【正文】 空亮度梯度信息結(jié)合方法、空結(jié)合的方法等等。比較典型的算法有光流算法、主動輪廓模型算法，該方法得到較為準(zhǔn)確結(jié)果的同時也帶來了巨大的運算量。 運動目標(biāo)檢測在國外已經(jīng)取得了一些的研究成果，許多相關(guān)技術(shù)已經(jīng)開始應(yīng)用到實際系統(tǒng)中，但是國內(nèi)研究相對落后 ,與國外還有較大差距。概括起來運動監(jiān)測主要包括三個內(nèi)容：運動目標(biāo)檢測，方向判斷和圖像跟蹤。在實際中，視頻監(jiān)控利用攝像機對某一特定區(qū)域進行監(jiān)視，是一個細(xì)致和連續(xù)的過程，它可以由人來 完成，但是人執(zhí)行這種長期枯燥的例行監(jiān)測是不可靠，而且費用也很高，因此引入運動監(jiān)測非常有必要。目前，該技術(shù)已大量被應(yīng)用到工業(yè)檢測，生物醫(yī)學(xué)，航空航天，郵政編碼，機器人視覺，文檔處理，金融，公安、司法，軍事指導(dǎo)，機械，銀行，文化和藝術(shù)，運輸，多媒體網(wǎng)絡(luò)通信和電子商務(wù)等領(lǐng)域中。 數(shù)字圖像處理的應(yīng)用領(lǐng)域 伴隨多媒體技術(shù)的飛速發(fā)展，圖像處理技術(shù)得到了空前的重視，許多新的應(yīng)用應(yīng)運而生。 (1)頻域法 頻域法的步驟：先對圖像做正交變換操作，以獲得變換系數(shù)陣列，然后再做各種處理操作，處理完成后通過逆變換實現(xiàn)從頻域到空間域的轉(zhuǎn)變。如果兩個像素之間存在一條路徑，則這些像素是連通的。 (3) 連通性 區(qū)域是由像素組成的集合，這些像素不僅有鄰接性，而且任取兩個像素，其顏色屬性符合某個特定的相似準(zhǔn)則。假設(shè)兩個任意像素的距離 14?D ，就稱這兩個像素為 4鄰域，亦稱 4鄰接 [11]。顏色距離和像素的所處的相對位置沒有關(guān)系，反映出顏色的像素差異。 歐氏距離 D:又名幾何距離，根據(jù)幾何學(xué)有 : ? ? ? ?? ? ? ? ? ? 22, jyixjiyxD E ???? (28) 網(wǎng)格上從起點走到終點所需要的步數(shù)可由兩個像素的距離來表示。像素之間存在連通性、距離和鄰接性等關(guān)鍵聯(lián)系。像素普遍是根據(jù)矩陣網(wǎng)格采樣得到，所以圖像常用矩陣的二維形式來描述。位置變換實際上是把原始圖像每行中 的像素重復(fù)取值一遍，然后每行重復(fù)一次。 例如，當(dāng) fx = fy = 時，圖像被縮成一半，縮小后的圖像中的（ 0， 1）像素對應(yīng)于原圖中的（ 0， 2）像素，（ 1， 0）像素對應(yīng)于原圖中的（ 2， 0）像素，其它像素可依此法類推。 b)圖像的形狀變換（縮放） 假設(shè)圖像 X軸方向縮放比率 kx,Y軸方向縮放比率是 ky，原始圖 中點（ x0,y0）對應(yīng)于新圖中的點（ x1,y1）可表示為： x1=x0*kx； y1=y0*ky 當(dāng) kx1 且 ky1 時，原圖像被放大。鏡像變換包括水平鏡像和垂直鏡像。幾何運算是圖像處理和分 析的基本內(nèi)容，它不僅提供了一些特殊的效果可能湖北理工學(xué)院畢業(yè)設(shè)計（論文） 9 產(chǎn)生的圖像，而且簡化了圖像處理和分析的過程，尤其是當(dāng)圖像有一定的規(guī)則，圖像可以通過另一個圖像的幾何變換。 在 某一場景中， 圖像相減的方法 則 可以檢測出運動圖像序列 并加以 控制。 圖像代數(shù)運算在圖像處理領(lǐng)域得到了廣泛的應(yīng)用。 (3)代數(shù)運算 通過對兩幅圖像進行點對點的加、減、乘、除運算并得到輸出圖像的運算過程被稱為代數(shù)運算。假設(shè)輸入圖像為 A(x， y)，輸出圖像為 B(x， y)，那么點運算可用下述表達示表示 : ? ? ? ?? ?yxAfyxB , ? (21) 由式 (21)看出灰度變換函數(shù) f(D)決定點運算，輸出與輸入灰度級兩者存在映射關(guān)系。點運算可以看作是從“從像素到像素”的重復(fù)行為。利用灰度直方圖也可方便地進行閡值分割操作、圖像均衡處理。 圖像的概率密度函數(shù)通過除以圖像的面積來歸一化灰度直方圖，圖像的累積分布函數(shù)是通過將面積的函數(shù)進行歸一化處理。它涵蓋了一幅湖北理工學(xué)院畢業(yè)設(shè)計（論文） 8 圖像的灰度級內(nèi)容。 2. 2 數(shù)字圖像處理的基本運算 利用計算機處理圖像的過程中，有幾個基本的但非常有用的操作形式，它是數(shù)字圖像處理的基 礎(chǔ)。 (7)存儲容量大 數(shù)字圖像處理對計算機是否配備有足夠的內(nèi)、外存儲空間有很高要求，并且越高的處理精度，需要具備更大的存儲空間。這一點是數(shù)字圖像處理能否實用化的關(guān)鍵。 (6)處理速度較慢 相比人的視覺處理速度，數(shù)字圖像處理的速度明顯處于劣勢。 (5)精度高 隨著圖像量化數(shù)和象素數(shù)的增加，數(shù)字圖像處理的精度得到提高。 (4)靈活性 只需圖像處理程序稍稍修改，即使是同一幅圖像，也可得到不同的結(jié)果。 (2)定量性 有一點是其他處理方式無法比擬的，那就是數(shù)字圖像處理很輕易就能得到定量的結(jié)果。 將數(shù)字圖像處 理與人的視覺處理、模擬圖像處理相比較，可得出以下特點： (1)再現(xiàn)性 只要保證輸入圖像不變和不變的處理方法，數(shù)字圖像處理的結(jié)果不會改變，湖北理工學(xué)院畢業(yè)設(shè)計（論文） 7 可以很好地再現(xiàn)，即可重復(fù)性。圖像重建主要有以下算法有迭代法、傅立葉反投影法、代數(shù)方法和卷積反投影法。兩者之間 有著 密切的關(guān)系， 往往 很難 在 嚴(yán)格 意義上加以 區(qū)分。 比方 解釋圖像中的田間景物，使之成為指導(dǎo)田間自動作業(yè)機的好幫手。 (6)圖像識別與理解 圖像識別可以簡單地看為利用基于顏色特征的圖像特征提取的分類，如新鮮的桃子按成熟度分級，根據(jù)杏仁形狀特征分類等。 (5)圖像特征提取 通過圖像信息測度對象，識別或理解，取決于對象的圖像特征的數(shù)量，如線，邊緣，面積，形狀，顏色，紋理，等等。 (4)圖像編碼 對圖像編碼的研究屬于源信息理論的信源編碼，其主要目的是利用人類視覺特性和圖像信號的一般特征圖像的編碼效率，來實現(xiàn)圖像壓縮。比如修正變形、減弱噪聲、改善對比度、消除模糊等都屬于圖像增強的范疇。 圖像處理中，這種對圖像群體的保管工作是不可或缺的。對于信息不可見的對象，首先要對其“可見光圖像生成”或“信息的可視力化”等處理，該過程叫做圖像的輸入。 N 和 K 的值越大，圖像越清晰。 從圖像數(shù)字化的過程可以看到，數(shù)字圖像是連續(xù)圖像的近似。在對圖像進行處理中，一般都取 2的整數(shù)冪，即 : N=2n () K= 2m () 在計算機中，一幅數(shù)字圖像所占用的二進制存儲位數(shù) b 為 : b=log? ?2 *m NN =N*N*m(bit) () 例如，一幅數(shù)字圖像，灰度級為 256 級 (m=8)，包含像素 512 512個，大約需要 210 萬個存儲位。對連續(xù)的灰度值賦予量化級的，即灰度值方法有：均勻量化，線性量化，對數(shù)量化，最大量化，錐形 量化等。這決定于圖像采用什么方法輸入以及對圖像進行處理的不同觀點等，在編程時這是特別需要注意的一點。假如把這些灰度值量化為 8bit，那么灰度值將被分成 0255，包含 256 個級別，這些級別各自對應(yīng)各個灰度值的濃淡程度，也被稱為灰度標(biāo)度或灰度等級。像素的值，是指白色 灰色 黑色的濃淡值，也被稱為光的強度值或亮度值或灰度值。假設(shè)縱向的像素數(shù)為 M，橫向的像素數(shù)為 N，采樣后，圖像的大小可以由“ M*N”個像素表示。通過上述方法得到的一維信號，只需求出每一個特定間隔的數(shù)值，就能夠?qū)崿F(xiàn)離散的信號的獲取。 （ 1） 采樣 采樣（ sampling）是一種操作，它通過把在時間和空間上都連續(xù)的圖像變成離散點（采樣點，即像素）的集合來實現(xiàn)。數(shù)字圖像（ digital imagine）和傳統(tǒng)的圖像即模擬圖像 (picture)是有差別的。 數(shù)字圖像處理的基本概念 數(shù)字圖像 所謂數(shù)字圖像就是把傳統(tǒng)圖像的畫面分割成被稱為像素（ picture element, 簡稱 pixel。隨著圖像處理技術(shù)的深入發(fā)展，隨著計算機技術(shù)和人工智能、思維科學(xué)研究的迅速發(fā)展，數(shù)字圖像處理向更高、更深層次發(fā)展。處理過程中，輸入的是低質(zhì)量的圖像，輸出的是改善質(zhì)量后的圖像，常用的圖像處理方法有圖像增強、復(fù)原、編碼、壓縮等。大約 20世紀(jì) 60 年代初期，數(shù)字圖像處理形成一門獨立的學(xué)科。 作為一個精確制導(dǎo)武器導(dǎo)引頭的關(guān)鍵技術(shù)，其核心是目標(biāo)識別和跟蹤技術(shù)，導(dǎo)彈和其他進攻性武器仍然能夠自動檢測到目標(biāo)，即使在自然條件復(fù)雜 、自然 干擾和人為干擾的影響 下， 目標(biāo)識別和跟蹤技術(shù) 也能 提高導(dǎo)彈和其他進攻性武器 的 攻擊，以增強效 果 。 （ 6） 醫(yī)療診斷 臨床醫(yī)學(xué)上，常用 X射線、 α 射線和核磁共振等方法實現(xiàn)病理部位的成像，進而利用運動目標(biāo)檢測方法來對病理部位分析 [6]；追蹤微細(xì)胞并觀察其生長過程時常常采用目標(biāo)檢測與跟蹤方法，該方法在觀察人工植入 器官使用情況中也體現(xiàn)出了不可忽視的作用 。以交通為例，如高峰期路面車流量的控制、道路上車輛異常行為的檢測、行人行為是否違章的判定等。這種對運動目標(biāo)的檢 測和提取不僅降低傳輸，對存儲費用也有所降低。目前已有的壓縮算法大多是對圖像進行編碼層次的壓縮，壓縮效果不太理想，不能滿足高要求的壓縮需要。此外，在遠(yuǎn)距離 的情況下對人的對身份鑒別時，常以步態(tài)分析作為獨特的生物特征?；谏鲜鲞\動分析的原理，運動分析可以應(yīng)用在體育領(lǐng)域、舞術(shù)湖北理工學(xué)院畢業(yè)設(shè)計（論文） 3 訓(xùn)練等領(lǐng)域。而以上技術(shù)實現(xiàn)的基礎(chǔ)就是先對人的手部和面部進行檢測和跟蹤。計算機采用無接觸式的方式對人在計算機前的視頻信號進行采集，再 利用相關(guān)理論對視頻信號加以分析，辨別人的動作，了解人的意圖。自從 “ 911”事件后，各國出于對自身安全的考慮，加大了在 反對恐怖主義的斗爭中 的投入，在各個大型公共場所安裝視頻監(jiān)控，及時對進行監(jiān)控已經(jīng)十分普及。 1997 年，在卡內(nèi)基梅隆大學(xué)的帶領(lǐng)下，許多高校相繼參與了視覺監(jiān)控重大項目 VSAM(Visual Surveillance and Monitoring)[4] ， 主要研究在各場景下如民用、戰(zhàn)場等進行監(jiān)測的自動視頻理解技術(shù)； 2020 年初，以麻省理工學(xué)院為首的 26 家高校及部分公司合作的重大項目 HID(Human Identification at a Distance)計劃，該項目的主要任務(wù)就是開發(fā)大范圍的、多模式的視覺檢測技術(shù)，來滿足在遠(yuǎn)距離時對人的檢測、分類和識別，增強國防和民用場合的自動保護能力，從而免受恐怖襲擊；此外還有，馬里蘭州大學(xué)和IBM 公司聯(lián)合研制的實時視頻監(jiān)控系統(tǒng) W4 將形狀分析和目標(biāo)跟蹤技術(shù)相結(jié)合，對人的外表進行模型構(gòu)建等。上世紀(jì)七十年代初期，隨著 Kalman 濾波技術(shù)在雷達跟蹤中的應(yīng)用，目標(biāo)跟蹤理論開始被人們關(guān)注；BarShalom 和 llSinger 將濾波理論與數(shù)據(jù)關(guān)聯(lián)進行有機結(jié)合，進一步發(fā)展和完善了運動目標(biāo)跟蹤理論。 1． 2． 2 國外研究現(xiàn)狀 目前，運動目標(biāo)檢測技術(shù)發(fā)展較為成熟的是美國、歐洲和日本等發(fā)達國家。我國從 1986 年開始正式立項研究圖像檢測，在理論研究上圖像檢測算法取得了很大的發(fā)展。 1． 2 課題的研 究現(xiàn)狀 1． 2． 1 國內(nèi)研究現(xiàn)狀 在國內(nèi)，運動圖像分析已在人體運動檢測、智能交通、機器人視覺等很多領(lǐng)域展開了深層次研究。目前，運動物體檢測已被廣泛應(yīng)用于視頻監(jiān)控、醫(yī)療診斷、智能交通、運動分析等領(lǐng)域。近幾年來，運動目標(biāo)的檢測一直都是圖像處理和計算機視覺領(lǐng)域的一個活躍的分支，也是動態(tài)圖像分析的基礎(chǔ)。在現(xiàn)實生活中，大量有意義的視覺信息都包含在運動中。 湖北理工學(xué)院畢業(yè)設(shè)計（論文） 1 第一章緒論 1． 1 課題研究的目的與意義 當(dāng)人們感知到的環(huán)境信息，對動態(tài)視覺信息的視覺信息占很大一部分。 5總結(jié)與展望 ....................................................................................................................30 致 謝 ...............................................................................................................................31 參考文獻 ................................................................................................ 錯誤 !未定義書簽。 .......................................................... 錯誤 !未定義書簽。 基本思想 .............................................................................. 錯誤 !未定義書簽。 數(shù)據(jù)采集卡 ...........................................