【正文】 45。他無(wú)論在理論上還是在實(shí)踐中，都給與我很大的幫助，使我得到不少的提高這對(duì)于我以后的工作和學(xué)習(xí)都有一種巨大的幫助，感謝他耐心的輔導(dǎo)。是他們?cè)谖耶厴I(yè)的最后關(guān)頭給了我們巨大的幫助與鼓勵(lì)，給了我很多解決問(wèn)題的思路，在此表示衷心的感激。在我的十幾年求學(xué)歷程里，離不開(kāi)父母的鼓勵(lì)和支持，是他們辛勤的勞作，無(wú)私的付出，為我創(chuàng)造良好的學(xué)習(xí)條件，我才能順利完成完成學(xué)業(yè)，感激他們一直以來(lái)對(duì)我的撫養(yǎng)與培育。學(xué)友情深，情同兄妹?；厥姿哪辏〉昧诵┰S成績(jī)，生活中有快樂(lè)也有艱辛。四年的大學(xué)生活就快走入尾聲，我們的校園生活就要?jiǎng)澤暇涮?hào)，心中是無(wú)盡的難舍與眷戀。另外，我還要感謝大學(xué)四年和我一起走過(guò)的同學(xué)朋友對(duì)我的關(guān)心與支持，與他們一起學(xué)習(xí)、生活，讓我在大學(xué)期間生活的很充實(shí)，給我留下了很多難忘的回憶。再次對(duì)周巍老師表示衷心的感謝。郭謙功老師淵博的知識(shí)、嚴(yán)謹(jǐn)?shù)淖黠L(fēng)和誨人不倦的態(tài)度給我留下了深刻的印象。沒(méi)有他們的幫助，我將無(wú)法順利完成這次設(shè)計(jì)。經(jīng)過(guò)這次畢業(yè)設(shè)計(jì)，我的能力有了很大的提高，比如操作能力、分析問(wèn)題的能力、合作精神、嚴(yán)謹(jǐn)?shù)墓ぷ髯黠L(fēng)等方方面面都有很大的進(jìn)步。本次畢業(yè)設(shè)計(jì)大概持續(xù)了半年，現(xiàn)在終于到結(jié)尾了。作者簽名: 二〇一〇年九月二十日致 謝時(shí)間飛逝，大學(xué)的學(xué)習(xí)生活很快就要過(guò)去，在這四年的學(xué)習(xí)生活中，收獲了很多，而這些成績(jī)的取得是和一直關(guān)心幫助我的人分不開(kāi)的。本人愿意按照學(xué)校要求提交學(xué)位論文的印刷本和電子版，同意學(xué)校保存學(xué)位論文的印刷本和電子版，或采用影印、數(shù)字化或其它復(fù)制手段保存設(shè)計(jì)（論文）；同意學(xué)校在不以營(yíng)利為目的的前提下，建立目錄檢索與閱覽服務(wù)系統(tǒng)，公布設(shè)計(jì)（論文）的部分或全部?jī)?nèi)容，允許他人依法合理使用。作者簽名: 二〇一〇年九月二十日本聲明的法律后果由本人承擔(dān)。盡我所知，除文中已經(jīng)注明引用的內(nèi)容外，本設(shè)計(jì)（論文）不含任何其他個(gè)人或集體已經(jīng)發(fā)表或撰寫(xiě)過(guò)的作品成果。學(xué)位論文作者（本人簽名）： 年 月 日學(xué)位論文出版授權(quán)書(shū)本人及導(dǎo)師完全同意《中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù)出版章程》、《中國(guó)優(yōu)秀碩士學(xué)位論文全文數(shù)據(jù)庫(kù)出版章程》(以下簡(jiǎn)稱“章程”)，愿意將本人的學(xué)位論文提交“中國(guó)學(xué)術(shù)期刊（光盤(pán)版）電子雜志社”在《中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù)》、《中國(guó)優(yōu)秀碩士學(xué)位論文全文數(shù)據(jù)庫(kù)》中全文發(fā)表和以電子、網(wǎng)絡(luò)形式公開(kāi)出版，并同意編入CNKI《中國(guó)知識(shí)資源總庫(kù)》，在《中國(guó)博碩士學(xué)位論文評(píng)價(jià)數(shù)據(jù)庫(kù)》中使用和在互聯(lián)網(wǎng)上傳播，同意按“章程”規(guī)定享受相關(guān)權(quán)益。對(duì)本文的研究做出重要貢獻(xiàn)的個(gè)人和集體，均已在文中以明確方式注明并表示感謝。就在這種情況下，我開(kāi)始做我的畢業(yè)設(shè)計(jì)！由于時(shí)間的關(guān)系，我往往將指導(dǎo)和作業(yè)的時(shí)間推遲，不論是給指導(dǎo)老師還是我自己都造成人很大的困擾！幸好，我們的指導(dǎo)老師并沒(méi)有因此而放棄我這個(gè)不肖的學(xué)生！而是主動(dòng)與我聯(lián)系，提醒著我，時(shí)間緊迫！不時(shí)的在課題上為我做一些指導(dǎo)，甚至也教育了我許許多多今后人生中至關(guān)重要的理念！所以，謝謝您，我敬愛(ài)的周老師，是在您的督促下，我才能走到今天！大學(xué)四年過(guò)的很快，經(jīng)歷過(guò)悲傷，經(jīng)歷過(guò)喜悅!與我共同的經(jīng)歷的人，我的同學(xué)，也謝謝你們將我四年的大學(xué)生活塑造了一個(gè)多姿多彩的世界！也要謝謝學(xué)校，謝謝我們學(xué)校的各位老師，是你們?yōu)槲姨峁┝诉@么一個(gè)可以感受人生的平臺(tái)！最后，我要感謝我的父母！不論我放了什么錯(cuò)，不論我做了什么事，你們一直在我的背后支持著我！你們是我一生的動(dòng)力！我愛(ài)你們！謝謝！附 錄附件清單：編號(hào)附 件 內(nèi) 容頁(yè) 數(shù)1任務(wù)書(shū)32文獻(xiàn)綜述73外文翻譯44開(kāi)題報(bào)告105指導(dǎo)記錄卡16進(jìn)程安排與考核表17指導(dǎo)教師評(píng)語(yǔ)及成績(jī)18評(píng)閱教師評(píng)語(yǔ)及成績(jī)19答辯小組評(píng)語(yǔ)及成績(jī)表110成績(jī)?cè)u(píng)定表111答辯記錄表1學(xué)位論文原創(chuàng)性聲明 本人鄭重聲明：所呈交的學(xué)位論文，是本人在導(dǎo)師的指導(dǎo)下進(jìn)行的研究工作所取得的成果。制定在這個(gè)方面進(jìn)行了很多標(biāo)準(zhǔn)化工作，實(shí)現(xiàn)基于內(nèi)容的聲像數(shù)據(jù)的檢索也成為多媒體技術(shù)的又一個(gè)研究熱點(diǎn)。這樣能更好的指導(dǎo)目標(biāo)分割方法的研究。同時(shí)，分割評(píng)價(jià)一直是目標(biāo)分割中的一個(gè)薄弱環(huán)節(jié)，特別是對(duì)客觀評(píng)價(jià)標(biāo)準(zhǔn)的篩選和評(píng)估?；仡櫼陨系墓ぷ鳎诂F(xiàn)階段這一工作還有很多值得努力的方向。目前，由于對(duì)它們的研究還不夠完善，計(jì)算機(jī)還并不具有完全理解圖像的能力，所以跟蹤被認(rèn)為是一個(gè)具有挑戰(zhàn)性的困難問(wèn)題。其中，對(duì)目標(biāo)的分割、提取和跟蹤是視頻監(jiān)控最基本的任務(wù)，也是更進(jìn)一步對(duì)目標(biāo)的行為和動(dòng)作進(jìn)行分析理解的基礎(chǔ)。然后進(jìn)入第三步，連通區(qū)域合并，將分割后各個(gè)時(shí)間段在某點(diǎn)，和某塊區(qū)域，或者某些點(diǎn)的在不同時(shí)間段的圖像提取出來(lái)，合并成一個(gè)完成的連續(xù)的視屏，這樣完整的運(yùn)動(dòng)目標(biāo)分割方法才算結(jié)束。所以就要進(jìn)入分割后處理！而分割后處理要經(jīng)過(guò)三個(gè)步驟，第一是去噪，去噪的目的是為了減少分割過(guò)程中所產(chǎn)生的鏤空，使環(huán)境對(duì)圖片的影響減少。而在處理一個(gè)圖片的時(shí)候，要用的分割方法在前文都有提到，差分，背景分割等等都被運(yùn)用，而將每個(gè)圖片分割之后，要做的是將分割的各個(gè)圖片提取出來(lái)，但事實(shí)上并沒(méi)有想像中的那么簡(jiǎn)單。 %檢測(cè) tracking(video)。output video39。end。 %播放for a = 1:length(video) imagesc(video{a})。)。 %打開(kāi)avi = aviread(39。input video39。% % disp(distan)。% ht=square(abs(hth(2)hth(nrames)))。hold offend。)。plot(with,heth, 39。disp(with)。r39。EdgeColor39。Position39。disp(heig)。disp(heit)。wth(l)=with。with=lftln+widt。disp(widt)。heig=toplentpln。% % imaqmontage(k)。)。,39。,s(r).BoundingBox,39。% plot(39。r39。EdgeColor39。Position39。r*39。% % % ang=。)。 % s = regionprops(bw1, 39。% % d = abs(pixel(:, :, l), pixel(:, :, l1))。disp(lftln)。coun=coun+1。for w=1:colsfor h=1:rowsif(bw(h,w,l))leftsi = w。breakendendenddisp(toplen)。if (cou == 1)tpln=toplen。% % size(d(:,:,l))cou=1。imshow(bw(:,:,l))hold on% % for h=1:rows% for w=1:cols% if(d(:,:,l) )% d(h,w,l)=0。bw(:,:,l) = im2bw(k, .2)。% datar=imageinfo(imagesc(d(:,:,l)))。% hfigure = figure。d(:,:,l)39。% drawnow。k=d(:,:,l)。 nrames=f。 endrows=240。)。,39。% imwrite(x,39。for f = 1:nFrames% F = getframe(gcf)。 % 開(kāi)始分割clear avielse %編譯像素?cái)?shù)據(jù)到一個(gè)數(shù)組 pixels = double(cat(4,video{1:2:end}))/255。第五章 實(shí)驗(yàn)結(jié)果與討論建立模型實(shí)驗(yàn)結(jié)果背景分割邊緣檢測(cè)去噪?yún)^(qū)域標(biāo)定與合并總流程圖圖51第t1幀差分自適應(yīng)噪聲濾波器二次差分運(yùn)動(dòng)目標(biāo)分割掩膜差分第t幀第t幀邊 緣 檢 測(cè)分割流程圖52function d = tracking(video) %跟蹤開(kāi)始if ischar(video) %導(dǎo)入視頻avi = aviread(video)。小結(jié):通過(guò)中值濾波，消除了混合高斯模型分割后產(chǎn)生的一些孤立噪聲店以及前景部分的一些鏤空現(xiàn)象，使得分割結(jié)果更接近于真實(shí)的物體。當(dāng): （）時(shí)，說(shuō)明這兩個(gè)矩形有相交的部分，所以把它們合并,令(x1“，y1”)，(x2“，y1”)，(x1“，y2”)和(x2“，y2”)表示合并后的矩形的左上、右上、左下和右下頂點(diǎn)的坐標(biāo)。由于種種原因(如窗口內(nèi)噪聲點(diǎn)的個(gè)數(shù)大于窗口寬度的一半時(shí)，中值濾波效果不好，或是目標(biāo)太小)可能會(huì)產(chǎn)生很小的矩形方框，因?yàn)榭赡苁窃肼暬蛐畔⒘刻。瑹o(wú)法進(jìn)行后續(xù)的目標(biāo)分析，需要通過(guò)大小判斷而丟棄掉。當(dāng)正向遍歷時(shí)為g(x1,y1),g(x,y1),g(x+1,y1),g(x1,y)和g(x,y)。遍歷到每一個(gè)像素時(shí)，執(zhí)行完()和()的操作后，還要對(duì)等價(jià)表進(jìn)行更新同時(shí)要分配新的臨時(shí)標(biāo)記: ()之后的遍歷:第一次遍歷之后，反向與正向遍歷被不斷的交替執(zhí)行。 () () 其中，m=m+1意為把臨時(shí)標(biāo)記賦值一次后要把臨時(shí)標(biāo)記加1。等價(jià)表初始化如下: T[F0]=F0,T[FB]=FB。把F0和凡預(yù)置為兩個(gè)足夠大的值(F0FB)。由于有等價(jià)表，大大降低了遍歷次數(shù)，加快了速度，同時(shí)這里的等價(jià)表相對(duì)于方法2的等價(jià)表要簡(jiǎn)單很多，易于硬件實(shí)現(xiàn)。方法4只適于在特殊的硬件結(jié)構(gòu)上執(zhí)行。方法2由于有等價(jià)表以及所需的搜索算法的存在，因此不容易被硬件實(shí)現(xiàn)，它的執(zhí)行時(shí)間也取決于連通區(qū)域的復(fù)雜度。然而，這種方法需要對(duì)圖像進(jìn)行很多次遍歷。(如網(wǎng)格連通混沌并行處理器)，一些并行的連通區(qū)域標(biāo)定算法也被開(kāi)發(fā)出來(lái)。然后是第二步，將臨時(shí)標(biāo)記用等價(jià)表里的最小等價(jià)標(biāo)記替代。在第一步里，給相鄰的像素賦值一個(gè)臨時(shí)的標(biāo)記，標(biāo)記的等價(jià)關(guān)系被記錄在一個(gè)一維的或二維的表里。目前，連通區(qū)域標(biāo)定主要有四種不同的方法，分別為:，每遍歷一次都要對(duì)等價(jià)標(biāo)記進(jìn)行等價(jià)處理，直到最后的一次遍歷不再有標(biāo)記改變?yōu)橹?。具體標(biāo)記時(shí)所用的方法可以因遍歷方式(深度優(yōu)先或?qū)挾葍?yōu)先)、標(biāo)記方式或是掃描次數(shù)有所不同，不同的方法適用于不同的應(yīng)用領(lǐng)域(比如深度優(yōu)先就不適用于硬件實(shí)現(xiàn)，因?yàn)樘厥獾目陀^情況可能導(dǎo)致堆棧的溢出)。因此，中值濾波簡(jiǎn)化為簡(jiǎn)單的求和，大大降低了運(yùn)算量。這里無(wú)需將模板中的像素值排序，因?yàn)橹挥?和1兩個(gè)值，可以想象排序的結(jié)果所有的O在前面，所有的1在后面。將上一節(jié)所說(shuō)的中值濾波拓展為二維，如55的模板，就得到了我們實(shí)際需要的模板。這樣一來(lái)，噪聲(明亮區(qū)的少數(shù)暗點(diǎn)或暗區(qū)的少數(shù)明亮點(diǎn)或者是最小值或者是最大值，取中間值可以直接丟棄這些值而不參加運(yùn)算)就可以被去除，而能較好保留邊緣信息。為了既能去除噪聲，又能保留邊界信息，可以使用中值濾波算法。但是在圖像邊緣輪廓包含有大量的高頻信息，而鄰域平均法實(shí)質(zhì)上是一個(gè)低通濾波器，直接使用鄰域平均法會(huì)使得邊界變模糊。為了盡可能地去除這些噪聲的影響，同時(shí)又盡量的保留更多的前景信息，我們使用了中值濾波。從而，()可以簡(jiǎn)單的表示為 ()從另一方面，還可以這樣理解L函數(shù)與F函數(shù)的關(guān)系: （）第四章 分割后處理由于攝像機(jī)抖動(dòng)和光線變化以及高斯模型的局限性，分割后的結(jié)果會(huì)有很多噪聲，尤其是在邊緣部分，或是前景與背景的相似在目標(biāo)內(nèi)部出現(xiàn)。當(dāng)函數(shù)是凸函數(shù)（convex，function）時(shí)，Jensen不等式保證：，其中。期望最大化 (ExpectationMaximiyjion，EM)算法是參數(shù)估計(jì)的一種很重要的算法，最初是由DemPster，Laird和Rubin提出的，它是一種當(dāng)觀測(cè)數(shù)據(jù)為不完全數(shù)據(jù)時(shí)求解最大似然估計(jì)的迭代算法，他大大降低了最大似然估計(jì)的計(jì)算復(fù)雜度，但性能卻與最大似然估計(jì)相近，具有很好的實(shí)際應(yīng)用價(jià)值。 EM方法參數(shù)估計(jì)是數(shù)學(xué)建模應(yīng)用到實(shí)際中的關(guān)鍵步驟，是許多新技術(shù)的研究前提和應(yīng)用保證。StauflrGrimson定義了一個(gè)參數(shù)T表示視野中看到背景的概率，根據(jù)剛才的排序，滿足下式的前面B