【正文】 出了改進(jìn)的高斯背景建模算法，其流程圖如下： 暨南大學(xué) 20 前一幀圖像 當(dāng)前幀圖像 后一幀圖像 差分圖像 差分圖像 檢測出圖像的變化區(qū)域 判斷場景中是否有運(yùn)動目標(biāo) 判斷像素點(diǎn)是否與高斯背景模型匹配 前景點(diǎn) 更新背景模型 采用混合高斯背景模型提取運(yùn)動目標(biāo) 后續(xù)處理（形態(tài)學(xué)處理等） 結(jié)果輸出 用當(dāng)前幀圖像更新背景 背景點(diǎn) 否 是 是 否 暨南大學(xué) 21 圖 4. 6改進(jìn)的混合高斯背景建模算法流程示意圖 本章小結(jié) 主要介紹了運(yùn)動目標(biāo)檢測方法，一開始介紹了三種基本的運(yùn)動目標(biāo)檢測方法及其基本原則，隨后重點(diǎn)介紹了單高斯背景建模和混合高斯背景建模的基本原理及適用的場景，最后簡要說明了改進(jìn)的混合高斯背景建模的算法。 加權(quán)更新法的原理和算法簡單，但是由于加權(quán)更新法只是把前一幀圖像的權(quán)值與當(dāng)前幀相加，而忽視了前一幀圖像的實(shí)際情況，非常有可能致使我們所得到的背景圖像不是很完整，從而造成適用性差，在實(shí)際的工作場景中應(yīng)用受限。 ? ?yxfj , 表示第 J 幀中像素點(diǎn) ? ?yx, 處的灰度值，而第 J 幀 時(shí)背景圖像中第像 J 幀在 ? ?yx, 處的灰度值則用 ? ?yxBj , 來表示， 則 加權(quán) 更 新 法可 以 用下 式 表示 ： ? ? ? ? ? ?? ? ? ? ? ? ? ? NJjifyxfyxB jifyxfyxB jj jj ,.. .,2,11,1 1, 1 ???? ????? ?? ? （ ） ? ： 0~1，背景更新的速率， ? 的會影響背景圖像的更新的速度， ? 過低，背景更新則會需要的時(shí)間較長， ? 過大，背景更新需要的時(shí)間則會相對縮短。假如要知道該點(diǎn)是背景點(diǎn)還是前景點(diǎn)時(shí)，則只需要將該點(diǎn)與 K個高斯分布的均值相比較，該像素點(diǎn)的值不在某一均值允許范圍之內(nèi)時(shí)，則認(rèn)為該像素點(diǎn)是前景點(diǎn)，否則認(rèn)為是背景點(diǎn)。 混合高斯模型的基本思想 對于基于視頻序列的圖像的每一個像素點(diǎn)，都可以用 K個不同的正態(tài)分布函數(shù)來表示， K 通常取 3 ~5。 如果在時(shí)間 t 滿足 ? ? ? ? Tyxfyxf it ?? , 時(shí)，我們則會默認(rèn)為這個點(diǎn)是前景點(diǎn)，反之則是背景點(diǎn)，非參數(shù)背景模型算法要求計(jì)算每幀圖像的每一個點(diǎn)，因此計(jì)算量比較大，消耗時(shí)間較長。 暨南大學(xué) 16 非參數(shù)背景模型 非參數(shù)背景模型是利用概率論的相關(guān)知識來建立背景模型的，圖像在 ? ?yx,點(diǎn)的灰度值用 ? ? ? ? ? ?? ?yxfyxfyxf n ,..., 21 來表示。其表達(dá)公式如下： ? ??? ?? nk kii yxfnB 0 ,1 () ? ?yxfi , 為視頻中第 i 幀圖像， ? ?yxBi , 為視頻中第 n 幀圖像的背景圖像，把前 n幀圖像的灰度值作為背景圖像。下面介紹幾種經(jīng)典背景模型。 [17]單高斯背景建模適應(yīng)于背景圖像靜止不動的場合，例如某教室或辦公室，而對于背景圖像變化的場景，多是室外的場景，如柳葉的搖動、旗幟的擺動、湖面的擺動等，這時(shí)候單高斯背景建模就會顯露出其缺點(diǎn)，而在實(shí)際應(yīng)用中，場景的復(fù)雜度較高，如室外的監(jiān)控場景，背景中包含很多動態(tài)變化的物體，對于背景圖像變化的場景我們通常會采用混合高斯背景建模。圖像的像素亮度符合高斯分布時(shí)，也就是說圖像的在 B 點(diǎn)的亮度像素符合： ? ?? ?duNyxIB ,~, 其中 u 為平均差， d 為方差。 [16] 單高斯背景建模用于處理背景靜止不動的視頻序列，其算法和原理是眾多的算法中最簡單的，而且在圖像處理過程中并不是每一次都需要背景建模。 暨南大學(xué) 15 而面對逐漸更新的背景圖像，我們最常用的的方法則是建立背景模型。 錯誤 !未找到引用源。 單一的背景圖像 單一的背景圖像是背景差分法的理想化情況。而背景圖像的獲得 通常通過兩種方法獲得，一種是單一固定的背景圖像，另外一種則是逐漸更新的背景圖像。但是由于視頻序列中背景圖像的連續(xù)性，需要我們實(shí)時(shí)的通過視頻序列的信息進(jìn)行不斷地更新背景，也就是我們所說的背景更新。 錯誤 !未找到引用源。 背景差分法 背景差 分法是幀間差分法的一種特殊情況，與幀間差分法的原理有相似之處。 盡管幀間差分法的實(shí)現(xiàn)方法簡單，程序的編程相對來所難度較低，但是由于幀間差分法對風(fēng)速光線等變化反應(yīng)較慢，所以幀間差分法的應(yīng)用廣度和深度依然有待發(fā)展。以便我們分析圖像，得到我們所需信息。 [13] 幀間差分法 幀間差分法是運(yùn)動目標(biāo)檢測中常用的方法之一，幀間差分法是指在某視頻中前后兩幀圖像相比較做差，來獲得差分圖像。 在運(yùn)動 目標(biāo)檢測中采用光流法，使圖像本事包含了原圖像的完整信息，在運(yùn)動目標(biāo)檢測效果中有較高的效率。如果在基于視頻序列的圖像中運(yùn)用了光流法，我們可以保留圖像中完整的圖像信息，有利于運(yùn)動目標(biāo)的檢測。 光流法 運(yùn)動目標(biāo)的像素在基于視頻中的序列中的瞬時(shí)速度，也就是我們平時(shí)所說的光流。 暨南大學(xué) 12 3常用的三種檢測方法 引言 運(yùn)動目標(biāo)檢測意思是說利用一定的技術(shù)在圖像中將我們需要的部分標(biāo)識出來，在目前的運(yùn)動目標(biāo)檢測中我們常用的運(yùn)動目標(biāo)檢測方法有三種，即光流法、幀間差分法、背景差分法。 圖 2. 9 為日常生活中常見的生活場景。為了提高運(yùn)動目標(biāo)的檢測速度，通常我們會把圖形灰度化，常用的灰度公式如下： BjiGjiRjiG R A Y ?????? ),(),(),( （ ） ),( jiGRAY 為變換后圖形在 ),( ji 處的像素點(diǎn)。因此，需要將 RGB彩色圖像轉(zhuǎn)化為灰度圖像。 錯誤 !未找到引用源。 ? ?0,1,1 表示為黃色， ? ?1,0,1 表示為深紅， ? ?1,1,0 表示為青色。自然界的任一色彩都可以由 R 、 G 、 B 這三種基色通過某種的比例相加而成，如： R 、 G 、 B 的比例為 ? ?0,0,0 ，則該顏色為黑色，而 R 、 G 、 B 的比例為 ? ?1,1,1 則該顏色為白色，而 ? ?0,1,0 為綠色， ? ?1,0,0 表示為藍(lán)色，而紅色 +綠色 +藍(lán)色 =白色，這就是我們所說的 RGB 三基色原理。本章主要介紹了常用的 RGB (Red, Green, Blue)顏色模型。 下圖為我們常見的圖像處理中開與閉運(yùn)算的運(yùn)算結(jié)果。運(yùn)用閉運(yùn)算可以填充圖像中的小的空洞，使整個圖像變得平滑。開運(yùn)算與閉運(yùn)算是二值膨脹與腐蝕的延伸，是在膨脹與腐蝕上基礎(chǔ)上發(fā)展演化而來的。 0 開與閉操作 開操作是形態(tài)學(xué)處理的一種重要的變換，運(yùn)算法則為先進(jìn)行腐蝕而后再膨脹處理。 ? ???? ?? ?? ? ? ? ??4,0,3,0,2,2,2,1,1,1,0,1?X ； ??? ? ??0,10,0?B ??? ?? ?? ?? ?? ?? ?? ?? ?? ?? ?? ? ??4,1,3,1,2,3,2,2,1,2,0,2,4,1,3,1,2,2,2,1,1,1,0,1?? BX 暨南大學(xué) 7 a） X的點(diǎn)集 b） B的點(diǎn)集 c） 膨脹后的結(jié)果 圖 2. 3 膨脹效果圖 圖 2. 4 為日常生活中常見的 B 腐蝕 X 的一個實(shí)例。 錯誤 !未找到引用源。 膨脹是指運(yùn)用向量加法的運(yùn)算法則，把 X 、 B 兩個向量中所有向量相加的和的向量，其運(yùn)算公式為： ? ?BX a n d bxbxppBX ??????? ,:2? （ ） 通過膨脹我們可以豐富圖像，使圖像更加生動形象，以便我們完成對圖像的分析和應(yīng)用。 [9] 二值膨脹、腐蝕、開以及閉運(yùn)算是形態(tài)處理常用的四個基本元素。對二值化圖像進(jìn)行分析和處理，更有利于我們的工作進(jìn)程。[7] 在圖像處理過程中，二值化占有極其重要的作用，對圖像進(jìn)行二值化處理可以改變圖像的大小，以便使圖像更好的為我們所應(yīng)用，圖像呈現(xiàn)出黑白兩種效果，把我們感興趣的部分標(biāo)志出來，如圖 。如果在 VC 中直接應(yīng)用某些公式，就會因?yàn)楦↑c(diǎn)數(shù)過低而影響代碼的執(zhí)行速度。 ??? ???? TyxH TyxHyx ),( ),(01),( （ ） 二值化過程中閥值的選取是至關(guān)重要的，閥值一般是經(jīng)過嚴(yán)格的運(yùn)算得到的，但是若沒有經(jīng)過嚴(yán)格的運(yùn)算，通常我們?nèi)≡摯翱诘钠骄?。二值化是彩色圖像處理中最常用的方法，依據(jù)為將圖像上像素點(diǎn)的灰度值設(shè)置為 0到 255，通過設(shè)置適當(dāng)?shù)拈y值使圖像呈現(xiàn)出黑白兩種效果，使圖像背景與對象分離，得到黑白效果的圖像，圖像灰度值大于或等于閥值的像素其灰度值表示為 255，而小于閥值的像素灰度值則表示為 0， 0圖像二值化效果如圖 、圖 2. 2所示。 [6] 圖像的二值化 圖像的二值化是我們研究運(yùn)動目標(biāo)檢測研究方法的重要前提，但是由于風(fēng)速或人為操作等原因，我們得到的圖像總是和真實(shí)的圖像都會有一定的誤差，這時(shí)就只有對