【正文】 章 三幀差分算法 ..................................... 19 基本思路 ......................................... 19 實(shí)現(xiàn)過程 ......................................... 19 實(shí)驗(yàn)結(jié)果 ......................................... 20 結(jié)果分析 ......................................... 23 本章總結(jié) ......................................... 23 第 5 章 總結(jié)與展望 ....................................... 25 總結(jié) ............................................. 25 展望 ............................................. 25 致謝 ................................................... 27 參考文獻(xiàn) ............................................... 28 VII 附錄 ................................................... 30 計(jì)算機(jī)畢學(xué)院業(yè)畢業(yè)（設(shè)計(jì)）論文 1 第 1 章 引言 課題研究的目的及意義 我們知道，在我們的所感知到的環(huán)境信息中，視覺信息是最多的，它在人們的生活中占了相當(dāng)大的一部分比例，而且在這里面，動態(tài)的視覺信息在其中有著很重要的地位。在我們的生活中，多數(shù)有意義的視覺信息基本上都是動態(tài)的，是運(yùn)動的而不是靜 止不動的，然而動態(tài)的視覺信息與靜態(tài)信息相比，更不容易捕獲。因此，借助外部設(shè)備來捕獲動態(tài)視覺信息并進(jìn)行分析，是圖像處理在現(xiàn)實(shí)生活中的應(yīng)用實(shí)例。目標(biāo)運(yùn)動圖像序列為我們提供了非常多有的用的信息，對運(yùn)動目標(biāo)的檢測研究，可以使我們提取到這 些有用信息，從而應(yīng)用于我們的現(xiàn)實(shí)生活中。運(yùn)動目標(biāo)檢測在特定的場景中提取運(yùn)動目標(biāo)，并將其從背景中分離提取出來，并以此結(jié)果來分析檢測到的目標(biāo)能否提供有效的價(jià)值，從而幫助人們在生活中更有效的解決遇到的問題。 課題發(fā)展?fàn)顩r及應(yīng)用前景 多年以來，計(jì)算機(jī)視覺方面的專家針 對視頻圖像中的運(yùn)動目標(biāo)檢測問的題，做了大量而深入的研究，并且提出了不少的運(yùn)動目標(biāo)檢測的方法。雖然發(fā)展到現(xiàn)在，人們在運(yùn)動目標(biāo)檢測方面取得了一定的進(jìn)展，然而到目前為止，人們并沒有還實(shí)現(xiàn)一種能適用于各種場合、各種情況的通用算法。之所以會出現(xiàn)這種情況，主要原 因在于圖像中存在著各種干擾因素，這些因素在運(yùn)動目標(biāo)檢測中本被視為干擾項(xiàng)，它們的出現(xiàn)給運(yùn)動目標(biāo)檢測造成了一定的困難。 2）背景景物的變動 當(dāng)檢測環(huán)境的背景中某些景物發(fā)生變化時(shí)時(shí)，或者背景中的景物的相對位置發(fā)生移動時(shí)，如果這些變化持續(xù)一段時(shí)間，我們就需要及時(shí)更新背景模型，這無疑增加了檢測的難度。 4）前景與背景物體相近 當(dāng)運(yùn)動的前景目標(biāo)的物體與背景中的景物在顏色或者形狀等外觀特征相似時(shí)，將會增大從背景中分辨出運(yùn)動目標(biāo)的難度。 6）運(yùn)動目標(biāo) 運(yùn)動路徑的變化 前景目標(biāo)的運(yùn)動軌跡調(diào)整可能會導(dǎo)致許多不同的目標(biāo)圖像頻繁的出入背景中，這樣將會使我們難以分辨哪些是真的背景，哪些是前景目標(biāo)，從而給運(yùn)動目標(biāo)跟蹤增加難度。因?yàn)橛行┬畔⑽覀兪呛茈y發(fā)現(xiàn)的。因此選取何種特征作為計(jì)算機(jī)畢學(xué)院業(yè)畢業(yè)（設(shè)計(jì)）論文 3 目標(biāo)檢測的依據(jù)，這不僅僅和采用的方法本身有關(guān)，同時(shí)還涉及到運(yùn)動圖像自身的特點(diǎn)，因此，從運(yùn)動目標(biāo)熱證來考慮的話，人們將很難判斷出哪個特征具有明顯優(yōu)勢，適合對運(yùn)動目標(biāo)檢測。一般來說，視頻數(shù)據(jù)的數(shù)據(jù)量比結(jié)構(gòu)記錄數(shù)據(jù)大多個數(shù)據(jù)級。由于運(yùn)動目標(biāo)檢測研究及應(yīng)用處理的對象是這樣龐大的大數(shù)據(jù)量的視頻圖像，所以其運(yùn)動量是相當(dāng)大的，即使在現(xiàn)在， CPU 處理速度不斷升級，但如果沒有合適的算法，那也很難達(dá)到檢測的實(shí)時(shí)處理的要求，另外，運(yùn)動目標(biāo)檢測的另外一個很重要的性能指標(biāo)就是準(zhǔn)確性，而準(zhǔn)確性的保證往往是在進(jìn)行大量復(fù)。 在運(yùn)動 目標(biāo)檢測方面存在的困難還有另一個重要原因，那就是在程序上由于實(shí)際環(huán)境中目標(biāo)運(yùn)動的復(fù)雜性以及視頻數(shù)據(jù)所具有的特殊性、復(fù)雜性，以及目標(biāo)所占整幅圖像的大小、運(yùn)動速度、運(yùn)動軌跡，還有系統(tǒng)對不同環(huán)境的適應(yīng)性，都給運(yùn)動目標(biāo)檢測帶來很大的挑戰(zhàn)。上述這些問題還有待我們進(jìn)一步研究。下面是運(yùn)動目標(biāo)檢測技術(shù)常用的三種方法： 1）光流法 [18]：光流是一種簡單實(shí)用的圖像運(yùn)動的表達(dá)方式，光流是一個圖像序列中的圖像的亮度模式的表觀運(yùn)動，光流不但包括被觀察物體的運(yùn)動信息，而且還包括相關(guān)的結(jié)構(gòu)信息?；诠饬鞣椒ǖ倪\(yùn)動目標(biāo)檢測具有運(yùn)動目標(biāo)隨時(shí)間變化的光流特性，由上可知，光流中同時(shí)包含著被觀察物體的運(yùn)動信息和結(jié)構(gòu)信息，然而在實(shí)際中由于遮擋，噪聲，透明等原因，使得光流場的基本方程的假設(shè)的灰度守恒條件不能滿 足，從而不能得到正解，此外，大多數(shù)光流基于幀間差分算法的運(yùn)動目標(biāo)檢測研究 4 方法的計(jì)算復(fù)雜，只能得到稀疏的光流場，不適于實(shí)時(shí)處理。 2）背景差分法：背景差分法在運(yùn)動目標(biāo)檢測技術(shù)中是一種非常常用的方法，該方法是利用當(dāng)前圖像與背景圖像進(jìn)行差分，來檢測出運(yùn)動區(qū)域的。由于該方法不受運(yùn)動目標(biāo)速度的限制，因此能夠較完整地提取出來運(yùn)動目標(biāo)，但是其檢測性能與背景圖像提取的好壞有很大的關(guān)聯(lián)，并且對光照條件和外部條件造成的場景變化過于敏感，如果在非受控環(huán)境下，該 算法還需要加入對背景圖像的更新機(jī)制，并且該方法不適用于背景灰度有很大變化的情況。該方法可適用于存在多個運(yùn)動目標(biāo)和攝像機(jī)移動的情況。通過兩幀相減，得到兩幀圖像亮度差的絕對值，判斷它是否大于閾值，根據(jù)這個判斷條件，我們可以得出圖像的二值化圖像，并以此來分析視頻或圖像序列的運(yùn)動特性，確定圖像序列中是否有物體運(yùn)動 [14]。雖然幀間差分算法對環(huán)境有很好的適應(yīng)性，并且差分圖像受光線變化影響小，檢測的結(jié)果有效而穩(wěn)定，但是它只能檢測相對運(yùn)動的目標(biāo)，檢測出的目標(biāo)位置不一定精確，并且不能提取出較完整的運(yùn)動目標(biāo)。 課題主要研究內(nèi)容 本文主要通過實(shí)現(xiàn)一種三幀差分算法 ， 來對運(yùn)動目標(biāo)進(jìn)行檢測和研究 。 我們知道，運(yùn)動目標(biāo)在不同的檢測環(huán)境中，會受到不同的外在因素的影響，而這些不同因素將會在不同的程度上影響運(yùn)動目標(biāo)檢測的準(zhǔn)確性和穩(wěn)定性。本文根據(jù)以上所述的因素中的幾種因素，計(jì)算機(jī)畢學(xué)院業(yè)畢業(yè)（設(shè)計(jì)）論文 5 運(yùn)用所實(shí)現(xiàn)的三幀差分算法，對在 這些因素影響下所提取的運(yùn)動目標(biāo)進(jìn)行檢測，并且得出檢測結(jié)果，進(jìn)行分析。由于 運(yùn)動的前景目標(biāo)的陰影部分會造成背景中局部畫面亮度變化，并且運(yùn)動的目標(biāo)之間，以及運(yùn)動的目標(biāo)與背景之間的重疊遮蓋，都有可能 改變檢測出來的運(yùn)動目標(biāo)的形狀以及其他特征。 當(dāng)背景是非靜態(tài)環(huán)境時(shí)， 例如 天空中 移動 的云塊，公路邊的建筑、樹等，這些運(yùn)動的背景很有可能被當(dāng)成前景目標(biāo)進(jìn)行處理，這樣將會增加運(yùn)動目標(biāo)的檢測難度 ， 從而影響檢測結(jié)果 。 前景目標(biāo) 在 高速運(yùn)動的情況下 ， 可能會導(dǎo)致許多不同的目標(biāo)在背景中頻繁出入，從而難以分辨哪些是真正的背景，哪些是前景目標(biāo)， 因此 也會給運(yùn)動目標(biāo)檢測增加難度 ， 在一定程度上影響最終檢測結(jié)果 。 第 2 章主要介紹了和運(yùn)動目標(biāo)檢測有關(guān)的理論基礎(chǔ)。再接著敘述了數(shù) 學(xué)形態(tài)學(xué)的運(yùn)算。 第 3 章主要實(shí)現(xiàn)了傳統(tǒng)的幀間差分算法，本章主要闡述了幀間差分算法的設(shè)計(jì)思想，算法實(shí)現(xiàn)過程，以及算法在運(yùn)動目標(biāo)檢測中的具體應(yīng)用，最后是實(shí)驗(yàn)結(jié)果的展現(xiàn)和說明。本章首先介紹了三幀差分算法的原理和算法流程，然后實(shí)現(xiàn)算法，并得出部分實(shí)驗(yàn)結(jié)果進(jìn)行分析，根據(jù)分析結(jié)果，說明本算法的優(yōu)缺點(diǎn)。 本文最后是作者對導(dǎo)師和 親朋好友的致謝詞。作者在文中所引用的其他文獻(xiàn)中的理論和方法，在本文中都有標(biāo)注出處。運(yùn)動目標(biāo)一般涉及一下對象： 1）運(yùn)動目標(biāo)：需要研究的運(yùn)動物體； 2）背景噪聲：沒有被檢測出來的運(yùn)動目標(biāo)區(qū)域。 4）反射：在物體的邊緣，或反射能力強(qiáng)的物體 (如地板，鋼管等 )表面，由于光線極其不穩(wěn)定而被當(dāng)成變化物體檢測出來。 6）鬼影：過去某時(shí)刻的運(yùn)動目標(biāo)進(jìn)入背景模型，在當(dāng)前時(shí)刻被當(dāng)成運(yùn)動目標(biāo)檢測出來。 它們之間的關(guān)系如圖 所示： 圖 由關(guān)系圖我們可以看出，對運(yùn)動目標(biāo)進(jìn)行檢測時(shí)，將會 有許多干擾的因素，這些因素將會對運(yùn)動目標(biāo)的檢測結(jié)果產(chǎn)生影響，基于此原因，目前國內(nèi)外關(guān)于運(yùn)計(jì)算機(jī)畢學(xué)院業(yè)畢業(yè)（設(shè)計(jì)）論文 7 動目標(biāo)檢測的研究提出了一定的解決辦法。 其中，預(yù)處理是在采集到視頻圖像信息后，對所采集到的圖像進(jìn)行處理，預(yù)處理的方法有很多，例如，把彩色圖像轉(zhuǎn)換為灰度圖像，這樣，在用運(yùn)動目標(biāo)檢測方法時(shí)，直接在灰度圖像的基礎(chǔ)上進(jìn)行操作。 去噪處理的方法也有很多 ， 目前最常用的方法就是數(shù)學(xué)形態(tài)學(xué)處理 ， 數(shù)學(xué)形態(tài)學(xué)包括膨脹 ， 腐蝕 ， 開啟 ， 閉合四種基本運(yùn)算 ， 這些運(yùn)算在圖像的去噪處理上有很廣 泛的用途 。像素值點(diǎn)介于黑白間256 種灰度中的一種，即總共有 256 個級別， 0 時(shí)全黑最暗， 255 時(shí)全白最亮。此時(shí)，我們每存儲一個像素點(diǎn)就要存儲它的三個顏色分量，這樣無疑大大消耗了存儲空間，而且在進(jìn)行計(jì)算時(shí)，還大大增加了計(jì)算量，因?yàn)槲覀兠看翁幚?一個像素點(diǎn)，還要處理這三個顏色分量。這樣可以把采集到的視頻圖像序列轉(zhuǎn)化為灰度圖像，灰度圖像中的每個像素用８位數(shù)據(jù)表示，圖像數(shù)據(jù)中的一個字節(jié)代表一個像素，每個字節(jié)所標(biāo)示的內(nèi)容就是每個像素的亮度值，即相當(dāng)于使圖像中的三個分量的值相等。 數(shù)學(xué)形態(tài)學(xué) 數(shù)學(xué)形態(tài)學(xué)簡介 數(shù)學(xué)形態(tài)學(xué)理論是由法國巴黎的地質(zhì)學(xué)家 和 創(chuàng)立的 ,這是一門新興的分析圖像的科學(xué)。其基本思想方法就是用具有一定形態(tài)的結(jié)構(gòu)元素去度量和圖像中對應(yīng)的形狀 ,以達(dá)到對圖像分析和識別的目的。 形態(tài)學(xué)運(yùn)算可以把圖像中形狀和尺寸與結(jié)構(gòu)元素相似的幾何特征保留下來，并且把其余的不需要的特征濾除。 數(shù)學(xué)形態(tài)學(xué)應(yīng)用 數(shù)學(xué)形態(tài)學(xué)是一門建立在嚴(yán)格數(shù)學(xué)理論基礎(chǔ)上的學(xué)科，其基本思想和方法對圖像處理的理論和技術(shù)產(chǎn)生了重大影響。這門學(xué)科在計(jì)算機(jī)文字識別，計(jì)算機(jī)顯微圖像分析 (如顆粒分析 )，醫(yī)學(xué)圖像處理（例如細(xì)胞檢測、心臟的運(yùn)動過程研究、脊椎骨癌圖像自動數(shù)量描述），圖像編碼壓縮，工業(yè)檢測 (如食品檢驗(yàn)和印刷電路自動檢測 )，材料科學(xué)，機(jī)器人視覺，汽車運(yùn)動情況監(jiān)測等方面都取得了非常成功的應(yīng)用 [15]。形態(tài)學(xué)方法已成為圖像應(yīng)用領(lǐng)域工程技術(shù)人員的必備工具。另外 ， 形態(tài)學(xué)在邊緣提取 、圖像分割、噪聲濾除等方面應(yīng)用也非常的廣泛。它們在二值圖像中和灰度圖像中各有自己的特點(diǎn)。 1) 膨脹 二值形態(tài)學(xué)中的運(yùn)算對象是集合。或者 x 是 Bx 擊中（用符號↑表示） A 而形成的數(shù)據(jù)集，一般以 B 中位于 (0,0)處的元素作為 B 的核 Bx[15]。 膨脹和腐蝕這兩種運(yùn)算是緊密的聯(lián)系在一起的，并且它們具有對偶性。以 cA 表示集合 A的補(bǔ)集， B? 表示 B 關(guān)于坐標(biāo)原點(diǎn)的反射，那么其對偶性就可可表示為 : ()cAB? = cA ? B? （ ）或 ()c c cA B A B? ? ? （ ） 由以上公式我們可以得出，腐蝕運(yùn)算是對圖像的內(nèi)部作濾波處理，而膨脹運(yùn)算則是利用結(jié)構(gòu)元素對圖像補(bǔ)集進(jìn)行填充， 因而它就是對圖像外部作濾波處理。而膨脹具有對圖像的擴(kuò)大作用 , 可以填充圖像中相對于結(jié)構(gòu)元素而言相對比較小的孔洞。這兩種運(yùn)算是數(shù)學(xué)形態(tài)學(xué)中最主要的運(yùn)算或變換。 基于幀間差分算法的運(yùn)動目標(biāo)檢測研究 10 設(shè) A 為輸入圖像， B 為結(jié)構(gòu)元素，利用 B 對 A 作開運(yùn)算，用符號 A B 表示，則開運(yùn)算的定義為： ()A B A B B? ? ? ? （ ） 開運(yùn)算實(shí)際上就是 A 先被 B 腐蝕，接著再被 B 膨脹的結(jié)果。當(dāng)結(jié)構(gòu)元素 B 掃過整個圖像集合的內(nèi)部， A B 就 表示圖像 A 中這樣的像素點(diǎn)：能夠使結(jié)構(gòu)元素 B 中的 任何像素不越出圖像 A 邊界。通過上述對膨脹和腐蝕的介紹，我們不難得到開運(yùn)算的結(jié)果，如圖 所示。 4)閉運(yùn)算 閉運(yùn)算是開運(yùn)算的對偶運(yùn)算，定義為先作膨脹后作腐蝕。由此看出，初始圖像 A 是包含在閉運(yùn)算后的AB? 中，即閉運(yùn)算是具有延伸性的運(yùn)算。 圖 圓盤做閉運(yùn)算 計(jì)算機(jī)畢學(xué)院業(yè)畢業(yè)（設(shè)計(jì)）論文 11 顯然，閉運(yùn)算對圖像的外部做濾波，僅僅磨光了圖像內(nèi)部 的尖角。 形態(tài)學(xué)濾波 圖像在生成、傳輸、變換過程中會受到各種各樣的外界因素的干擾，這些干擾有可能使圖像質(zhì)量所下降和退化，圖像變得模糊，并且夾雜有各種噪聲。然而傳統(tǒng)的濾波器在去除噪聲的同時(shí)，也會使圖像的細(xì)節(jié)特征變模糊了，不利于后續(xù)的處理。在形態(tài)變換中，結(jié)構(gòu)元素的作用就相當(dāng)于信號處理中的“濾波窗口”。 對于二值圖像，噪聲表現(xiàn)為目標(biāo)周圍的噪聲塊和目標(biāo)內(nèi)部的噪聲孔。在該方法中，對結(jié)構(gòu)元素的選取相當(dāng)重要，它應(yīng)當(dāng)比所有的噪聲孔和噪聲塊都要大。形態(tài)濾波器 [15]是由以集合論為基礎(chǔ)的開、閉運(yùn)算組成的，它們具有不模糊圖像邊界的特性，采用形態(tài)算子對圖像進(jìn)行處理便構(gòu)成了數(shù)學(xué)形態(tài)學(xué)濾波器。形態(tài)濾波器是用一個結(jié)構(gòu)元素 B 對初始圖像串聯(lián)地使用開、閉操作。若初始圖像為 A