【正文】 例如在彈出的對(duì)話框中輸入 6， MATLAB 界面如下： 湖北理工學(xué)院畢業(yè)設(shè)計(jì)（論文） 26 。輸入測(cè)試圖片號(hào)碼 (數(shù)字 110):39。)。, 39。 %選擇訓(xùn)練和測(cè)試數(shù)據(jù)庫的路徑 TestDatabasePath = uigetdir(39。Select training database path39。C:\Documents and Settings\Administrator\桌面\PCA_based Face Recognition System39。 ) 湖北理工學(xué)院畢業(yè)設(shè)計(jì)（論文） 25 圖 48 人臉定位結(jié)果圖 面部檢測(cè)與定位實(shí)現(xiàn)后，下面來完成臉部的識(shí)別，本文的識(shí)別系統(tǒng)通過事先建立兩個(gè)圖片數(shù)據(jù)庫，一個(gè)庫里面包含所有的臉部圖像，一個(gè)庫里面僅存放部分的臉部圖片作為測(cè)試圖片，當(dāng)測(cè)試圖片確定后，通過運(yùn)行人臉識(shí)別系統(tǒng)，會(huì)自動(dòng)在另一個(gè)庫中找出同一個(gè)人的不同表情的圖片，即完成人臉識(shí)別。,39。,[BB2(1,j2),BB2(1,j1),BB2(1,j),BB2(1,j+1)],39。 rectangle(39。 end end figure,imshow(I)。 (BB2(1,k)/BB2(1,k+1)) mx=p。 for k=3:4:s21 p=BB2(1,k)*BB2(1,k+1)。 [s1 s2]=size(BB2)。 BB1=struct2cell(BB)。BoundingBox39。 end figure,imshow(BW) 湖北理工學(xué)院畢業(yè)設(shè)計(jì)（論文） 24 圖 47 邊緣檢測(cè)圖 檢測(cè)人臉對(duì)象并進(jìn)行定位： L = bwlabel(BW,8)。 end x1=x1+r。 end y1=y1+c。 pr1=0。s1=y1。 r1=x1。 pr=o*100/s。 for j=1:10 if (y2=c | y2=9*c) | (x1==1 | x2==r*10) loc=find(BW(x1:x2, y1:y2)==0)。 for i=1:10 y1=1。x2=r。 c=floor(n2/10)。 figure,imshow(BW) 圖 46 灰度化 對(duì)背景部分最小化： [n1 n2]=size(BW)。 I=rgb2gray(i)。39。要實(shí)現(xiàn)人臉識(shí)別，先要采集到人臉圖像，并對(duì)人臉進(jìn)行檢測(cè) 和定位，對(duì)圖片做好預(yù)處理后根據(jù)特征提取完成對(duì)人臉的識(shí)別。 subplot(2,2,2),imshow(D)。 湖北理工學(xué)院畢業(yè)設(shè)計(jì)（論文） 22 D(D=t)=255。 t=40。 D=abs(NxtGrayCurGray)。 %RGB 圖 % CurGray=rgb2gray(CurImage)。39。)。 Ⅱ） 幀差法 CurImage=imread(39。背景相減法結(jié)果 39。 B=conv2(double(BW1),double(Msk))。]。 0 1 1 1 0。 0 1 1 1 0。)。 BW2 = edge(Im4,39。sobel39。 Im4=medfilt2(Im4,[3 3])。 subplot(2,2,2),imshow(Im4)。 subplot(2,2,1),imshow(Im3)。)。 Im2=imread(39。39。不 管采用何種方法檢測(cè)運(yùn)動(dòng)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。以及對(duì)目標(biāo)標(biāo)明計(jì)數(shù)，并找出目標(biāo)的邊界，然后用不同顏色的線連接起邊界的四個(gè)點(diǎn)，即對(duì)目標(biāo)外接矩形框，從而實(shí)現(xiàn)了目標(biāo)的檢測(cè) 。然后根據(jù)實(shí)際圖像設(shè)定一個(gè)閥值，遍歷整個(gè)圖像，以興趣值大于該閥值點(diǎn)為候選點(diǎn)，閥值的選擇應(yīng)以候選點(diǎn)中包括需要的特征點(diǎn)，而又不包含過多的非特征點(diǎn) [20]。 軟件實(shí)現(xiàn) 基本思想 要找出一個(gè) 目標(biāo)之前，必須對(duì)檢測(cè)圖像分割出目標(biāo)即車輛，為了目標(biāo)的完好，還需進(jìn)行必要的處理如開運(yùn)算或閉運(yùn)算。采集卡都是把獲取的視頻序列先進(jìn)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(jìn)行壓縮處理的不便 [19]。故每一幀所需的處理時(shí)間是實(shí)現(xiàn)實(shí)時(shí)采集的關(guān)鍵。 PC 視頻采集卡一般采用幀內(nèi)壓縮，數(shù)字化的視 頻會(huì)被存儲(chǔ)成 AVI 文件，高級(jí)的視頻采集卡能直接實(shí)時(shí)實(shí)現(xiàn)數(shù)字視頻數(shù)據(jù)壓縮成 MPEG1 格式。利用相應(yīng)軟件，編輯處理數(shù)字化的視頻信號(hào)，如添加濾鐿、字幕和音效、剪切畫面、設(shè)置轉(zhuǎn)場(chǎng)效果和各種視頻特效的加入等，編輯后視頻信號(hào)被轉(zhuǎn)成標(biāo)準(zhǔn)格式，以便傳播。大部分圖像采集卡不僅能獲取視頻信息，還能得到伴音，實(shí)現(xiàn)在數(shù)字化時(shí)同步保存和播放視頻和音頻。 多攝像機(jī)外同步：多臺(tái)攝像機(jī)外同步固定時(shí)，可保證每臺(tái)攝像機(jī)作業(yè)條件相同，即使某一臺(tái)攝像機(jī)切換景物，攝像機(jī)的畫面也能保持不失真。 功率同步（又稱線性鎖定）：屬垂直推動(dòng)同步，由攝像機(jī) AC 電源完成。 （ 4） 按同步方式劃分 內(nèi)同步：同 步信號(hào)由攝像機(jī)內(nèi)同步信號(hào)發(fā)生電路產(chǎn)生。 （ 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。 （ 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。 CCD 攝像機(jī)的分類 （ 1） 依成像色彩劃分 彩色攝像機(jī)：景物細(xì)部辨別較為適合，像衣著或景物顏色的辨別。 CCD 攝像機(jī)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(qiáng)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(gè)時(shí)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(hào)，要想獲得數(shù)字信號(hào)需將模擬信號(hào)經(jīng) A/D 轉(zhuǎn)換 [18]。 它能 完成 光線 到 電荷 的轉(zhuǎn)變， 并 對(duì)其 轉(zhuǎn)移 和 儲(chǔ)存，取出儲(chǔ)運(yùn)動(dòng)物體 數(shù)字?jǐn)z像機(jī) CCD 攝像機(jī) 圖像采集卡 計(jì)算機(jī) 湖北理工學(xué)院畢業(yè)設(shè)計(jì)（論文） 18 存電荷 后還會(huì)導(dǎo)致 電壓發(fā)生 改變。 實(shí)際上 ，攝像機(jī) 包括 攝像頭和鏡頭 兩部分 ，鏡頭與攝像頭 一般 是分開購(gòu)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(biāo)的大小計(jì)算 的結(jié)果 ， 故 每個(gè)鏡頭 根據(jù)用戶的 實(shí)際 使用 情況 不同 而 有所差異 [17]。隨 著快速 發(fā)展 的 數(shù)字技術(shù)，數(shù)碼攝像機(jī) 具備較高 性能， 可完 成圖像的采集。 硬件實(shí)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(jī)、圖像采集卡和光源組成。從圖像中將變化區(qū)域提取出來 是運(yùn)動(dòng)目標(biāo)檢測(cè)的目的。在 不同時(shí)刻 ，對(duì) 幀圖像或多幀圖像 進(jìn)行 采集 ， 相機(jī)與景物之間的相對(duì)運(yùn)動(dòng)信息 及 景物本身發(fā)生變化的運(yùn)動(dòng)信息 都被包含在內(nèi) 。 動(dòng)態(tài)圖像 又稱 圖像序列 ， 組成 部分是 一序列 的 圖像。故背景更新與背景建模比較理想時(shí)，背景差分算法的檢測(cè)效果比幀間差分略好。由于背景建模算法的引入，使得背景對(duì)噪聲有一定的抑制作用。二維數(shù)字圖像的平面坐標(biāo)表示為 (x, y)，基于背景減法的二值化數(shù)學(xué)表達(dá)式如下： Di(x,y)=|Ii(x,y)－ Bi(x,y)| (26) 1,DiT Mi(x,y)＝ (27) 0,Di≤ T 圖像序列中當(dāng)前幀的灰度圖像為 Ii(x,y)， Bi (x, y)為當(dāng)前幀背景的灰度 圖像 ,Mi(x,y)表示相減后的二值化結(jié)果， T 表示對(duì)應(yīng)的相減后灰度圖像的閾值。這時(shí)候就需要用背景建模和背景更新算法來彌補(bǔ)。 背景減法 背景減法實(shí)際上是指背景圖像與實(shí)時(shí)輸入的場(chǎng)景圖像差分的過程，此法分割的運(yùn)動(dòng)目標(biāo)準(zhǔn)確。比如目標(biāo)運(yùn)動(dòng)快速，則時(shí)間間隔選擇較短，若選擇不合適，會(huì)導(dǎo)致前后兩幀目標(biāo)不重疊，而使目標(biāo)有兩個(gè)；比如目標(biāo)運(yùn)動(dòng)緩慢，則時(shí)間間隔選擇較長(zhǎng)，若選擇不恰當(dāng)，會(huì)導(dǎo)致前后兩幀目標(biāo)全部重疊而無法對(duì)目標(biāo)進(jìn)行檢測(cè)。而且當(dāng)前景運(yùn)動(dòng)很慢且時(shí)間間隔選擇不合適時(shí)，容易出現(xiàn)物體不被檢測(cè)到的情況，并且可能產(chǎn)生“雪花”般的噪聲，圖像局部的干擾造成上述問題。 1,DiT Mi(x,y)= （ 25） 0,Di≤ T 運(yùn)用幀間差分方法進(jìn)行運(yùn)動(dòng)目標(biāo)的檢測(cè)，可以有效的檢測(cè)出運(yùn)動(dòng)物體，可以使背景像素不隨時(shí)間積累，迅速更新，因此這種算法有比較強(qiáng)的適應(yīng)場(chǎng)景變化能力。光流法由于很難達(dá)到實(shí)時(shí)性要求，因此不做研究。不過，會(huì)有空洞現(xiàn)象產(chǎn)生在運(yùn)動(dòng)實(shí)體內(nèi)，運(yùn)動(dòng)目標(biāo)的提取不完整，對(duì)下一步分析和處理有影響。 (3)幀間差法 幀間差法根據(jù)當(dāng)前圖像與參考圖像的差別來獲得運(yùn)動(dòng)目標(biāo)輪廓。雖然提取運(yùn)動(dòng)目標(biāo)較完整，但對(duì)環(huán)境變化過于敏感，比如光照等，從而導(dǎo)致檢測(cè)出的結(jié)果包含運(yùn)動(dòng)目標(biāo)的陰影。 (2)背景減法 確定視頻背景模型中已存儲(chǔ)的或者實(shí)時(shí)獲得的灰度值，再將實(shí)時(shí)視頻流中圖像像素點(diǎn)灰度值取出，將兩者進(jìn)行比較，運(yùn)動(dòng)像素被認(rèn)為是不符合要求的像素點(diǎn)。該方法即使提前不知道場(chǎng)景的任何信息，也能將獨(dú)立的運(yùn)動(dòng)目標(biāo)檢測(cè)出，能較好的適應(yīng)變化的復(fù)雜背景。方法如下： (1)光流法 圖像上，對(duì)應(yīng)目標(biāo)的亮度信息（光流 ）隨目標(biāo)運(yùn)動(dòng)會(huì)發(fā)生運(yùn)動(dòng)。故對(duì)運(yùn)動(dòng)檢測(cè)算法做研究時(shí)，假設(shè)固定攝像頭，只檢測(cè)視場(chǎng)內(nèi)的目標(biāo)，新目標(biāo)定義為離開視場(chǎng)后又一次進(jìn)入的物體。由于絕大多數(shù)算法都是基于 PC機(jī)的實(shí)現(xiàn)，很少將算法的實(shí)時(shí)性作為參考要素。進(jìn)行閾值計(jì)算時(shí)還應(yīng)注意迭代速度和精度的矛盾。在這個(gè)時(shí)候，選擇像灰度值的中間值作為初始值才更合適。 圖像中對(duì)象和背景占據(jù)相近面積時(shí)，良好的初始值是圖像的平均灰度值。如果對(duì)象與背景的區(qū)域是不一樣的，一個(gè)像素的組合將直方圖中占主導(dǎo)地位，平 均灰度值是不是一個(gè)好的初步選擇。 T=1/2(μ 2+μ 1) (5)重復(fù)步驟 (2)到 (4)，當(dāng)逐次迭代所得到的 T 值之差小于預(yù)先定義的參數(shù)時(shí)結(jié)束重復(fù)。 (3)對(duì)區(qū)域 G1 中的所有像素計(jì)算平均灰度值μ 1，對(duì)區(qū)域 G2中的所有像素計(jì)算平均灰度值μ 2。基本步驟如下： (1)選擇一個(gè) T的初始估計(jì)值 (2)用 T分割圖像。然后在每個(gè)子塊中分別找到該子塊中的最佳閾值，這種方法稱作局部閾值法。 閾值法包括全局閾值法和局部閾值法。因此，許多 人 提出了選取方法的閾值。上面提到的相關(guān)算法，閾值的選擇是由靜態(tài)閾值固定。 Surendra 算法提取背景及目標(biāo)提取都需對(duì)圖像二值化。 (5)m 自增，即 m=m+1，進(jìn)行第 (3)步的運(yùn)算。 (2)選閾值 T，迭代次數(shù)取 m 為 1，最大的迭代數(shù)為 MAXSTEP。 Surendra 算法 Surendra 算法可以自適應(yīng)地獲取背景圖像，該算法實(shí)現(xiàn)提取背景的原理是判斷差值圖像的亮度值，當(dāng)亮度大于閾值，背景圖像中對(duì)應(yīng)位置上的像素點(diǎn)保持不變，否則用當(dāng)前幀替換背景圖像 [13]。該算法還具有一定程度的自適應(yīng)更新功能 。 運(yùn)動(dòng)物體多且軌跡很固定時(shí)，也要增大 N的值 ，使平均值接近真實(shí)背景?？紤]物體運(yùn)動(dòng)數(shù)量的影響，增加的幀的平均數(shù)，背景圖像的質(zhì)量得到增強(qiáng)。 算術(shù)平均法的 特點(diǎn)是模型簡(jiǎn)單，計(jì)算方便，得到背景的圖像效果較好。在實(shí)際場(chǎng)景中，一段時(shí)間內(nèi)，同一區(qū)域很少有可能總是存在運(yùn)動(dòng)物體。即可將背景圖像中的突變?cè)肼朁c(diǎn)濾除。讀取視頻后，觀察某一像素點(diǎn)，會(huì)發(fā)現(xiàn)在沒有前景運(yùn)動(dòng)目標(biāo)，該點(diǎn)的灰度值保持穩(wěn)定，變化不大，當(dāng)前景存在運(yùn)動(dòng)目標(biāo) 通過時(shí)，這一點(diǎn)的灰度值會(huì)發(fā)生劇烈的變化。它還可以過濾圖像中的背景噪聲的點(diǎn)突變。在讀取視頻，一 個(gè)像素的觀察，會(huì)發(fā)現(xiàn)在沒有前景運(yùn)動(dòng)目標(biāo)，該點(diǎn)的灰度值保持穩(wěn)定，變化不大，只有當(dāng)前場(chǎng)景中運(yùn)動(dòng)目標(biāo)的灰度的劇烈變化，會(huì)一點(diǎn)。同時(shí)用于存儲(chǔ)數(shù)據(jù)內(nèi)存的單元被大量占用。該算法涉及到的圖像幀的像素點(diǎn)數(shù)量巨大，從而導(dǎo)致用于取中值的圖像幀數(shù)量 N值大。從統(tǒng)計(jì)學(xué)角度講，統(tǒng)計(jì)中值算法是指統(tǒng)計(jì)連續(xù)幀圖像中，單個(gè)像素點(diǎn) Ai(x,y),(i=1,2,? N)的亮度值 Bi。此方法無法實(shí)現(xiàn)自適應(yīng)背景的更新功能，而且對(duì)于亮度，光線等變化帶來的背景誤差要使用其他方法進(jìn)行校正。 手動(dòng)背景法 湖北理工學(xué)院畢業(yè)設(shè)計(jì)（論文） 12 手動(dòng)背景法選取背景圖像的方法：在人觀察到?jīng)]有前景物體時(shí)啟動(dòng)該幀圖像。為解決以上問題，有人提出了背景建立和自適應(yīng)的背景模型，通過背景模型的實(shí)時(shí)更新，能準(zhǔn)確地檢測(cè)到運(yùn)動(dòng)目標(biāo)。此時(shí)，不管是使用幀間差法，還是使用背景差法，建立質(zhì)量良好的背景在運(yùn)動(dòng)目標(biāo)識(shí)別中顯得格外重要。 圖像背景提取與更新算法 運(yùn)動(dòng)目標(biāo)檢測(cè) 時(shí)，區(qū)分出背景范圍和運(yùn)動(dòng)目標(biāo)是很重要的一步，攝像機(jī)靜止不動(dòng)并且焦距固定是最常見的情況。此外 ,還有時(shí)時(shí)