【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(dòng)輪廓模型算法，該方法得到較為準(zhǔn)確結(jié)果的同時(shí)也帶來了巨大的運(yùn)算量。 運(yùn)動(dòng)目標(biāo)檢測(cè)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(shí)際系統(tǒng)中，但是國內(nèi)研究相對(duì)落后 ,與國外還有較大差距。概括起來運(yùn)動(dòng)監(jiān)測(cè)主要包括三個(gè)內(nèi)容：運(yùn)動(dòng)目標(biāo)檢測(cè)，方向判斷和圖像跟蹤。在實(shí)際中，視頻監(jiān)控利用攝像機(jī)對(duì)某一特定區(qū)域進(jìn)行監(jiān)視，是一個(gè)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(cè)是不可靠，而且費(fèi)用也很高，因此引入運(yùn)動(dòng)監(jiān)測(cè)非常有必要。目前，該技術(shù)已大量被應(yīng)用到工業(yè)檢測(cè)，生物醫(yī)學(xué)，航空航天，郵政編碼，機(jī)器人視覺，文檔處理，金融，公安、司法，軍事指導(dǎo)，機(jī)械，銀行，文化和藝術(shù)，運(yùn)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(yùn)而生。 (1)頻域法 頻域法的步驟：先對(duì)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(shí)現(xiàn)從頻域到空間域的轉(zhuǎn)變。如果兩個(gè)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(gè)像素，其顏色屬性符合某個(gè)特定的相似準(zhǔn)則。假設(shè)兩個(gè)任意像素的距離 14?D ，就稱這兩個(gè)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(duì)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(diǎn)走到終點(diǎn)所需要的步數(shù)可由兩個(gè)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(shí)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(shí)，圖像被縮成一半，縮小后的圖像中的（ 0， 1）像素對(duì)應(yīng)于原圖中的（ 0， 2）像素，（ 1， 0）像素對(duì)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(diǎn)（ x0,y0）對(duì)應(yīng)于新圖中的點(diǎn)（ x1,y1）可表示為： x1=x0*kx； y1=y0*ky 當(dāng) kx1 且 ky1 時(shí)，原圖像被放大。鏡像變換包括水平鏡像和垂直鏡像。幾何運(yùn)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(jì)（論文） 9 產(chǎn)生的圖像，而且簡(jiǎn)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(gè)圖像的幾何變換。 在 某一場(chǎng)景中， 圖像相減的方法 則 可以檢測(cè)出運(yùn)動(dòng)圖像序列 并加以 控制。 圖像代數(shù)運(yùn)算在圖像處理領(lǐng)域得到了廣泛的應(yīng)用。 (3)代數(shù)運(yùn)算 通過對(duì)兩幅圖像進(jìn)行點(diǎn)對(duì)點(diǎn)的加、減、乘、除運(yùn)算并得到輸出圖像的運(yùn)算過程被稱為代數(shù)運(yùn)算。假設(shè)輸入圖像為 A(x， y)，輸出圖像為 B(x， y)，那么點(diǎn)運(yùn)算可用下述表達(dá)示表示 : ? ? ? ?? ?yxAfyxB , ? (21) 由式 (21)看出灰度變換函數(shù) f(D)決定點(diǎn)運(yùn)算，輸出與輸入灰度級(jí)兩者存在映射關(guān)系。點(diǎn)運(yùn)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(jìn)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(jìn)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(jì)（論文） 8 圖像的灰度級(jí)內(nèi)容。 2. 2 數(shù)字圖像處理的基本運(yùn)算 利用計(jì)算機(jī)處理圖像的過程中，有幾個(gè)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(chǔ)容量大 數(shù)字圖像處理對(duì)計(jì)算機(jī)是否配備有足夠的內(nèi)、外存儲(chǔ)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(chǔ)空間。這一點(diǎn)是數(shù)字圖像處理能否實(shí)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(shì)。 (5)精度高 隨著圖像量化數(shù)和象素?cái)?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(diǎn)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(diǎn)： (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(huì)改變，湖北理工學(xué)院畢業(yè)設(shè)計(jì)（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(dòng)作業(yè)機(jī)的好幫手。 (6)圖像識(shí)別與理解 圖像識(shí)別可以簡(jiǎn)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(jí)，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(cè)度對(duì)象，識(shí)別或理解，取決于對(duì)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(duì)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(hào)的一般特征圖像的編碼效率，來實(shí)現(xiàn)圖像壓縮。比如修正變形、減弱噪聲、改善對(duì)比度、消除模糊等都屬于圖像增強(qiáng)的范疇。 圖像處理中，這種對(duì)圖像群體的保管工作是不可或缺的。對(duì)于信息不可見的對(duì)象，首先要對(duì)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(duì)圖像進(jìn)行處理中，一般都取 2的整數(shù)冪，即 : N=2n () K= 2m () 在計(jì)算機(jī)中，一幅數(shù)字圖像所占用的二進(jìn)制存儲(chǔ)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(jí)為 256 級(jí) (m=8)，包含像素 512 512個(gè)，大約需要 210 萬個(gè)存儲(chǔ)位。對(duì)連續(xù)的灰度值賦予量化級(jí)的，即灰度值方法有：均勻量化，線性量化，對(duì)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(duì)圖像進(jìn)行處理的不同觀點(diǎn)等，在編程時(shí)這是特別需要注意的一點(diǎn)。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(gè)級(jí)別，這些級(jí)別各自對(duì)應(yīng)各個(gè)灰度值的濃淡程度，也被稱為灰度標(biāo)度或灰度等級(jí)。像素的值，是指白色 灰色 黑色的濃淡值，也被稱為光的強(qiáng)度值或亮度值或灰度值。假設(shè)縱向的像素?cái)?shù)為 M，橫向的像素?cái)?shù)為 N，采樣后，圖像的大小可以由“ M*N”個(gè)像素表示。通過上述方法得到的一維信號(hào)，只需求出每一個(gè)特定間隔的數(shù)值，就能夠?qū)崿F(xiàn)離散的信號(hào)的獲取。 （ 1） 采樣 采樣（ sampling）是一種操作，它通過把在時(shí)間和空間上都連續(xù)的圖像變成離散點(diǎn)（采樣點(diǎn)，即像素）的集合來實(shí)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(jiǎn)稱 pixel。隨著圖像處理技術(shù)的深入發(fā)展，隨著計(jì)算機(jī)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(qiáng)、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(dú)立的學(xué)科。 作為一個(gè)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(shí)別和跟蹤技術(shù)，導(dǎo)彈和其他進(jìn)攻性武器仍然能夠自動(dòng)檢測(cè)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(shí)別和跟蹤技術(shù) 也能 提高導(dǎo)彈和其他進(jìn)攻性武器 的 攻擊，以增強(qiáng)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(shí)現(xiàn)病理部位的成像，進(jìn)而利用運(yùn)動(dòng)目標(biāo)檢測(cè)方法來對(duì)病理部位分析 [6]；追蹤微細(xì)胞并觀察其生長過程時(shí)常常采用目標(biāo)檢測(cè)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(cè)、行人行為是否違章的判定等。這種對(duì)運(yùn)動(dòng)目標(biāo)的檢 測(cè)和提取不僅降低傳輸，對(duì)存儲(chǔ)費(fèi)用也有所降低。目前已有的壓縮算法大多是對(duì)圖像進(jìn)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(duì)人的對(duì)身份鑒別時(shí)，常以步態(tài)分析作為獨(dú)特的生物特征。基于上述運(yùn)動(dòng)分析的原理，運(yùn)動(dòng)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(jì)（論文） 3 訓(xùn)練等領(lǐng)域。而以上技術(shù)實(shí)現(xiàn)的基礎(chǔ)就是先對(duì)人的手部和面部進(jìn)行檢測(cè)和跟蹤。計(jì)算機(jī)采用無接觸式的方式對(duì)人在計(jì)算機(jī)前的視頻信號(hào)進(jìn)行采集，再 利用相關(guān)理論對(duì)視頻信號(hào)加以分析，辨別人的動(dòng)作，了解人的意圖。自從 “ 911”事件后，各國出于對(duì)自身安全的考慮，加大了在 反對(duì)恐怖主義的斗爭(zhēng)中 的投入，在各個(gè)大型公共場(chǎng)所安裝視頻監(jiān)控，及時(shí)對(duì)進(jìn)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(xiàng)目 VSAM(Visual Surveillance and Monitoring)[4] ， 主要研究在各場(chǎng)景下如民用、戰(zhàn)場(chǎng)等進(jìn)行監(jiān)測(cè)的自動(dòng)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(xiàng)目 HID(Human Identification at a Distance)計(jì)劃，該項(xiàng)目的主要任務(wù)就是開發(fā)大范圍的、多模式的視覺檢測(cè)技術(shù)，來滿足在遠(yuǎn)距離時(shí)對(duì)人的檢測(cè)、分類和識(shí)別，增強(qiáng)國防和民用場(chǎng)合的自動(dòng)保護(hù)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(shí)時(shí)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(duì)人的外表進(jìn)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(dá)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(jìn)行有機(jī)結(jié)合，進(jìn)一步發(fā)展和完善了運(yùn)動(dòng)目標(biāo)跟蹤理論。 1． 2． 2 國外研究現(xiàn)狀 目前，運(yùn)動(dòng)目標(biāo)檢測(cè)技術(shù)發(fā)展較為成熟的是美國、歐洲和日本等發(fā)達(dá)國家。我國從 1986 年開始正式立項(xiàng)研究圖像檢測(cè)，在理論研究上圖像檢測(cè)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(yùn)動(dòng)圖像分析已在人體運(yùn)動(dòng)檢測(cè)、智能交通、機(jī)器人視覺等很多領(lǐng)域展開了深層次研究。目前，運(yùn)動(dòng)物體檢測(cè)已被廣泛應(yīng)用于視頻監(jiān)控、醫(yī)療診斷、智能交通、運(yùn)動(dòng)分析等領(lǐng)域。近幾年來，運(yùn)動(dòng)目標(biāo)的檢測(cè)一直都是圖像處理和計(jì)算機(jī)視覺領(lǐng)域的一個(gè)活躍的分支，也是動(dòng)態(tài)圖像分析的基礎(chǔ)。在現(xiàn)實(shí)生活中，大量有意義的視覺信息都包含在運(yùn)動(dòng)中。 湖北理工學(xué)院畢業(yè)設(shè)計(jì)（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(duì)動(dòng)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(xiàn) ................................................................................................ 錯(cuò)誤 !未定義書簽。 .......................................................... 錯(cuò)誤 !未定義書簽。 基本思想 .............................................................................. 錯(cuò)誤 !未定義書簽。 數(shù)據(jù)采集卡 ...........................................