【文章內容簡介】 如圖 本課題中，充分利用到圖像處理與目標識別的理論知識，并結合當前國內外對此可以研究水平，通過對不同算法的比對選擇最適當?shù)囊粋€算法來實現(xiàn)對渡口上人的檢查識別統(tǒng)計并對人員是否穿救生圈進行判斷，如果發(fā)現(xiàn)有人沒穿救生圈就報警。我們對渡口上人口的檢查識別統(tǒng)計及對人是否穿救生圈情況判斷準確無誤，最多只在重疊情況和背景復雜的情況下有點錯誤，但正確率力爭保持在 80%以上。 系統(tǒng)需求分析 該軟件最主要的功能就 是要能檢測識別出人并判斷每個人是否穿了救生圈沒，首先該系統(tǒng)需要對通過攝像頭拍照而獲取到的原始的人圖片進行一系列處理才可進行下一步的工作，該處理過程也稱圖像預處理。預處理這個模塊在整個人頭識別系統(tǒng)的開發(fā)過程中占有很重要的地位，只有預處理模塊做的好，才可能很好的完成后面的人定位和特征提取這兩大關鍵模塊。因此本設計中所要完成的主要功能如下所述： 圖像獲取功能 ： 該模塊主要是從攝像頭拍照后進行獲取圖片，也可以從圖片庫中獲取，獲取后的圖片可以在 MATLAB 軟件中通過編程顯示出來并進行后期處理 圖像預處理功 能： 該模塊主要包括圖像閾值、圖像 HOUGH 變換、中值濾波、形態(tài)太學處理、實現(xiàn)圖像對比度增強、二值化變換等。 人頭定位功能 ： 該模塊主要是將處理后的人頭圖片進行定位，將對符合要求的目標進行表記出來，以便進行特征提取。 特征提取功能 ： 該模塊是在定位后的人頭圖片中將人頭的特征值提取出來。 分析功能： 判斷統(tǒng)計出來的人是否穿了救生圈，如果有人沒有穿就報警。 3. 軟件設計 友好界面 設計 友好界面結構圖 上位機示意圖 ，如圖 所示。 如圖 上位機示意圖 友好界面函數(shù) 打開圖片： global im I im=str2num(get(,39。String39。))。 I=cell(1,10)。 for n = 1:im frame=strcat(num2str(n),39。39。)。 I{im}=imread(frame)。 % 依次讀入各幀圖像 end axes()。 imshow(I{im})。 統(tǒng)計個數(shù)： global numm sum set(,39。string39。,num2str(numm+sum))。 guidata(hObject,handles)。 關閉文件： choice=questdlg(39。 你 確 定 要 關 閉 嗎 ？ 39。,39。 關 閉 對 話 框39。,39。Yes39。,39。No39。,39。No39。)。 switch choice case 39。Yes39。 delete()。 return。 case39。 return。 End 算法分析 輪廓提取前的預處理 在輪廓提取中采用八方向碼（ Freeman碼）跟蹤方式，為了便于對頭部區(qū)域進行面積計算，這里使用的八方向不是用 0～ 7 表示，而是用 8取代 0， 1～ 7不變，分別表示 0176。、 45176。、 90176。、 135176。、 180176。、225176。、 270176。 、 315176。，如圖 如圖 所示 在提取區(qū)域輪廓之前，需要對圖片做一些預處理。首先用原始 圖像進行分析，然后用模糊 C 均值算法求得的灰度與之對其進行二值化。由于二值化圖像可能存在一些噪聲，而且人頭區(qū)域可能別分成距離很小的幾塊，所以要對其進行形態(tài)學出來。采用開運算，即用結構元素 B對應圖像 F進行腐蝕，然后進行膨脹操作。圖 ，經(jīng)過灰度化，二值化和形態(tài)學處理后，得到如圖 ， ,所示的結果。 如圖 灰度圖 如圖 二值處理 如圖 中值濾波 + 空洞填充 如圖 局域形態(tài)學處理 輪廓提取方法 在輪廓 提取時，為了防止出現(xiàn)死循環(huán)現(xiàn)象，需要對預處理后的圖像進行去毛刺處理。根據(jù)輪廓提取方法，圖 毛刺將會引起死循環(huán)。圖 是一塊區(qū)域延伸出一根單像素寬度的線條，這種毛刺會使得程序在那根單像素線條上來回提取 輪廓，從而形成死循環(huán)。圖 ，根據(jù)去毛刺方法，不能一次去除干凈。去毛刺的方法如下。 圖 所示 圖 所示 對 圖像從上到下逐行搜索白色像素點，當碰到白色像素點時，判斷和該點八方向相鄰的白色像素點數(shù)目，如果數(shù)目小于等于 2，則認為是單像素寬度的線條，將該點置為黑色。這樣對圖像遍歷一次后，圖 ，但是圖 分毛刺像素。用上述方法循環(huán)遍歷圖像，直到最后一次對圖像的遍歷沒有改變圖像任何像素為止，即說明毛刺去除干凈。 對二值化圖像去了毛刺后，就可以進行提取輪廓的運算了。具體步驟如下。 （ 1）對圖像從上到下逐行搜索白色像素點，當碰到第一個白色像素點時，記錄該點坐標值，設為（ x0， y0）。 (2）以（ x0， y0）為中心，從八方向碼的 8 方向開始，順時針方向依次判斷相鄰像素點是否是白色像素點。當碰到白色像素點時，記錄其坐標值，設為（ x1， y1）。并記錄（ x0， y0）到（ x1， y1）的八方向碼矢量 V0， V0 為（ x1， y1）的當前矢量，為（ x0， y0）的次矢量）。 （ 3）以（ x1， y1）為中心，搜索的八方向碼方向為（ V0+4） %81，如果求得的方向碼值為 0和 1，則分別用 8和 7代替。順時針方向依次判斷（ x1， y1）的相鄰像素點是否是白色像素點。碰到白色像素點時，記錄其坐標，設為（ x2， y2） 。于是可以得到（ x1， y1）的次矢量和（ x2， y2）當前矢量。 （ 4）以（ x2， y2）為中心，按照（ 3）的方法，繼續(xù)尋找后面的輪廓點，直到尋找到的輪廓點回到起點（ x0， y0）為止。于是就得到了某個區(qū)域的輪廓。這樣得到的輪廓的特點為： 沿著輪廓順時針方向走，其區(qū)域內部的像素都位于右邊。 . 輪廓的特征 在取得了一個區(qū)域的輪廓之后，下一步就是根據(jù)輪廓特 征判斷該區(qū)域是否是人頭。首先根據(jù)輪廓所包圍的面積大小來對人頭進行初步篩選，如果輪廓內面積小于最小人頭面積，則將其中的區(qū)域標記為黑色，即排除是人頭的可能 性。對面積達到人頭要求的區(qū)域，采用 圓形度來判斷。圓形度 C是周長（ P）的平方與面積（ A）的比值。 C=P*p/A。錯誤 !未指定書簽。 這就需要計算輪廓的周長和面積。計算輪廓的周長主要有 兩種計算方式，一種是所有相鄰像素點距離為 1，輪廓的像素點數(shù)目即長；一種是八方向碼中 8方向相鄰的像 素點長度計為 1， 7 方向相鄰的像素點長度計為 2，各相鄰像素長度之和即為周長。為簡便起見，采用第一種方式。 對輪廓所包圍的區(qū)域進行面積計算。保留每個輪廓點的序號，建立矢量表。從表中找出 Y 坐標的最小 值Ymin 和最大值 Ymax。自 Ymin 至 Ymax，從矢量表中篩出 Y 值相同的各個輪廓點，根據(jù)它們的 X 坐標由小到大排序。從 Xmin至 Xmax，對每個輪廓點逐個進行矢量分析，即分析當前矢量和次矢量是否大于等于 4，矢量差（次矢量和當前矢量之差）的絕對值是否大于等于 4，然后作弦長計算及相關處理。每一行的弦長自動累加，其和為輪廓包圍區(qū)域的面積。詳細計算面積的方法可以參閱文獻 [6]。 人頭識別 區(qū)域的圓形度計算出來后，由于圓的圓形度最小，為 4π， 可以設置一個閾值，當區(qū)域的圓形度小于該閾值時，可以認為是人頭 。人頭中心可以用其重心（設為 (x y)）來計算。 其中 n+1 是輪廓點的數(shù)目， (x0 y0)， (x1 y1)，…， (xn yn)是各個輪廓點的坐標值 。 每檢測到一個輪廓就立即進行篩選和人頭識別，然后作不同的標記。如果該輪廓包圍的區(qū)域被識別出不是人頭，可以將其區(qū)域內的所有像素灰度設置為 0；如果是人頭，可以將其區(qū)域內的所有像素灰度設置為 0到 255 之間的一個值（要與二值化圖像中的已經(jīng)存在的灰度值不同，這樣才不影響后面的輪廓提