【正文】 ortings, cover a wide range of road traffic surveillance, arrive rapidly at the emergency location, and access realtime information to the scene of the accident. Some European and American developed in the 1990s had begun to explore a possible alternative to enhance road traffic situation surveillance by means of new technologies road traffic situation in the air monitoring technology , which needs to video images of the moving object extraction , the results for the moving target tracking and analysis of the traffic situation, In this paper, motion detection based on video images algorithm is researched and achieved：1. Static background usually occurs in a relatively static camera, Differential three frames use statistical methods to analyze and calculate background. On this basis to resume use of the background and current frame of information, motive objects are detected。2 詳細(xì)介紹了視頻交通目標(biāo)檢測和識別軟件的設(shè)計(jì)與實(shí)現(xiàn)。北京航空航天大學(xué)畢業(yè)設(shè)計(jì)(論文) 第 47 頁 本人聲明 我聲明，本論文及其研究工作是由本人在導(dǎo)師指導(dǎo)下獨(dú)立完成的，在完成論文時所利用的一切資料均已在參考文獻(xiàn)中列出。作者：馬強(qiáng)簽字：時間：2007年6月 本論文受國家高技術(shù)研究發(fā)展計(jì)劃（863計(jì)劃）《空基立體交通態(tài)勢獲取與處理新技術(shù)》課題的支持項(xiàng)目編號： SQ2006AA11Z104840起止時間： 2006年11月－2008年12月 基于視頻圖像的運(yùn)動目標(biāo)提取方法研究學(xué) 生：馬 強(qiáng)指導(dǎo)老師：羅喜伶摘 要隨著近年來全國各大城市交通擁擠程度的加劇，為克服傳統(tǒng)路基交通監(jiān)視設(shè)備監(jiān)視范圍小、靈活性等固有缺點(diǎn)，對寬廣范圍內(nèi)的路面交通狀況進(jìn)行覆蓋監(jiān)視，快速到達(dá)突發(fā)事故地點(diǎn)，實(shí)時獲取事故現(xiàn)場信息，歐美一些發(fā)達(dá)國家在20世紀(jì)90年代就已經(jīng)開始探索一種可以代替或增強(qiáng)路面交通態(tài)勢監(jiān)視手段的新技術(shù)——道路交通態(tài)勢空中監(jiān)測技術(shù)，其中需要對視頻圖像中的運(yùn)動目標(biāo)進(jìn)行提取，將結(jié)果用于運(yùn)動目標(biāo)的跟蹤以及交通態(tài)勢分析，本文主要對基于視頻圖像的運(yùn)動目標(biāo)提取算法進(jìn)行研究并實(shí)現(xiàn)，主要完成的內(nèi)容如下：1 靜止背景的情況通常發(fā)生在攝像機(jī)相對靜止?fàn)顟B(tài)，采用三幀間差分統(tǒng)計(jì)的方法進(jìn)行分析并計(jì)算背景，在此基礎(chǔ)之上利用恢復(fù)的背景及當(dāng)前幀的信息檢測運(yùn)動目標(biāo)，此方法可用于空基平臺懸停的情況；對于動態(tài)背景的運(yùn)動圖像，由于背景是不斷變化且呈現(xiàn)出復(fù)雜的特征，因此很難準(zhǔn)確求出靜止背景，本文在光流矢量場的基礎(chǔ)上探討研究了基于金字塔的光流計(jì)算方法，并利用形態(tài)學(xué)濾波，基于亮度和色度的分割，面積閾值判斷，從而檢測出運(yùn)動目標(biāo)，并統(tǒng)計(jì)出運(yùn)動目標(biāo)的數(shù)量，此方法可用于空基平臺飛行的情況。它利用1中基于改進(jìn)光流法的運(yùn)動目標(biāo)提取算法實(shí)現(xiàn)對交通目標(biāo)檢測和識別的計(jì)算機(jī)處理，主要被設(shè)計(jì)用來統(tǒng)計(jì)交通路段上行駛的機(jī)動車的數(shù)量，并監(jiān)測道路交通狀況。 the image sequence with dynamic background, as background is constantly changing and have more and more plex features, it is difficult to accurately calculate the static background. Based on the optical flow vector field ,this paper have researched the pyramidal implementation of optical flow calculation method, and by using morphological filtering, directly detect the motive objects, and the statistics of the motive objects. 2. Details on the software design and implementation which is the subsystem of the new technologies of Spacebased threedimensional traffic situation acquisition and processing. It uses image processing technology to achieve the objectives of traffic detection and identification of the puter processing, mainly designed for the traffic statistics on the section of moving vehicle numbers, the calculation of various traffic parameters, such as density, and to monitor road traffic conditions. Keywords： motion detection, threeframedifference background subtraction, pyramidal implementation of optical flow, traffic monitoring目 錄第1章 緒論 1 引言 1 課題來源和意義 2 國內(nèi)外研究現(xiàn)狀 3 本文的研究內(nèi)容和論文安排 5 研究內(nèi)容 5 論文安排 5第2章 基于三幀背景差分的運(yùn)動目標(biāo)提取方法 7 基于幀間差的提取運(yùn)動目標(biāo)方法 7 基于背景差的提取運(yùn)動目標(biāo)方法 8 基于三幀背景差分的運(yùn)動目標(biāo)提取方法 11 引言 11 原理及算法流程 11 算法實(shí)現(xiàn) 15第3章 基于改進(jìn)的光流法的運(yùn)動目標(biāo)提取方法 19 光流法提取運(yùn)動目標(biāo) 19 運(yùn)動場和光流場 19 光流的計(jì)算 20 基于改進(jìn)光流法的運(yùn)動目標(biāo)提取方法 21 基本原理 21 算法流程 24 算法實(shí)現(xiàn) 28第4章 視頻交通目標(biāo)檢測及識別系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn) 30 系統(tǒng)概述 30 系統(tǒng)設(shè)計(jì)原則 30 系統(tǒng)總體設(shè)計(jì) 32 軟件需求概述 32 系統(tǒng)功能結(jié)構(gòu) 32 系統(tǒng)環(huán)境 32 系統(tǒng)的實(shí)現(xiàn) 33 實(shí)現(xiàn)的準(zhǔn)備 33 軟件實(shí)現(xiàn) 34第5章 仿真結(jié)果及性能分析 38 仿真結(jié)果分析 38 性能比較分析 40第6章 當(dāng)前不足及前景展望 41 當(dāng)前不足及解決建議 41 前景展望 42結(jié)論 43致謝 44參考文獻(xiàn) 45第1章 緒論 引言長期以來，我國各大城市的交管部門對交通信息的采集仍停留在使用傳感線圈、固定的攝像裝置等路基采集設(shè)備階段，存在監(jiān)視范圍狹小、靈活性低、無法應(yīng)付突發(fā)事件、缺乏對宏觀信息的掌控等困難，嚴(yán)重影響對交通的有效疏導(dǎo)。隨著近年來全國各大城市交通擁擠程度的加劇，如何克服傳統(tǒng)路基交通監(jiān)視設(shè)備監(jiān)視范圍狹小、靈活性低等固有缺點(diǎn)，對寬廣范圍內(nèi)的路面交通狀況進(jìn)行覆蓋監(jiān)視，快速到達(dá)突發(fā)事故地點(diǎn)，實(shí)時獲取事故現(xiàn)場信息，及時采取有效措施疏散車輛，實(shí)現(xiàn)對特定交通對象的跟蹤定位，都是交管部門十分關(guān)心的問題，也是各國科學(xué)家亟待解決的難題。該技術(shù)的理念是利用空基平臺特有的不受路面交通狀況制約、可快速到達(dá)指定地點(diǎn)的特點(diǎn)，對重大活動、災(zāi)害事件、突發(fā)交通事件進(jìn)行監(jiān)視并提供各種應(yīng)急信息服務(wù)，從而為全面、快速、準(zhǔn)確的獲取與處理交通態(tài)勢奠定基礎(chǔ)。 雅典奧運(yùn)會上基于無人飛艇的交通狀況監(jiān)視系統(tǒng) 課題來源和意義交通態(tài)勢監(jiān)視平臺從路基到空基的轉(zhuǎn)換，將會帶來一系列的技術(shù)難題，如空基平臺的姿態(tài)變換導(dǎo)致天線難對準(zhǔn)、寬帶無線通信困難；圖像抖動導(dǎo)致的圖像質(zhì)量受到嚴(yán)重影響，需要進(jìn)行圖像運(yùn)動補(bǔ)償與防抖動處理；觀測目標(biāo)小、易受外界因素影響等諸多因素導(dǎo)致可用的有效信息減少，交通目標(biāo)提取分析困難等，因此，迫切需要開展空天一體立體交通態(tài)勢獲取與處理技術(shù)的研究。研究如下內(nèi)容：（1）空基立體交通態(tài)勢的獲取與處理總體技術(shù)；（2）空基交通信息獲取技術(shù)；（3）空地一體交通信息實(shí)時傳輸技術(shù)；（4）復(fù)雜條件下立體交通態(tài)勢分析與處理技術(shù)。本論文受863項(xiàng)目《空基立體交通態(tài)勢獲取與處理新技術(shù)》支持，主要對復(fù)雜條件下立體交通態(tài)勢分析與處理技術(shù)的關(guān)鍵技術(shù)——基于視頻圖像的運(yùn)動目標(biāo)提取算法進(jìn)行研究并實(shí)現(xiàn)，為基于空基拍攝視頻圖像的交通對象檢測與跟蹤做準(zhǔn)備。但是，已有的運(yùn)動目標(biāo)提取算法大多受限于特定的應(yīng)用背景，并且待于進(jìn)一步研究和深化，因此，研究一種魯棒性好、精確度高、性能穩(wěn)定和適用性強(qiáng)的運(yùn)動目標(biāo)提取方法依然面臨巨大挑戰(zhàn)。1997年美國國防高級研究項(xiàng)目署（Defense Advanced Research Projects Agency）設(shè)立了卡內(nèi)基梅隆大學(xué)為首、麻省理工學(xué)院等高校參與的視覺監(jiān)控重大項(xiàng)目VSAM（Visual Surveillance and Monitoring），主要研究用于戰(zhàn)場及普通民用場景進(jìn)行監(jiān)控的自動視頻理解技術(shù)。在國內(nèi)，運(yùn)動圖像分析已在人體運(yùn)動檢測與跟蹤、智能交通、機(jī)器人視覺、運(yùn)動目標(biāo)檢測與跟蹤等諸方面展開了深層次研究?？偟膩碚f，針對單一問題的運(yùn)動目標(biāo)提取已有許多現(xiàn)成的解決方案，而在立體交通態(tài)勢的復(fù)雜條件下還存在許多技術(shù)難點(diǎn)和挑戰(zhàn)：1. 背景運(yùn)動情況下提取運(yùn)動目標(biāo)較復(fù)雜。目前的方法對于已知背景運(yùn)動規(guī)律的情況，可以將運(yùn)動背景校正為靜止背景；如果背景運(yùn)動未知，往往采取背景運(yùn)動估計(jì)的方法來求出背景的運(yùn)動情況。但是背景運(yùn)動的估計(jì)本身就是個較難解決的問題，計(jì)算量過大。目前現(xiàn)有的算法往往不能滿足計(jì)算量小、準(zhǔn)確性高的特點(diǎn)，例如光流法[2]就需要進(jìn)行大量的運(yùn)算，而差圖像[3]等計(jì)算速度快的算法，其檢測精度又值得探討，如何在計(jì)算量與準(zhǔn)確性兩者之間折中，尋求最佳解決方案是目前所有算法的追求目標(biāo)?，F(xiàn)實(shí)環(huán)境中，影響運(yùn)動目標(biāo)檢測的因素有很多，如光照產(chǎn)生的陰影可能被識別成運(yùn)動目標(biāo)，目標(biāo)與背景紋理接近時無法識別出運(yùn)動目標(biāo)。C. Tomasi等人[4] [5]通過對圖像中像素點(diǎn)顏色分量的分布建立區(qū)域模型，并且綜合利用該模型和邊緣模型對富含紋理的圖像區(qū)域進(jìn)行角點(diǎn)檢測，實(shí)現(xiàn)目標(biāo)檢測和跟蹤，但當(dāng)背景的紋理與目標(biāo)的紋理相似時，該算法卻不能得到正確的結(jié)果。對于多個運(yùn)動目標(biāo)，如果不是以相同的速度運(yùn)動，大多數(shù)情況下會出現(xiàn)目標(biāo)的遮擋、重疊等情況，目標(biāo)與目標(biāo)之間的相對運(yùn)動會直接影響序列圖像的目標(biāo)成像效果[6]，給目標(biāo)檢測工作帶來了很大的不便，這也正是當(dāng)前許多算法不能徹底解決的問題。 本文的研究內(nèi)容和論文安排 研究內(nèi)容本文主要研究在攝像機(jī)固定和運(yùn)動兩種情況下，如何從監(jiān)控視頻圖像中提取出運(yùn)動目標(biāo)，并對其進(jìn)行相應(yīng)的分析和處理。2. 在總結(jié)常用的基于差分圖像的運(yùn)動目標(biāo)檢測方法的基礎(chǔ)上，對幀間差算法提出了改進(jìn)。其中三幀差操作用來決定圖像序列中的運(yùn)動區(qū)域，自適應(yīng)背景差就用來提取目標(biāo)的完整輪廓信息。直到金字塔的最上層，即原始圖像。4. 在上述研究的基礎(chǔ)上，搭建了視頻交通目標(biāo)檢測及識別系統(tǒng)，它是一種利用圖像處理技術(shù)實(shí)現(xiàn)對交通目標(biāo)檢測和識別的計(jì)算機(jī)處理系統(tǒng)。 論文安排本文共分為六章來闡述所研究的內(nèi)容。第二章首先分析了背景固定情況下常用的運(yùn)動目標(biāo)的提取方法：幀間差法和背景差法，并基于上述兩種方法的缺陷提出了一種改進(jìn)方法——三幀背景差分來提取運(yùn)動目標(biāo)。第四章