【正文】 作為本設計的制作者，向各位指導老師道聲辛苦了，向各位同學說聲謝謝了，感謝你們對我的支持，沒有你們無私的幫助本設計也不會順利完成，達到預期的效果。畢業(yè)設計上也好 ,現實生活中也好 ,都給予了很大的精神鼓舞。我會帶著這筆寶貴的財富走入今后的學習﹑生活，力爭做出更大的成績！ 浙江科技學院本科畢業(yè)設計（論文） 32 致 謝 首先，感謝侯北平老師耐心指導，為設計如期完成，給予了大力支持。 在這次設計中，從指導老師身上，我不僅僅學到了科學知識，更學到了許多治學﹑做人的道理；從同學身上，我看到了奮發(fā)努力﹑不畏困難﹑勇攀科學高峰的精神。正因為這樣， 本設計可以對電影中截取的一系列圖片進行分析，得到想要的物體的運動軌跡。本設計實現了由表及里的處理一系列 圖像 ，以 圖像 為載體，像素為處理單位，利用數字 圖像 處理是以集合跟數組為處理對象，結合數學中的各種知識，成功的從一系列連續(xù)的 圖像 中分離出物體，得到 圖像 中物體的運動軌跡。 另外，由上面幾章的詳細介紹，可知本設計可以單獨使用，作為數字 圖像 處理工具使用。 3 智能監(jiān)控的模擬 浙江科技學院本科畢業(yè)設計（論文） 30 浙江科技學院本科畢業(yè)設計（論文） 31 圖 智能監(jiān)控 第五章 總 結 綜合上述可知，運用計算機這種工具，可以實現數字圖像處理技術在圖像識別、圖像檢索以及日常生活等各個領域的廣泛應用。背景提取的結果放人一個用來存儲背景圖像的公用內存單元，供檢測運動情形時使用。 然后怎么辦 2 算法流程 該算法用兩個相對獨立的線程來完成。如果 d 大于一個閉值，認為沒有找到，沿用原來的該區(qū)域的背景。在所有的 (ai, bi)， (i=1，? NUM)中尋找到一個矢量 (am.， bm。 2) 將每一個圖片分成 3x3 大小的塊，計算每張圖片每一塊區(qū)域的均值和方差，并作為描述該區(qū)域的矢量，保存在相應的內存單元 。大部分矢量分布相對集中，這可以認為是背景區(qū)域引起的，通過這種方法找到背景區(qū)域。具體的想法是首先獲取 N 張圖片，將圖像分成 3x3 大小的塊，計算出這個區(qū)域的均值 a 和方差 b，用一個矢量 (a， b)來描述。這種方法的特點是有可能在較短的時間內獲得背景圖案，且背景獲得的質量也較高。這種方法的特點是模型簡單，計算方便，但是得到的背景受流量大小的影響而變化。 2) 對一段時間內的視頻圖像用累加求平均法來獲得背景圖像。需要按照時間段將不同時間的背景的圖片存到數據庫當中，然后根據當前的時間將背景圖案讀取出來作為背景圖案，該方案的前期工作量大，受周圍 環(huán)境 的影響很大，魯棒性不好。 以上每一步都可以通過調用相應的函數或宏來得以實現 .這只是視頻采集的一個基本的過程 ,根據不同的應用還可以作適當的修改和擴充 [15]。根據需要 ,選擇是采集圖像到緩存還是文件并進行處理。與視頻采集設備連接 ,獲取視頻采集設備的能力及狀態(tài)信息 ,如有無視頻疊加能力 ,有無控制視頻源、視頻格式、視頻顯示的對話框 ,只有根據捕獲驅動器的能力 ,才能有效地設置和實現視頻的采集和顯示。然后注冊系統(tǒng)回調函數 ,使得在采集過程中 ,系統(tǒng)自動回調相應的函數 ,以進行處理。提取運動區(qū)域的準確性將嚴重影 響運動目標的檢測和跟蹤，全方位圖像展開后像素丟失，圖像失真，不同位置運動目標變形等實際 . 通過背景減除法檢測出運動區(qū)域后 ,然后將其變化的畫面拍攝下來 .進行保存 . (4) 退出 ： 退出當前運行的工作畫面 系統(tǒng)的功能的實現 視頻采集的實現 采集系統(tǒng)的軟件是在 vc++ 下開發(fā)的，包括視 視頻 、連續(xù)采集、視頻壓縮、采集回放、分布式存儲幾個部分， 其中采集的步驟如 圖 所示： 圖 采集步驟 圖 給出了實現一個基本的視頻采集系統(tǒng)的步驟。當有異常情況發(fā)生時 ,立刻將其畫面招搖拍攝下來 ,然后將其圖片保存下來 .自動監(jiān)控中的運動目標檢測和跟蹤 ,就是在視頻序列中實時地發(fā)現并提取運動目標 ,不斷跟蹤它們 ,并計 算出這些運動目標的軌跡 ,為下一步目標識別、運動分析等算法提供數據 .本課題的主要研究內容包括：實時監(jiān)控、智能監(jiān)控， 視頻演示 . 系統(tǒng)的功能 根據系統(tǒng)設計的目標，系統(tǒng)主要分為以下幾個模塊 如圖 422 所示 ： 圖 422 系統(tǒng)的模型 (1)實時監(jiān)控 ：通過攝像 頭 捕獲實時的全方位視頻圖像。 Opencv 在雅虎上有個 專門的討論組，對程序 浙江科技學院本科畢業(yè)設計（論文） 26 員運用中遇到的問題與實際經驗進行討論。 由上述可以看出，利用 openCV 中的數字圖像處理函數使得問題變得簡單，很有實用價值，對縮短程序開發(fā)的周期有著十分顯著的作用。增加了 ML(機器學習 )的類庫，這是一個全新的為統(tǒng)計分類、回歸以及聚類而寫 的 c 料類庫 。增加了對 Quicktime(Mae0SX)和 Xine(Linux)的支持。為 Cvlmage 和 CvMatrix 增加 C++類 :矩陣的最大通道數增加到了 64個，盡管只有一些特殊函數才處理這樣的圖像。 exeore 模塊：增加了 cvMixChannels、 cvRandshuffle、 cvRange、 cvCalePCA、 evProjeetPCA、cBackProjeetPCA、 cvGetTreadNum、 函數 。擴展了 cvDistTransfonn、 cvThresh、 cvcanny(使用真實梯度 )函數 :所有的濾波函數被重新寫過，為線性可分不可分濾波增加了新的 C++類。包含了很多的新特性，支持了新的編譯器 /環(huán)境： ， ，還擴充了大量的函數。 使用 Opencv 庫可以編寫出簡潔而且高效的代碼來解決數字圖像處理和計算機視覺編程中的問題，這樣不僅降低了程序員開發(fā)程序的難度，而且縮短了相關程序的開發(fā)周期。 (5)具 有開放性。而且還提供了一些與諸如 Eic、 Ch、 MatLab 等其它語言或環(huán)境的結構，這些接在其安裝后位于。 (4)處理速度快。求特征值、奇異值等的矩和向量及線性代數的操作 。 (3)具有豐富的圖像處理函數。 (2)具有良好的跨平臺性。④ highgui:圖像界面函數 [14] Opencv 的特點： ⑴具有良好的獨立性。主要由 4 個模塊組成：① cv：主要的 Opencv 函數；② cvaux：輔助性的 Openvb 函數 。 OpenCv 也不例外。 OpenCV 是 由 Intel 公司位于俄羅斯的研究實驗室開發(fā)出來的。 Computer Vision 則指計算機視覺。 浙江科技學院本科畢業(yè)設計（論文） 24 第四章 運動檢測的設計與開發(fā) Opencv 簡介： OpenCV 名字包含 Open 和 Computer Vision 兩個詞的意思。 由背景圖像 與當前圖像相減并閾值化為二值圖像，由于視場的細微變化使得目標分割受初始數據中的噪聲影響很大 ,為了消除小而假的前景運動目標，以便得到真正的前景目標，采用形態(tài)學 先開后閉運算 方法進行處理。 實驗中假設第一幀圖像檢測時場景中有個別運動物體非靜止狀態(tài)存在，這樣的假設在實驗條件下是能夠存在的故先取前 100 幀圖像作為初始背景的檢測即利用式 (27) 設MAXSTEPS=100， ? ＝ ，此時背景的更新 速度較快。 浙江科技學院本科畢業(yè)設計（論文） 23 減背景算法是把當前幀圖像與當前背景相減，并二值化結果，公式如下： 1 |I ( x , y ) B ( x , y ) | T D if f = 0 |I ( x , y ) B ( x , y ) | Ttt ???? (28) 背景更新函數如下： ? ? 11B ( x , y ) ( 1 ) I ( x , y ) , 1 D ( x , y ) = 1B x , y B ( x , y ) ( 1 ) I ( x , y ) , 1 D ( x , y ) = 0t t tt t t t? ? ?? ? ???? ? ??? ? ??? (29) 式中更新系數 ? 、 ? 實現不同情況下的背景更新， ? ?B x,yt 對應于 1I (x,y)t? 中包含運動目標的區(qū)域更新系數 ? 約為 1， ? 越接近 1，背景更新速度越是緩慢，也就是說 ? ?B x,yt中該區(qū)域背景圖像和 ? ?1B x,yt? 對應區(qū)域圖像基本一致，這是因為在當前幀的該區(qū)域只反映目標運動，背景在該區(qū)域幾乎不變； ? ?B x,yt 對應于 1I (x,y)t? 中不包含運動目標區(qū)域，可以認為該區(qū)域背景處于動態(tài)變化中，更新系數 ? 設為遠遠小于 1， ? 越接近 0，背 景更新越快，也就是說 ? ?B x,yt 中該區(qū)域圖像基本和 1I (x,y)t? 對應區(qū)域圖像一致。 ⑤ 迭代次數 m=m+1,返回③ ,當迭代次數 m=MAXSTEPS 時結束迭代。 ② 選取閾值 T,迭代次數 m=1,最大迭代次數 MAXSTEPS。 自適應背景獲取算法是通過當前幀幀差圖像找到物體的運動區(qū)域，對運動區(qū)域內的背景保持不變，而非運動區(qū)域的背景用當前幀進行替換更新，經過一段時間后就可以提取出背景圖像。利用 Surendra 背景更新算法獲取自適應的背景圖像。本文是在攝像機靜止的固定背景下進行多目標檢測 的，在對背景減除法和幀差法充分分析研究基礎上對背景圖像的獲取和更新采用了背景減除和幀間差分相結合的方法，該方法能有效地檢測運動目標并能適應監(jiān)控場景的實時變化。 背景減除和幀差結合檢測目標 在攝像頭靜止的監(jiān)控中，采用減背景方法檢測運動目標能獲得目標完整的運動信息，特別是在目標運動緩慢的情況下檢測的準確度較高，但是對背景動態(tài)變化的適應性較低。 計算當前幀和以前幀中對應像素點亮度上的比值 ，如該值小于預設閾值 ， 則認為該點為陰影點 ， Cucchiara 等 錯誤 !未找到引用源。 提出了一種在靜態(tài)圖像中剪除陰影的方法 ， Kilger 錯誤 !未找到引用源。 在檢測運動目標時 ， 還需要考慮陰影的影響 ， 陰影可能會扭曲目標的形狀 ， 甚至可能被誤檢為目標。 Cucchiara 錯誤 !未找到引用源。為解決此問題 , Elgammal 錯誤 !未找到引用源。這就是背景更新的“死鎖”問題 錯誤 !未找到引用源。 )將得到一個錯誤的檢測目標 ， 稱為虛假目標。 該研究內容的主要流程圖 圖 333 如下： 視頻幀 去噪平滑等預處理 背景建模 前景檢測 運動目標區(qū)域 后處理 背景實時更新 浙江科技學院本科畢業(yè)設計（論文） 21 圖 333 減背景法的基本流程 在減背景中背景的更新是十分重要的環(huán)節(jié)。不同的背景建模方法有不同的閾值分割規(guī)則，可以根據像素的亮度、顏色差異、分布密度，或者綜合考慮多種因素。 （ 2）背景建模就是 構建背景圖像或通過構建某種模型來表示背景，這是各種背景算法的核心所在。 預處理的另一個關鍵問題是將數據轉換成適應特定減背景算法的格式。 雖然已經有很多文獻涉及到減背景算法，但是它們實現運動目標檢測的過程大多遵循圖2－ 1所示的流程，其中主要包含預處理、 背景建模、前景檢測和運動區(qū)域后處理四個步驟： (1)預處理是對視頻數據進行簡單的空間或時間濾波，以消除攝像機噪聲和雨雪等瞬時環(huán)境噪聲，或者降低幀大小和幀率。 減背景 的基本思想是用當 前幀與背景幀進行差分，如果背景模型選取適當，能比較準確 浙江科技學院本科畢業(yè)設計（論文） 20 的分割出運動物體。 減背景法 目前，很多文獻都采用減背景 ( background subtraction)思想來開展監(jiān)控視頻運動目標檢測方法的研究，即將每個輸入視頻幀和一張背景圖像相比較，如果同位置的像素特征、像素區(qū)域特征或其他特征存在一定程度的差別，則新視頻幀中這些位置的像素點或像素區(qū)域就構成前景運動目標區(qū)域。 一種改進的方法是利用三幀差分代替，如 VSAM開發(fā)了一種自適應背景減除與三幀差分相結合的混合算法，它能夠快速有效地