將參考圖與其后的每一幅圖進行比較可得到累計差圖像。該方法在連續(xù)的三幀視頻圖像中，對第一二幀和第二三幀的圖像分別做差分運算，根據(jù)未變化區(qū)域與運動變化區(qū)域服從不同的統(tǒng)計規(guī)律設(shè)置變化檢測門限，對差分圖像做運動變化檢測和連通域的識別。因此，在作差分之前必須對原始圖像進行濾波預(yù)處理。首先介紹了系統(tǒng)的設(shè)計原則，進行了系統(tǒng)的需求分析，構(gòu)建了適合于交通視頻的運動目標(biāo)提取系統(tǒng)的總體框架。最后需要指出的是本課題也是針對復(fù)雜條件下的立體交通態(tài)勢分析與處理問題進行運動目標(biāo)提取算法的研究，但也會適當(dāng)考慮其它情況下算法的適應(yīng)性。英國的雷丁大學(xué)已開展了對車輛和行人的跟蹤及其交互作用識別的相關(guān)研究。關(guān)鍵詞： 運動檢測，三幀背景差分，金字塔光流，交通監(jiān)測 Study on Motive Object Extraction Based on Video Frames Author：MA Qiang Tutor：LUO XilingAbstractWith the recent traffic congestion in major cities intensifying, it is important to overe the traditional sub grade traffic monitoring equipment to the inherent shortings, cover a wide range of road traffic surveillance, arrive rapidly at the emergency location, and access realtime information to the scene of the accident. Some European and American developed in the 1990s had begun to explore a possible alternative to enhance road traffic situation surveillance by means of new technologies road traffic situation in the air monitoring technology , which needs to video images of the moving object extraction , the results for the moving targ