【正文】 參考文獻(xiàn)[1] 何斌，Visual c++數(shù)字圖像處理[M]，人民郵電出版社，.[2] 陳兵棋、孫明，VC++實用圖象處理專業(yè)教程[M]，清華大學(xué)出版社，.[3] Kenneth R Castleman，數(shù)字圖像處理[M]，朱志剛譯，北京電子工業(yè)出版社，2002.[4] 徐慧，Visual C++數(shù)字圖像實用工程案例精選，人民郵電出版社.，.[5] 趙輝、葉子青.，VC++系統(tǒng)開發(fā)實例精粹[M]，北京人民郵電出版社，2005. [6] 孫雄勇，Visual c++[M]，中國鐵通出版社，.[7] 彭達(dá)，Visual c++多媒體編程技術(shù)[M]，人民郵電出版社，.[8] 黃慶生，精通Visual c++[M]，人民郵電出版社，.[9] Gonzalea，數(shù)字圖像處理[M]，電子工業(yè)出版社，2004.[10] 胡明星，在VC中進(jìn)行圖像處理的方法，計算機(jī)工程，(10).[11] 周長發(fā)，精通Visual c++圖像編程，北京電子工業(yè)出版社，2000.[12] 楊淑瑩，VC++圖像處理程序設(shè)計[M]，清華大學(xué)出版社，.[13] 林丕源、蒲和平，計算機(jī)圖形圖象處理應(yīng)用技術(shù)[M]，成都電子科技大學(xué)出版杜，1997.[14] Herbert schildt，C++編程藝術(shù)[M]，清華大學(xué)出版社，.[15] DAVID ，Visual c++技術(shù)內(nèi)幕[M]，清華大學(xué)出版社，.[16] 羅瑜、袁志偉，用VC++對BMP格式圖象文件編程的技巧與實踐[J]，電腦縮程技巧與維護(hù)，2001，(4)：81—82．35。另外還要感謝我院其他各位老師和身邊的每一位同學(xué)和朋友，是他們給予本設(shè)計各個方面的幫助。為此對侯北平老師的悉心指導(dǎo)表示衷心感謝，侯北平老師不僅是一位“良師”更是一位“益友”。這些都使我受益匪淺。隨著計算機(jī)技術(shù)的迅猛發(fā)展，圖像處理與我們的工作和生活方式息息相關(guān)，這門邊緣技術(shù)將得到更為廣泛的應(yīng)用。這些都是眾多圖像處理軟件所缺少的功能，也是本設(shè)計獨(dú)特之處。彌補(bǔ)了Photoshop、3Dmax等圖像處理軟件的不足。本設(shè)計通過對一系列圖片的處理，提取出圖像中的背景，識別出物體運(yùn)動軌跡，例如可以作為一個監(jiān)控系統(tǒng)的軟件核心，應(yīng)用到銀行、賓館、超市以及珠寶行中，其監(jiān)控范圍可以小到辦公室乃至走廊中。但是為了避免一開始的時候沒有背景，系統(tǒng)可以從文件中讀取出一個文件作為原始背景，然后背景提取的流程會不斷地隨著時間的變化去更新背景。一個線程進(jìn)行提取背景資料，另一個進(jìn)行運(yùn)動檢測。首次運(yùn)行時，由于沒有以前的該區(qū)域的背景，直接使用第m張的圖片的數(shù)據(jù)，不作閥值比較。)，使得它與平均矢量(A，B)的距離最短，設(shè)最短的距離為d，如果d小于一個閥值，認(rèn)為第M張圖片的該區(qū)域是背景信號。3) 對于某一塊區(qū)域來說，就有N個矢量(ai，bi)，i=1，…NUM，求出平均矢量(A，B)，A=∑ai，B=∑bi。其步驟如下:1) 讀人NUM張圖片數(shù)據(jù)。把每張圖片在該相應(yīng)區(qū)域的矢量計算出來，對結(jié)果進(jìn)行統(tǒng)計。本文采用第3種方法來設(shè)計背景提取的流程。3) 將圖像分成大小相等的若干塊，對每一塊區(qū)域進(jìn)行分析，然后將它們拼起來獲得一個完整的背景圖案。這種方法的思想是把運(yùn)動物體作為噪聲，用累加求平均的方法去除噪聲，以獲得背景。需要在數(shù)據(jù)庫中建立按季節(jié)、日照時間的背景信號模型。視頻演示: 視頻演示 1..背景提取方法:1) 直接獲取靜態(tài)的背景圖案。視頻采集結(jié)束時,將采集窗與驅(qū)動斷開連接,否則將導(dǎo)致視頻驅(qū)動無法釋放,其它程序?qū)⒉荒苁褂貌杉O(shè)備。設(shè)置采集窗口的顯示模式為Preview或Overlay。獲取和設(shè)置采集窗口參數(shù),如采集速率等。首先是創(chuàng)建視頻采集窗口,它是所有采集工作及設(shè)置的基礎(chǔ)。(2) 視頻演示：讀取原有的視頻文件.(3) 智能監(jiān)控：將采集的圖像與背景圖像差分運(yùn)算的減背景方法，檢測出圖像序列中運(yùn)動目標(biāo)的信息。當(dāng)今數(shù)字圖像處理己經(jīng)廣泛運(yùn)用到生活的各個領(lǐng)域中，Opencv發(fā)揮著不可替代的作用，并且它又在不斷地更新中，隨著其不斷地完善，將在更多的領(lǐng)域發(fā)揮更大的作用. 系統(tǒng)詳細(xì)設(shè)計與實現(xiàn) 設(shè)計目標(biāo)設(shè)計一種新的監(jiān)控系統(tǒng)用攝像機(jī)獲取圖像并且用計算機(jī)對獲取的圖像進(jìn)行處理獲取運(yùn)動目標(biāo)。而且OPenCv是免費(fèi)開放源代碼的，程序員可以修改其源代碼，更是有助于理解。cvsobel、cvLapl即e等函數(shù)都被大大地優(yōu)化。此外，對與角度有關(guān)的API函數(shù)的返回值進(jìn)行了修改，新版本都用角度而不是以前的用弧度返回。(3) highgui模塊：所有的視頻捕捉的代碼在結(jié)構(gòu)上重新構(gòu)造，并且按模塊劃分，采用了更好的函數(shù)名字。擴(kuò)展了cvCaleCovarMatrix、cvMu1Transposed函數(shù)。(2) cvaux模塊：增加了新的大型視頻監(jiān)控模塊，并完善了智能目標(biāo)跟蹤功能。(1) cv模塊:：增加了cvGetAffineTransform、cvWatershed、cvpyrMeanshiftFiltering函數(shù)。 Opencv的新功能： 目前最新版本是2006年11月發(fā)布的Opencv 。Opencv不論對商業(yè)還是非商業(yè)都是免費(fèi)的，而且它的代碼也是公開的，研究者可以對它的源代碼進(jìn)行修改，也可以把自己研發(fā)的新類庫加進(jìn)去，這樣自己的代碼也可能被別人廣泛使用。pencv/interaces目錄下。opencv中的算法都是基于封裝于IPL的具有很高靈活性的動態(tài)數(shù)據(jù)結(jié)構(gòu)，基于Intel處理器指令集開發(fā)的優(yōu)化代碼，所以處理的速度相當(dāng)快。圖像濾波、邊緣檢測、角點(diǎn)檢測、數(shù)學(xué)形態(tài)學(xué)操作等的基本數(shù)字圖像處理：還包括對圖像的高級處理，如特征檢測與跟蹤、運(yùn)動分析目標(biāo)分割與識別以3D重建等。OPenCv包含了列表、列、集合、圖等基本的數(shù)據(jù)結(jié)構(gòu)。OPencv是由跨平臺的中、高層API構(gòu)成，為程序員提供了能在很多平臺上都適用的移植性好的算法基礎(chǔ)操作，很好地支持Windows、Linux、Unix及MacOSX等操作系統(tǒng)，可以在大多數(shù)的C/C++編譯器下工作，如:MSVC++、MSVC++.NET200MSVC++.NET2005和BorlandC++Builder等，可以作為二次開發(fā)的理想工具。包含了300多個C函數(shù)和C++類，不依賴于外部庫，即可以獨(dú)立運(yùn)行，也可以在運(yùn)行時使用其它外部庫。③cxcore:數(shù)據(jù)結(jié)構(gòu)與線性代數(shù)支持。它是由300多個C函數(shù)和C++類所組成的庫，在IPL(ageprocessinghbrary)基礎(chǔ)上發(fā)展而來的。為了考慮計算的速度，大多數(shù)圖像處理的軟件包是用C/C++編寫的。計算機(jī)視覺(Computer Vision)是在圖像處理的基礎(chǔ)上發(fā)展起來的新興學(xué)科，它從信息處理的層次研究視覺信息的認(rèn)知過程，研究視覺信息處理的計算理論、表達(dá)與計算方法，包括圖像特征提取，攝像機(jī)定標(biāo)，立體視覺，運(yùn)動視覺(或稱序列圖像分析)，由圖像灰度恢復(fù)三維物體形狀的方法，物體建模與識別方法以及距離圖像分析方法等方面。Open實際上指的是Open Source(開源：開發(fā)源代碼)。先用33的腐蝕模板過濾，去掉零散的噪音點(diǎn)線，再用33的膨脹模板過濾，恢復(fù)原來正確的前景區(qū)域，通過八領(lǐng)域連通區(qū)域分割，提取出運(yùn)動目標(biāo)，并將面接小于閾值Ta(實驗中設(shè)為20)的目標(biāo)舍去，得到當(dāng)前幀中檢測得到的運(yùn)動目標(biāo)，再用目標(biāo)外接矩形框標(biāo)注。100幀以后根據(jù)建立的背景，采用減背景算法式(28)檢測運(yùn)動目標(biāo)并根據(jù)式(29)實時更新背景， 此時＝1，＝，取越小背景更新速度越快，運(yùn)動物體停留也能被檢測的時間就越短，兼顧實時更新背景和檢測停留目標(biāo)，這里根據(jù)需要設(shè)置了使得目標(biāo)停留仍能很好的檢測得到[13]。采用該背景更新函數(shù)能實時更新背景，能較好的適應(yīng)場景中光線變化，提高目標(biāo)檢測的精確度。此時可視為背景圖像。③ 求當(dāng)前幀的幀差分圖像： (26)④ 由二值圖像更新背景圖像,即： (27)式中，為背景圖像和差分二值圖像在(x,y)的灰度值，為輸入的第i 幀圖像，為迭代速度系數(shù)(1)。其算法如下：① 將第1幀圖像作為背景。對從攝像機(jī)輸入的t時刻圖像進(jìn)行核大小為33的高斯卷積平滑濾波預(yù)處理，使圖像去噪和平滑，將其與t時刻背景圖像相減并將結(jié)果二值化，經(jīng)形態(tài)學(xué)濾波處理后檢測是否存在運(yùn)動目標(biāo)，通過背景更新函數(shù)得到作為更新后的t+1時刻背景圖像，從而實現(xiàn)背景實時更新。該方法分為二個階段，背景建立和前景分離[12]，流程圖圖341如下所示：圖341 背景建立 圖341 前景分離 輸入視頻去噪后的第一幀圖像設(shè)為初始背景（假設(shè)第一幀圖像里包含的運(yùn)動目標(biāo)在接下來的連續(xù)數(shù)幀中都作為運(yùn)動目標(biāo)明顯運(yùn)動，該假設(shè)符合實際情況，如輸入的是彩色圖像先轉(zhuǎn)化為灰度圖像）。假如采用基于幀間差分的方法檢測目標(biāo)，則能提高對環(huán)境動態(tài)變化的適應(yīng)性，但是對目標(biāo)變化緩慢的部分卻不容易準(zhǔn)確地檢測出來。為了解決陰影問題，Jiang等Error! Reference source not ，KilgerError! Reference source not ，Stauder等Error! Reference source not ，如該值小于預(yù)設(shè)閾值，則認(rèn)為該點(diǎn)為陰影點(diǎn)，Cucchiara等Error! Reference source not 顏色空間內(nèi)剪除陰影的方法。CucchiaraError! Reference source not found. 等不是選擇性地更新單一運(yùn)動點(diǎn),而是選擇性地更新已檢測和識別到的目標(biāo)[11]。這就是背景更新的“死鎖”問題Error! Reference source not found.。初始背景完成后，當(dāng)原來屬于背景中的物體開始運(yùn)動時，使用傳統(tǒng)的背景更新方法(如選擇性更新方法Error! Reference source not found.)將得到一個錯誤的檢測目標(biāo)，稱為虛假目標(biāo)。 （4）后處理就是去除不屬于真實運(yùn)動目標(biāo)的參考像素，消除小而假的前景像素，以便得到真正的前景運(yùn)動目標(biāo)。 （3）前景檢測，也就是閾值分割，利用當(dāng)前視頻幀與背景模型的差異來檢測出運(yùn)動區(qū)域參考像素。雖然以前大多數(shù)算法處理的都是像素的亮度，但越來越多的算法開始考慮顏色特征，并認(rèn)為顏色比亮度更能確定低對比度區(qū)域中的目標(biāo)，也能更好地抑制運(yùn)動目標(biāo)自身的陰影。如果發(fā)生攝像機(jī)抖動或在多攝像機(jī)的情況下，則在背景建模前還需要對獲取的連續(xù)視頻幀或由不同攝像機(jī)獲取的視頻進(jìn)行圖像綜合。假設(shè)第t幀為當(dāng)前幀，記為，背景圖像為 （25）其中為差分后的圖像。若對這些前景像素點(diǎn)