【導(dǎo)讀】事，還是醫(yī)學(xué)和科研等領(lǐng)域都有廣泛的應(yīng)用。技術(shù)為基礎(chǔ)，設(shè)計出高效的運動目標檢測方法。目前，運動目標檢測主要有以下。據(jù)所處理的視頻圖像的特點以及可行性，主要研究幀間差分法和背景差法。在對圖像差分之前，先進行圖像預(yù)處理，再進行相鄰幀差分得到運動信息，廓，該方法的優(yōu)點是操作簡便、速度快、易于硬件實現(xiàn)。在論文后期引入了人臉。狀特點、眼球亮度值以及眼部對稱性等特點，利用最小矩陣查找臉部區(qū)域并標記；而人臉的識別則根據(jù)輸入圖片與訓(xùn)練庫中的圖片做比照，完成圖片的識別。

　　

【正文】 計算機 上完成 相關(guān)處理，按 特 定時間間隔從視頻圖像中 得到 序列圖像，檢測出運動目標 前要 對這些序列圖像進行特定 的處理。 硬件實現(xiàn) 在 工業(yè) 圖像處理應(yīng)用 系統(tǒng) 的最初始端便是圖像獲取，它主要 是 由攝像機、圖像采集卡和光源組成。 先通過 CCD 攝像機 得到 圖像， 圖像 輸入計算機 前 圖像采集卡 完成 視頻模擬信號 到 數(shù)字圖像 的轉(zhuǎn)換 ， 以便 后 面 的處理。隨 著快速 發(fā)展 的 數(shù)字技術(shù)，數(shù)碼攝像機 具備較高 性能， 可完 成圖像的采集。 圖像獲取流程圖如下： 圖 41 圖像獲取原理圖 CCD 攝像機的簡介 監(jiān)控系統(tǒng)中，攝像機 又名 CCD 是 Charge Coupled Device 的縮寫 ，也就是 電荷耦合器件。 實際上 ，攝像機 包括 攝像頭和鏡頭 兩部分 ，鏡頭與攝像頭 一般 是分開購買的，鏡頭的焦距 是 用戶根據(jù)攝像頭與物體的距離 及 目標的大小計算 的結(jié)果 ， 故 每個鏡頭 根據(jù)用戶的 實際 使用 情況 不同 而 有所差異 [17]。 CCD 是攝像頭的 關(guān)鍵 傳感部件，它 主要 具有 以下 特點 ： 壽命長、抗震動、靈敏度高、畸變小、體積小、無殘影、抗磁場 。 它能 完成 光線 到 電荷 的轉(zhuǎn)變， 并 對其 轉(zhuǎn)移 和 儲存，取出儲運動物體 數(shù)字攝像機 CCD 攝像機 圖像采集卡 計算機 湖北理工學(xué)院畢業(yè)設(shè)計（論文） 18 存電荷 后還會導(dǎo)致 電壓發(fā)生 改變。故而 是理想的新型器件攝像元件 ，可取代 攝像管傳感器。 CCD 攝像機的工作原理 CCD 通過光學(xué)成像系統(tǒng)將 被攝 物體 成像在 CCD 上，圖像照在像敏單元上發(fā)生光電效應(yīng)，按亮度強弱把物體的反射光線轉(zhuǎn)變成相應(yīng)數(shù)目的載流子，一個時鐘周期內(nèi)，在轉(zhuǎn)移脈沖的作用下 CCD 的移位寄存器中收到門極上轉(zhuǎn)移的電子量，經(jīng) 圖像采集卡中放大電路放大信號，要想獲得數(shù)字信號需將模擬信號經(jīng) A/D 轉(zhuǎn)換 [18]。計算機或者其他處理器保存數(shù)字信號以完成圖像處理，同時獲得有關(guān)信息和數(shù)據(jù)。 CCD 攝像機的分類 （ 1） 依成像色彩劃分 彩色攝像機：景物細部辨別較為適合，像衣著或景物顏色的辨別。 黑白攝像機：在光線不充足地區(qū)且檢測景物 的移動或方位時，黑白攝像機可選用。 （ 2） 依分辨率靈敏度等劃分 像素低于 38萬為一般型，較為普遍的產(chǎn)品有 25 萬像素（ 512*492）、分辨率為 400 線。 影像像素高于 38萬的為高分辨率型。 （ 3） 按 CCD 靶面大小劃分 CCD 芯片已經(jīng)開發(fā)出多種尺寸： 目前采用的芯片大多數(shù)為 1/3和 1/4。在購買攝像頭時，特別是對攝像角度有比較嚴格要求的時候， CCD 靶面的大小， CCD與鏡頭的配合情況將直接影響視場角的大小和圖像的清晰度。 （ 4） 按同步方式劃分 內(nèi)同步：同 步信號由攝像機內(nèi)同步信號發(fā)生電路產(chǎn)生。 外同步：借助外同步信號發(fā)生器，使攝像機的外同步輸入端獲得同步信號。 功率同步（又稱線性鎖定）：屬垂直推動同步，由攝像機 AC 電源完成。 外 VD 同步：在攝像機信號電纜上輸入 VD 同步脈沖的完成外 VD同步。 多攝像機外同步：多臺攝像機外同步固定時，可保證每臺攝像機作業(yè)條件相同，即使某一臺攝像機切換景物，攝像機的畫面也能保持不失真。 湖北理工學(xué)院畢業(yè)設(shè)計（論文） 19 數(shù)據(jù)采集卡 圖像采集卡（ Image Capture Card），又稱圖像捕捉卡，是一種硬件設(shè)備，可對數(shù)字化視頻圖像信息進行獲取，還可實現(xiàn)播放和保存。大部分圖像采集卡不僅能獲取視頻信息，還能得到伴音，實現(xiàn)在數(shù)字化時同步保存和播放視頻和音頻。它是圖像處理必需的設(shè)施，把圖像信號采集到電腦，保存為數(shù)據(jù)文件的形式。利用相應(yīng)軟件，編輯處理數(shù)字化的視頻信號，如添加濾鐿、字幕和音效、剪切畫面、設(shè)置轉(zhuǎn)場效果和各種視頻特效的加入等，編輯后視頻信號被轉(zhuǎn)成標準格式，以便傳播。 大部分圖像采集卡都能實現(xiàn)壓縮，采集視頻信號前先壓縮視頻信號，再把壓縮的視頻數(shù)據(jù)經(jīng) PCI 接口傳到主機。 PC 視頻采集卡一般采用幀內(nèi)壓縮，數(shù)字化的視 頻會被存儲成 AVI 文件，高級的視頻采集卡能直接實時實現(xiàn)數(shù)字視頻數(shù)據(jù)壓縮成 MPEG1 格式。視頻采集卡對模擬視頻序列中的每幀圖像進行采集，并實時的完成數(shù)據(jù)存儲。故每一幀所需的處理時間是實現(xiàn)實時采集的關(guān)鍵。當每幀的處理時間大于相鄰兩幀的相隔時間，會丟失數(shù)據(jù)，也就是幀被丟失。采集卡都是把獲取的視頻序列先進行壓縮處理，然后再存入硬盤，也就是說視頻序列的獲取和壓縮是在一起完成的，免除了再次進行壓縮處理的不便 [19]。不同檔次的采集卡具有不同質(zhì)量的采集壓縮性能。 軟件實現(xiàn) 基本思想 要找出一個 目標之前，必須對檢測圖像分割出目標即車輛，為了目標的完好，還需進行必要的處理如開運算或閉運算。為了使圖像的噪聲降到最低值，還有必要對圖像進行中值濾波處理。然后根據(jù)實際圖像設(shè)定一個閥值，遍歷整個圖像，以興趣值大于該閥值點為候選點，閥值的選擇應(yīng)以候選點中包括需要的特征點，而又不包含過多的非特征點 [20]。再選一個一定大小的窗口，以該窗口遍歷灰度圖像，在此過程中取窗口中興趣值最大的候選點作為特征點。以及對目標標明計數(shù)，并找出目標的邊界，然后用不同顏色的線連接起邊界的四個點，即對目標外接矩形框，從而實現(xiàn)了目標的檢測 。 程序流程圖 湖北理工學(xué)院畢業(yè)設(shè)計（論文） 20 圖 42 運動物體檢測流程圖 運動物體檢測的實現(xiàn) 理論上該課題的研究應(yīng)該通過攝像機獲取視頻，然后提取視頻中的圖像來研究運動物體的狀態(tài)，但是考慮到設(shè)備情況以及論文研究的層次等多種因素，本文采用手機拍攝圖片，并盡量保證拍攝背景不變。不 管采用何種方法檢測運動物體，其前期的工作，比如圖片讀入、圖片的預(yù)處理都是需要的。下面先來討論實現(xiàn)運動物體檢測的兩種常用方法： Ⅰ）背景減法 首先對圖片進行讀?。? Im1=imread(39。39。)。 Im2=imread(39。39。)。 對讀入的彩色圖片進行灰度化并顯示： 結(jié)束 讀取圖片 圖像的預(yù)處理 （圖像灰度化、灰度圖增強、圖像二值化） 通過背景相減法、幀差法檢測出運動物體 對運動目標進行特征提?。ㄈ缛四槪? 對特征區(qū)域進行識別 開始 湖北理工學(xué)院畢業(yè)設(shè)計（論文） 21 Im3=rgb2gray(Im1)。 subplot(2,2,1),imshow(Im3)。 Im4=rgb2gray(Im2)。 subplot(2,2,2),imshow(Im4)。 利用中值濾波去除圖片噪聲： Im3=medfilt2(Im3,[3 3])。 Im4=medfilt2(Im4,[3 3])。 對圖片進行 sobel算子邊緣檢測， 進一步增強圖片效果： BW1 = edge(Im3,39。sobel39。)。 BW2 = edge(Im4,39。sobel39。)。 做圖像平滑處理： Msk=[0 0 0 0 0。 0 1 1 1 0。 0 1 1 1 0。 0 1 1 1 0。 0 0 0 0 0。]。 A=conv2(double(BW2),double(Msk))。 B=conv2(double(BW1),double(Msk))。 利用背景相減檢測運動物體，并顯示結(jié)果： figure,imshow(AB),title(39。背景相減法結(jié)果 39。)。 Ⅱ） 幀差法 CurImage=imread(39。39。)。 %RGB圖 % NxtImage=imread(39。39。)。 %RGB 圖 % CurGray=rgb2gray(CurImage)。 %灰度圖 % NxtGray=rgb2gray(NxtImage)。 D=abs(NxtGrayCurGray)。%得到差分圖 % subplot(2,2,1),imshow(D)。 t=40。 %此值可以調(diào)節(jié) t=t/256。 湖北理工學(xué)院畢業(yè)設(shè)計（論文） 22 D(D=t)=255。 D(Dt)=0。 subplot(2,2,2),imshow(D)。 人臉識別 論文到這里已經(jīng)基本完成了基于圖像處理的運動物體的檢測，但個人覺得設(shè)計部分稍顯單薄了些，經(jīng)與指導(dǎo)老師的探討，加入了人臉識別的功能，使論文更具備實用價值。要實現(xiàn)人臉識別，先要采集到人臉圖像，并對人臉進行檢測 和定位，對圖片做好預(yù)處理后根據(jù)特征提取完成對人臉的識別。以下為人臉的定位程序，利用紅色的矩形框?qū)⒚娌繀^(qū)域標示出來以表示定位： 讀取人臉圖片，進行灰度化： i=imread(39。39。)。 I=rgb2gray(i)。 BW=im2bw(I)。 figure,imshow(BW) 圖 46 灰度化 對背景部分最小化： [n1 n2]=size(BW)。 r=floor(n1/10)。 c=floor(n2/10)。 x1=1。x2=r。 湖北理工學(xué)院畢業(yè)設(shè)計（論文） 23 s=r*c。 for i=1:10 y1=1。y2=c。 for j=1:10 if (y2=c | y2=9*c) | (x1==1 | x2==r*10) loc=find(BW(x1:x2, y1:y2)==0)。 [o p]=size(loc)。 pr=o*100/s。 if pr=100 BW(x1:x2, y1:y2)=0。 r1=x1。r2=x2。s1=y1。s2=y2。 pr1=0。 end imshow(BW)。 end y1=y1+c。 y2=y2+c。 end x1=x1+r。 x2=x2+r。 end figure,imshow(BW) 湖北理工學(xué)院畢業(yè)設(shè)計（論文） 24 圖 47 邊緣檢測圖 檢測人臉對象并進行定位： L = bwlabel(BW,8)。 BB = regionprops(L, 39。BoundingBox39。)。 BB1=struct2cell(BB)。 BB2=cell2mat(BB1)。 [s1 s2]=size(BB2)。 mx=0。 for k=3:4:s21 p=BB2(1,k)*BB2(1,k+1)。 if pmx amp。 (BB2(1,k)/BB2(1,k+1)) mx=p。 j=k。 end end figure,imshow(I)。 hold on。 rectangle(39。Position39。,[BB2(1,j2),BB2(1,j1),BB2(1,j),BB2(1,j+1)],39。EdgeColor39。,39。r39。 ) 湖北理工學(xué)院畢業(yè)設(shè)計（論文） 25 圖 48 人臉定位結(jié)果圖 面部檢測與定位實現(xiàn)后，下面來完成臉部的識別，本文的識別系統(tǒng)通過事先建立兩個圖片數(shù)據(jù)庫，一個庫里面包含所有的臉部圖像，一個庫里面僅存放部分的臉部圖片作為測試圖片，當測試圖片確定后，通過運行人臉識別系統(tǒng)，會自動在另一個庫中找出同一個人的不同表情的圖片，即完成人臉識別。 clear all clc close all TrainDatabasePath = uigetdir(39。C:\Documents and Settings\Administrator\桌面\PCA_based Face Recognition System39。, 39。Select training database path39。 )。 %選擇訓(xùn)練和測試數(shù)據(jù)庫的路徑 TestDatabasePath = uigetdir(39。C:\Documents and Settings\Administrator\桌面\PCA_based Face Recognition System39。, 39。Select test database path39。)。 %選擇測試圖像的路徑 prompt = {39。輸入測試圖片號碼 (數(shù)字 110):39。}。 例如在彈出的對話框中輸入 6， MATLAB 界面如下： 湖北理工學(xué)院畢業(yè)設(shè)計（論文） 2