【正文】 最后得出結(jié)果。所以背景減除法很依賴對(duì)于背景模型的建立。 同時(shí)由于時(shí)間流逝，實(shí)際場(chǎng)景的多種因素都會(huì)發(fā)生變化，比如停留物的出現(xiàn)、光線等的變化、運(yùn)動(dòng)目標(biāo)對(duì)背景的遮擋等等，背景需要得到實(shí)時(shí)地更新，這是影響其檢測(cè)效果的一個(gè)重要因素。優(yōu)點(diǎn)：能夠較為完整的來(lái)檢測(cè)出運(yùn)動(dòng)目標(biāo)。 背景減法 將實(shí)時(shí)視頻流中的圖像像素點(diǎn)灰度值與事先已存儲(chǔ)或?qū)崟r(shí)得到的視頻背景模型中的相應(yīng)值比較，不符合要求的像素點(diǎn)被認(rèn)為是運(yùn)動(dòng)像素。光流法的優(yōu)點(diǎn)：足夠精確能檢測(cè)出獨(dú)立的運(yùn)動(dòng)目標(biāo)，而不需預(yù)知場(chǎng)景的任何信息，對(duì)變化的復(fù)雜背景情況有較好的適應(yīng)；缺點(diǎn)：由于要依賴光流估計(jì)的準(zhǔn)確程度，大多數(shù)計(jì)算方法相當(dāng)復(fù)雜。下面將介紹這三種檢測(cè)算法的優(yōu)缺點(diǎn)并重點(diǎn)介紹基于混合高斯背景建模的背景減法。檢測(cè)出其中的運(yùn)動(dòng)目標(biāo)把運(yùn)動(dòng)目標(biāo)從背景中分割開來(lái)。前面我們提到過(guò)一般的運(yùn)動(dòng)目標(biāo)檢測(cè)的算法主要有背景差分，幀間差分，光流法。第3章 多運(yùn)動(dòng)目標(biāo)檢測(cè)方法運(yùn)動(dòng)目標(biāo)的完整提取對(duì)于我們實(shí)驗(yàn)有很大的影響。一般的解決方法可以通過(guò)圖像切割將這部分干擾切除，或是提高閥值通過(guò)犧牲檢測(cè)一定的完整性來(lái)消除后面的干擾。這個(gè)是我們圖像處理中的干擾。：通過(guò)上圖可以看出當(dāng)閥值過(guò)大時(shí)邊緣會(huì)變的不完整二當(dāng)閥值過(guò)小時(shí)會(huì)出現(xiàn)干擾點(diǎn)。一旦找到了一個(gè)開始點(diǎn)，我們?cè)趫D像上逐點(diǎn)跟蹤邊緣路徑，當(dāng)大于門檻下限時(shí)一直紀(jì)錄邊緣位置，直到數(shù)值小于下限之后才停止紀(jì)錄。這個(gè)方法使用不同的閾值去尋找邊緣。與此相反，一個(gè)高的閾值將會(huì)遺失細(xì)的或者短的線段。這樣，一個(gè)在位置 0 有一個(gè)邊界的一維圖像 f 可以用下面的模型來(lái)表示，其中σ 被稱為邊緣模糊度： ()這樣，在邊界的左側(cè)亮度是： 右側(cè)亮度是：， f 可以寫為卷積： 一旦我們計(jì)算出導(dǎo)數(shù)之后，下一步要做的就是給出一個(gè)閾值來(lái)確定哪里是邊緣位置。(4) 物體邊緣附近的局部鏡面反射或者漫反射。(2) 非零半徑光源產(chǎn)生的陰影帶來(lái)的半影模糊。自然界圖像的邊緣并不總是理想的階梯邊緣。在許多圖像處理的應(yīng)用中邊緣都起著非常重要的作用。一個(gè)典型的邊界可能是，例如一塊紅色和一塊黃色之間的邊界，與此相反的是邊線可能是在另外一種不變的背景上的少數(shù)不同顏色的點(diǎn)。邊緣可能與視角有關(guān)—— 也就是說(shuō)邊緣可能隨著視角不同而變化，典型地反映在場(chǎng)景、物體的幾何形狀一個(gè)將另一個(gè)遮擋起來(lái)，也可能與視角無(wú)關(guān)——這通常反映被觀察物體的屬性如表面紋理和表面形狀?；诓檎业姆椒ㄍㄟ^(guò)尋找圖像一階導(dǎo)數(shù)中的最大和最小值來(lái)檢測(cè)邊界，通常是將邊界定位在梯度最大的方向。圖像邊緣檢測(cè)大幅度地減少了數(shù)據(jù)量，并且剔除了可以認(rèn)為不相關(guān)的信息，保留了圖像重要的結(jié)構(gòu)屬性。 這些包括（i）深度上的不連續(xù)、（ii）表面方向不連續(xù)、（iii）物質(zhì)屬性變化和（iv）場(chǎng)景照明變化。： 邊緣檢測(cè)邊緣檢測(cè)是圖像處理和計(jì)算機(jī)視覺(jué)中的基本問(wèn)題，邊緣檢測(cè)的目的是標(biāo)識(shí)數(shù)字圖像中亮度變化明顯的點(diǎn)。如果對(duì)象與背景所占的面積不相近時(shí)，則其中一個(gè)像素組合會(huì)在直方圖中占主要地位，平均灰度值就不是好的初始選擇。 T=1/2(μ2+μ1) ()(5) 重復(fù)步驟(2)到(4)，直到逐次迭代所得到的T值之差小于預(yù)先定義的參數(shù)。(3) 對(duì)區(qū)域G1和G2中的所有像素計(jì)算平均灰度值μ1和μ2。所以局部二值化比較合適本課題具體步驟為：(1) 選擇一個(gè)T的初始估計(jì)值(2) 用T分割圖像。所以，研究人員提出了許多閾值的選取方法。閾值的選取都是采用的靜態(tài)固定閾值。閥值選取Surendra算法提取背景及目標(biāo)提取都需對(duì)圖像二值化。該方法的閾值是通過(guò)對(duì)該窗口像素的平均值E，像素之間的差平方P，像素之間的均方根值Q等各種局部特征，設(shè)定一個(gè)參數(shù)方程進(jìn)行閾值的計(jì)算，例如：T=a*E+b*P+c*Q，其中a,b,c是自由參數(shù)。為了解決這個(gè)問(wèn)題，就出現(xiàn)了局部自適應(yīng)二值化方法。這個(gè)閾值是沒(méi)有經(jīng)過(guò)合理的運(yùn)算得來(lái)，一般是取該窗口的平局值。Surendra局部二值化也有一個(gè)缺陷。為了彌補(bǔ)這個(gè)缺陷，出現(xiàn)了局部二值化方法。將大于T的像素群的像素值設(shè)定為白色（或者黑色），小于T的像素群的像素值設(shè)定為黑色（或者白色）。所有灰度大于或等于閾值的像素被判定為屬于特定物體，其灰度值為255表示，否則這些像素點(diǎn)被排除在物體區(qū)域以外，灰度值為0，表示背景或者例外的物體區(qū)域。如果物體同背景的差別表現(xiàn)不在灰度值上（比如紋理不同），可以將這個(gè)差別特征轉(zhuǎn)換為灰度的差別，然后利用閾值選取技術(shù)來(lái)分割該圖像。所有灰度大于或等于閾值的像素被判定為屬于特定物體，其灰度值為255表示，否則這些像素點(diǎn)被排除在物體區(qū)域以外，灰度值為0，表示背景或者例外的物體區(qū)域。在數(shù)字圖像處理中，二值圖像占有非常重要的地位，特別是在實(shí)用的圖像處理中，以二值圖像處理實(shí)現(xiàn)而構(gòu)成的系統(tǒng)是很多的，要進(jìn)行二值圖像的處理與分析，首先要把灰度圖像二值化，得到二值化圖像，這樣子有利于在對(duì)圖像做進(jìn)一步處理時(shí)，圖像的集合性質(zhì)只與像素值為0或255的點(diǎn)的位置有關(guān)，不再涉及像素的多級(jí)值，使處理變得簡(jiǎn)單，而且數(shù)據(jù)的處理和壓縮量小。 f(i,j)=(i,j)+(i,j)+(i,j)) ()： 二值化圖像的二值化處理就是將圖像上的點(diǎn)的灰度置為0或255，也就是將整個(gè)圖像呈現(xiàn)出明顯的黑白效果。 f(i,j)=(R(i,j)+G(i,j)+B(i,j)) /3 ()加權(quán)平均法根據(jù)重要性及其它指標(biāo)，將三個(gè)分量以不同的權(quán)值進(jìn)行加權(quán)平均。（a）R分量灰度圖 （b）G分量灰度圖 （c）B分量灰度圖圖42 彩色圖的三分量灰度圖最大值法將彩色圖像中的三分量亮度的最大值作為灰度圖的灰度值。 f1(i,j)=R(i,j)f2(i,j)=G(i,j)f3(i,j)=B(i,j) ()其中fk(i,j)(k=1,2,3)為轉(zhuǎn)換后的灰度圖像在（i,j）處的灰度值。在RGB模型中，如果R=G=B時(shí)，則彩色表示一種灰度顏色，其中R=G=B的值叫灰度值，因此，灰度圖像每個(gè)像素只需一個(gè)字節(jié)存放灰度值（又稱強(qiáng)度值、亮度值），灰度范圍為0255?；叶葓D像與黑白圖像不同，在計(jì)算機(jī)圖像領(lǐng)域中黑白圖像只有黑白兩種顏色，灰度圖像在黑色與白色之間還有許多級(jí)的顏色深度。： 開閉效果圖最后我們對(duì)圖像進(jìn)行開閉運(yùn)算來(lái)去噪查看效果， 開閉效果圖 開閉效果圖 灰度化灰度數(shù)字圖像是每個(gè)像素只有一個(gè)采樣顏色的圖像。我們讀取灰度圖通過(guò)二值化和開閉運(yùn)算來(lái)對(duì)胡椒鹽噪聲去噪。通過(guò)膨脹我們可以讓圖像中的裂縫等得到填補(bǔ)，如一個(gè)破鏡子的照片，通過(guò)膨脹處理 ，可以恢復(fù)完好的樣子。如：指紋圖像中充滿了細(xì)小的粉塵顆粒 ，可以采用和粉塵大小相近的結(jié)構(gòu)元素去除，使指紋變的清晰定義： A和B是兩個(gè)集合，A被B 腐蝕定義為： （）含義：腐蝕結(jié)果是這樣一個(gè)由移位元素z組成的集合，以至B對(duì)這些元素移位操作的結(jié)果完全包含于A。但是均值濾波同時(shí)存在不足之處就是不能很好地保護(hù)圖像的細(xì)節(jié)，去噪的同時(shí)也可能去掉圖像的細(xì)節(jié)。均值濾波也稱為線性濾波，其采用的主要方法為鄰域平均法。W為二維模板，通常為3*3，5*5區(qū)域，也可以是不同的的形狀，如線狀，圓形，十字形，圓環(huán)形等。方法是用某種結(jié)構(gòu)的二維滑動(dòng)模板，將板內(nèi)像素按照像素值的大小進(jìn)行排序，生成單調(diào)上升（或下降）的為二維數(shù)據(jù)序列。對(duì)這L個(gè)信號(hào)樣本值按從小到大的順序排列后，其中值，在i處的樣值，便定義為中值濾波的輸出值。中值濾波方法：對(duì)一個(gè)數(shù)字信號(hào)序列xj(∞j∞)進(jìn)行濾波處理時(shí)，首先要定義一個(gè)長(zhǎng)度為奇數(shù)的L長(zhǎng)窗口，L=2N+1，N為正整數(shù)。此外，中值濾波的算法比較簡(jiǎn)單，也易于用硬件實(shí)現(xiàn)。 中值濾波法是一種非線性平滑技術(shù)，它將每一像素點(diǎn)的灰度值設(shè)置為該點(diǎn)某鄰域窗口內(nèi)的所有像素點(diǎn)灰度值的中值.中值濾波對(duì)脈沖噪聲有良好的濾除作用，特別是在濾除噪聲的同時(shí)，能夠保護(hù)信號(hào)的邊緣，使之不被模糊。根據(jù)噪聲和信號(hào)的關(guān)系可將其分為三種形式:(f(x,y)表示給定原始圖象,g(x,y)表示圖象信號(hào),n(x,y)表示噪聲。在本章節(jié)中我們著重分析空域?yàn)V波法和形態(tài)學(xué)濾波?；诳沼虻乃惴ㄌ幚頃r(shí)直接對(duì)圖像灰度級(jí)做運(yùn)算，基于頻域的算法是在圖像的某種變換域內(nèi)對(duì)圖像的變換系數(shù)值進(jìn)行某種修正，是一種間接增強(qiáng)的算法。在圖像增強(qiáng)過(guò)程中，不分析圖像降質(zhì)的原因，處理后的圖像不一定逼近原始圖像。后者空間域法中具有代表性的算法有局部求平均值法和中值濾波（取局部鄰域中的中間像素值）法等，它們可用于去除或減弱噪聲。前者把圖像看成一種二維信號(hào)，對(duì)其進(jìn)行基于二維傅里葉變換的信號(hào)增強(qiáng)。增強(qiáng)圖像中的有用信息，它可以是一個(gè)失真的過(guò)程，其目的是要改善圖像的視覺(jué)效果，針對(duì)給定圖像的應(yīng)用場(chǎng)合，有目的地強(qiáng)調(diào)圖像的整體或局部特性，將原來(lái)不清晰的圖像變得清晰或強(qiáng)調(diào)某些感興趣的特征，擴(kuò)大圖像中不同物體特征之間的差別，抑制不感興趣的特征，使之改善圖像質(zhì)量、豐富信息量，加強(qiáng)圖像判讀和識(shí)別效果，滿足某些特殊分析的需要。 圖像的預(yù)處理也可以幫助我們?cè)诤竺娴倪^(guò)程中做的更加精確。初期階段應(yīng)該對(duì)原始圖像灰度化并校正，噪聲過(guò)濾等。 解碼控制器結(jié)構(gòu)框圖 圖像預(yù)處理一般由于拍攝條件的限制以及外界的干擾使得其圖像不能直接運(yùn)用。監(jiān)視主機(jī)一方面將采集到的圖像信號(hào)顯示到自主開發(fā)的基于MFC框架的可視窗口，另一方面對(duì)目標(biāo)的行為分析判斷后，發(fā)出控制信號(hào)，通過(guò)RS232485轉(zhuǎn)換器，輸入到解碼控制器，控制云臺(tái)的轉(zhuǎn)動(dòng)、調(diào)整光圈、聚焦等，使攝入的畫面清晰、實(shí)時(shí)的跟蹤運(yùn)動(dòng)目標(biāo)的軌跡，方便后續(xù)的圖像處理工作。解碼控制器：調(diào)控相機(jī)參數(shù)，如全方位轉(zhuǎn)動(dòng)鏡頭，拉近拉遠(yuǎn)鏡頭，調(diào)整鏡頭光圈大小和聚焦等。微視GEV相機(jī)：實(shí)現(xiàn)灰度圖像的采集，傳輸穩(wěn)定、良好的開放性和兼容性。由于光流法對(duì)于設(shè)備和算法的要求過(guò)高所以在本課題中不會(huì)考慮，只考慮和對(duì)比背景減除和時(shí)間幀差法兩種方式。對(duì)于圖像進(jìn)行輪廓處理來(lái)判斷運(yùn)動(dòng)物體。二值化圖像也就是將圖像上的像素點(diǎn)的灰度值設(shè)置為0或者255這樣可以呈現(xiàn)出明顯的黑白效果方便研究。所以我們?cè)谂臄z時(shí)選擇較為穩(wěn)定的環(huán)境以此從中選取拍攝清晰完整的圖像視頻來(lái)方便我們課題的研究。同時(shí)也有可能由于風(fēng)吹動(dòng)樹葉之類的干擾，而且由于我們拍攝的工具限制所以拍攝時(shí)會(huì)產(chǎn)生模糊不清晰甚至在拍攝快速運(yùn)動(dòng)物體時(shí)會(huì)產(chǎn)生物體變形的結(jié)果。我們可以通過(guò)程序來(lái)調(diào)用圖像方便后面的操作。第2章 系統(tǒng)的總體設(shè)計(jì)及預(yù)處理 多運(yùn)動(dòng)目標(biāo)的檢測(cè)系統(tǒng)設(shè)計(jì)方案一個(gè)完整的多目標(biāo)跟蹤系統(tǒng)要完成從圖像采集到運(yùn)動(dòng)物體識(shí)別輸出，過(guò)程相當(dāng)復(fù)雜，基本可以分成硬件部分跟軟件部分，硬件部分包括系統(tǒng)觸發(fā)、圖像采集，軟件部分包括圖像預(yù)處理、運(yùn)動(dòng)目標(biāo)位置提取、多運(yùn)動(dòng)物體分割、運(yùn)動(dòng)目標(biāo)識(shí)別四大部分。通過(guò)對(duì)課題的認(rèn)識(shí)確定后面我們對(duì)課題難點(diǎn)的學(xué)習(xí)以及難點(diǎn)克服的方式。 總結(jié)本章節(jié)主要介紹了下多運(yùn)動(dòng)目標(biāo)檢測(cè)的目前狀況以及未來(lái)發(fā)展的前景。而且新版本的MATLAB提供了完整的聯(lián)機(jī)查詢、幫助系統(tǒng)，極大的方便了用戶的使用。包括MATLAB桌面和命令窗口、歷史命令窗口、編輯器和調(diào)試器、路徑搜索和用于用戶瀏覽幫助、工作空間、文件的瀏覽器。 軟件的運(yùn)用基于pc監(jiān)控平臺(tái)的多運(yùn)動(dòng)目標(biāo)檢測(cè)系統(tǒng)的軟件部分大都采用VC++,VB或者M(jìn)atlab,本課題選用了Matlab，Matlab由一系列工具組成。這種方法對(duì)于場(chǎng)景中的光線漸變不敏感，適于動(dòng)態(tài)變化的環(huán)境，且運(yùn)算量相對(duì)較小。(3) 幀間差法:同時(shí)由于時(shí)間流逝，實(shí)際場(chǎng)景的多種因素都會(huì)發(fā)生變化，比如停留物的出現(xiàn)、光線等的變化、運(yùn)動(dòng)目標(biāo)對(duì)背景的遮擋等等，背景需要得到實(shí)時(shí)地更新，這是影響其檢測(cè)效果的一個(gè)重要因素。這是視頻監(jiān)控中最常用的運(yùn)動(dòng)檢測(cè)方法。(2) 背景減法:其主要優(yōu)點(diǎn)在于能檢測(cè)出獨(dú)立的運(yùn)動(dòng)目標(biāo)，而不需預(yù)知場(chǎng)景的任何信息，對(duì)變化的復(fù)雜背景情況有較好的適應(yīng)。(1) 光流法:當(dāng)目標(biāo)運(yùn)動(dòng)時(shí)，圖像上對(duì)應(yīng)目標(biāo)的亮度信息（光流）也相 應(yīng) 的運(yùn)動(dòng)。目前，大多數(shù)的運(yùn)動(dòng)目標(biāo)檢測(cè)的方法或是基于圖像序列中時(shí)間信息的，或是