【正文】 圖表整潔，布局合理，文字注釋必須使用工程字書寫，不準用徒手畫3）畢業(yè)論文須用A4單面打印，論文50頁以上的雙面打印4）圖表應(yīng)繪制于無格子的頁面上5）軟件工程類課題應(yīng)有程序清單，并提供電子文檔1）設(shè)計（論文）2）附件：按照任務(wù)書、開題報告、外文譯文、譯文原文（復(fù)印件）次序裝訂3）其它。：任務(wù)書、開題報告、外文譯文、譯文原文（復(fù)印件）。涉密論文按學(xué)校規(guī)定處理。作者簽名： 日期： 年 月 日學(xué)位論文版權(quán)使用授權(quán)書本學(xué)位論文作者完全了解學(xué)校有關(guān)保留、使用學(xué)位論文的規(guī)定，同意學(xué)校保留并向國家有關(guān)部門或機構(gòu)送交論文的復(fù)印件和電子版，允許論文被查閱和借閱。對本文的研究做出重要貢獻的個人和集體，均已在文中以明確方式標明。作者簽名：　　 　 　　 日　 期：　　 　 　　 學(xué)位論文原創(chuàng)性聲明本人鄭重聲明：所呈交的論文是本人在導(dǎo)師的指導(dǎo)下獨立進行研究所取得的研究成果。對本研究提供過幫助和做出過貢獻的個人或集體，均已在文中作了明確的說明并表示了謝意。信息技術(shù)，2002，26(12)：78畢業(yè)設(shè)計（論文）原創(chuàng)性聲明和使用授權(quán)說明原創(chuàng)性聲明本人鄭重承諾：所呈交的畢業(yè)設(shè)計（論文），是我個人在指導(dǎo)教師的指導(dǎo)下進行的研究工作及取得的成果。碩士學(xué)位論文，江蘇大學(xué)，2008[19] 王軍利，王樹根。碩士學(xué)位論文，北京交通大學(xué)，2008[17] Cucchiara R, Grana C, Piccardi M, et al. Detecting moving objects, ghosts and shadows in video streams[J]. IEEE Trans. on Patt. Anal. and Machine Intell, 2003, 25 (10): 13371342[18] 耿劍鋒。微處理機，2008，10(5)： 116121[16] 王寧。計算機與信息技術(shù)，2007，5(5)： 6569[15] 劉雪，常發(fā)亮，王華杰。計算機應(yīng)用，2008，28(12)：31413143[13] Gevers T, Smeulders AWM. Colour based Object recognition[J]. Pattern recognition, 1999, 32 (3): 453464[14] 黃建清，李中益，張利珍。碩士學(xué)位論文，吉林大學(xué)，2006[8] Nadimi S, Bhanu B. Physical models for moving shadow and object detection in video[J]. IEEE Transactions on PAT ERN Analaysis And Machine Intelligence,2004,26(8):10791087[9] Angie WKS, Wong KKY, Chung RHY, et al. Shadow Detection for Vehicles by Locating the Object Shadow Boundary[A]. In: The Seventh IASTED International Conference on Signal and Image Processing (SIP 2005)[C]. August 1517, 2005[10] Bevilacqua A, Roffilli M. Robust denoising and moving shadows detection in traffic scenes[A]. In: IEEE Computer Society Conference on Computer Vision and Pattern Recognition[C]. Dec 914, 2001[11] Hoang M A, Geusebroek J M. corlor texture measurement and segmentation[J]. Signal Processing, 2005, 85 (2): 265275[12] 胡園園，王讓定。研究生學(xué)位論文，中國海洋大學(xué)，2008[7] 陳永康。博士學(xué)位論文，浙江大學(xué)，2003[6] 何東曉。碩士學(xué)位論文，中北大學(xué)，2005[5] 潘翔。碩士學(xué)位論文，國防科學(xué)技術(shù)大學(xué)研究生院，2007[4] 張楊。碩士學(xué)位論文，國防科學(xué)技術(shù)大學(xué)研究生院，2006[3] 吳亮。碩士學(xué)位論文，西安電子科技大學(xué)，2005[2] 楊健全。參考文獻[1] 趙俊。(3) 混合高斯模型方法仍可以加快其背景更新的速度，目前混合高斯模型對背景模型和前景模型都進行了建模，可以考慮有選擇性的建模更新，從而增強算法的適應(yīng)性。如何使多個攝像機協(xié)同工作，有效地發(fā)揮多視角的作用從而提高檢測的精確度，是以后工作中需要重點考慮的問題。 展望由于智能監(jiān)控系統(tǒng)是一項涉及很多項學(xué)科的技術(shù)，如何使智能監(jiān)控系統(tǒng)的魯棒性更強、準確度更高和處理速度更快是一個長期的研究課題。(3) 在詳細分析了陰影產(chǎn)生的機理以及視覺特征的基礎(chǔ)上，對目前已經(jīng)存在的陰影檢測算法進行了總結(jié)概括。(2) 根據(jù)視頻監(jiān)控系統(tǒng)多為靜止的情況，選擇了以混合高斯模型為基礎(chǔ)的RGB顏色空間檢測方法。本文以運動目標檢測和陰影去除相關(guān)的關(guān)鍵技術(shù)為研究內(nèi)容，旨在實現(xiàn)精確、穩(wěn)定的運動目標檢測和陰影去除算法，以期為實現(xiàn)各種高層理解做好準備。智能視頻監(jiān)控是利用計算機視覺技術(shù)對視頻信號進行處理、分析和理解，在不需要人為干預(yù)的情況下，通過對圖像序列自動分析監(jiān)控場景中的變化進行定位、識別和跟蹤，并在此基礎(chǔ)上分析和判斷目標的行為，在異常情況發(fā)生時及時發(fā)出警報或提供有用信息，有效地協(xié)助監(jiān)控人員處理危機，并最大限度地降低誤報和漏報現(xiàn)象。雖然監(jiān)控系統(tǒng)己經(jīng)廣泛地存在于各公共場所，但實際的監(jiān)控任務(wù)仍需要較多的人工完成，而且現(xiàn)有的視頻監(jiān)控系統(tǒng)通常只是錄制視頻圖像，提供的信息是沒有經(jīng)過解釋的視頻圖像，只能用作事后取證，沒有充分發(fā)揮監(jiān)控的實時性和主動性。雖然投射的陰影部分基本都被去掉了，不過也有一些不屬于陰影的部分但與陰影部分顏色十分相似的目標區(qū)域也被去掉了，在目標區(qū)域留下了空洞。(a)所示是所拍攝的圖像序列的原始圖像，(b)為未進行陰影去除所得到的運動前景檢測結(jié)果，(c)為根據(jù)本文說討論的基于RGB顏色模型進行陰影去除后所得到的二值圖。 實驗結(jié)果為了驗證基于RGB顏色空間陰影去除算法的可行性，我們對所拍攝的圖像序列進行了實驗，待檢測的圖像序列的分辨率為640480像素，實驗平臺為MATLAB軟件。 去除斑點的結(jié)構(gòu)單元(2) 針對M’中極小部分陰影被誤檢成前景，還有部分噪聲不能很好被去除的情況，可采用數(shù)學(xué)形態(tài)學(xué)濾波的方法去除，濾波采用的方法根據(jù)噪聲、目標大小而定。 前景目標去噪與重建盡管采用基于RGB顏色空間的陰影檢測方法能夠較好的對陰影進行去除，但總有一些前景像素會被錯誤地檢測為陰影像素，這樣就會造成前景目標的失真，數(shù)學(xué)形態(tài)學(xué)理論可以用來重建原始圖像。這里我們采用模型： （） （） （）其中，、的取值范圍均為。由于圖像的顏色不變性，所以無論是在陰影區(qū)域還是在光線下，每個像素點的顏色特性都是一定的。所以，我們運用顏色的不變性來檢測并去除陰影。(2) 協(xié)方差差分算子協(xié)方差算子可以通過對直接差分算子的改進而得到。(1) 直接差分算子，設(shè)中心像素的位置為(i,j)，相應(yīng)的顏色分量值為f(i,j)，則差分算子表示為： （） 高斯拉普拉斯模板(i1, j1)(i1, j)(i1, j+1)(i, j1)(i, j)(i, j+1)(i+1, j1)(i+1, j)(i+1, j+1)該算子的數(shù)學(xué)意義就是用高斯拉普拉斯模板與彩色圖像上的各顏色分量作卷積運算，卷積運算的結(jié)果用T表示，它可作為判斷某一個像素點是否位于陰影區(qū)域的閾值。陰影是有顏色的，但由于遮擋，一般情況下，陰影區(qū)域中的像素亮度值要比非陰影區(qū)域小，特別是R、G二個分量都比較小。因此本文就直接利用RGB顏色空間來去除陰影的。在RGB顏色空間中，處于陰影中的像素點大多數(shù)都有以下特征[18]：(1) RGB分量的值相對于背景都降低了，而且與背景像素值成線性關(guān)系；(2) 在陰影中RGB的值所占的比例與背景中所占的比例大致相似；(3) 在陰影中R分量和G分量下降的幅度要相對大于B分量，所以陰影區(qū)域中R、G顏色分量的像素亮度值都比較小，主要原因是在以太陽光為光源的攝像過程中，外界環(huán)境對藍色光分量的散射是比較強的。因此，有些情況下采用HSV顏色模型來計算陰影會失效。這種情況下，HSV分量的變化就不能反映出陰影區(qū)域的光學(xué)特性，因此基于HSV的陰影檢測系統(tǒng)將會產(chǎn)生檢測錯誤。從上面所討論的來看，HSV模型似乎更適合用來進行陰影的檢測，但是經(jīng)過實際應(yīng)用可以發(fā)現(xiàn)：如果當背景圖像中某幾個像素的RGB值相等，則此像素轉(zhuǎn)化為HSV模型之后，計算出的H值和S值均為0。由于HSV三個分量是獨立的，可以分開來單獨考慮。通常實驗中所用的視頻都是基于RGB顏色空間的，但在文獻[17]中利用HSV顏色空間去除陰影，從陰影的特性看起來采用HSV模型似乎很適合用來陰影的檢測，且該顏色空間能夠很好地分離色度和亮度成份。在RGB顏色空間中，彩色圖像的三個分量不僅代表色調(diào)和亮度，而且還存在著很大的相關(guān)性。這樣就可以不用遍歷整幅圖像，從而減小系統(tǒng)開銷了。通過運動目標檢測以及一些后處理操作，已經(jīng)能夠得到包含運動目標和陰影的前景圖像。對于當前幀的每一個像素點值Xij,t，相對應(yīng)的背景像素點值為Bij,t，則可由公式()得到前景二值圖像FG： ()其中，1表示前景區(qū)域，即運動目標；0表示背景區(qū)域。而陰影區(qū)域的像素色度并沒有明顯變化，即在一定的亮度條件下，同一物體在陰影區(qū)域和不在陰影區(qū)域的色度是接近一致的。根據(jù)色度反射模型，給定點對于波長的反射光可表示為： （）其中表示波長周圍的反射光；表示波長的體反射光；表示波長表面的反射光。在本影區(qū)域中，由于物體遮擋住了直射的太陽光，所以只有天空的散射光。但實際上，對于彩色的圖像來說，像素點的亮度是由RGB這三個通道的值來決定的，陰影區(qū)域中的像素點和非陰影區(qū)域的像素點的差別除了在亮度上還有角度上也有差別。本論文中主要是分析陰影的光學(xué)特性，并且以此為依據(jù)檢測運動目標的陰影。 陰影的光學(xué)特性陰影的特性主要分為光學(xué)特性和空間特性?；陬伾年幱叭コ饕抢棉D(zhuǎn)化顏色空間的方法來去除亮度的影響從而去除陰影的。紋理信息的陰影去除主要基于被陰影覆蓋的背景區(qū)域與覆蓋前相比只是亮度顯著變化，而紋理基本保持不變這一特性。在文獻[9]中，Angie 。 基于陰影屬性的陰影檢測算法基于陰影屬性的算法是直接利用陰影本身特有的屬性，比如邊緣信息、陰影的亮度、紋理信息、不同的顏色空間等?；谀Ｐ偷姆椒ㄓ捎诰哂心撤N知識模型的支持，會取得效果相對較好的檢測結(jié)果，但是其模型往往非常復(fù)雜，尤其在背景比較復(fù)雜、光照條件比較差的場合下，模型的復(fù)雜度和計算時間都會迅速增加。Nadimi S和Bhanu B在文獻[8]中提出的方法是一種依據(jù)照明和反射的物理模型方法，它不依賴物體、背景的類型和畫面的幾何性，但是需要訓(xùn)練，計算場景中來自陰影的每個背景表面的顏色向量。一旦得到陰影的顏色模型，它就可以對連續(xù)幀中的視頻用零視差約束的方法進行陰影檢測。Jeong K等提出利用雙目攝像機來去除陰影的方法。 基于模型的陰影檢測算法基于模型的算法，需要事先利用場景、運動目標的三維幾何結(jié)構(gòu)和光照等方面的已知信息建立陰影模型，然后根據(jù)陰影模型可以精確地計算出陰影的形狀和位置。因此，近年來陰影檢測成和去除成為智能視