【正文】 的豐富信息。但是大多數(shù)光流方法的計(jì)算相當(dāng)復(fù)雜，對硬件要求比較高，不適于實(shí)時(shí)處理，而且對噪聲比較敏感，抗噪性差。（3）背景差分法背景差分法是目前最常用的一種目標(biāo)檢測方法，其基本思想就是首先獲得一個(gè)背景模型，然后將當(dāng)前幀與背景模型相減，如果像素差值大于某一閾值，則判斷此像素屬于運(yùn)動目標(biāo)，否則屬于背景圖像。很多研究人員目前都致力于開發(fā)不同的背景模型，以減少動態(tài)場景變化對運(yùn)動目標(biāo)檢測的影響。背景差分法的實(shí)現(xiàn)簡單，在固定背景下能夠完整地精確、快速地分割出運(yùn)動對象。本文所應(yīng)用的高斯背景建模方法便是背景差分法中較為常見的一種背景建模方法。但是需要構(gòu)建一幅背景圖像，這幅背景圖像必須不含運(yùn)動目標(biāo)，并且應(yīng)該能不斷的更新來適應(yīng)當(dāng)前背景的變化，構(gòu)建背景圖像的方法有很多，比較常用的有基于單個(gè)高斯模型的背景構(gòu)建，基于混合高斯模型的背景構(gòu)建，基于中值濾波器的背景構(gòu)造，基于卡爾曼濾波器的背景構(gòu)造，基于核函數(shù)密度估計(jì)的背景模型構(gòu)造。如不考慮噪音n(x，y，t)的影響，視頻幀圖像I(x，y，t)可以看作是由背景圖像b(x，y，t)和運(yùn)動目標(biāo)m(x，y，t)組成： （11）由式(11)可得運(yùn)動目標(biāo)m(x，y，t)： （12）而在實(shí)際中，由于噪音的影響，式(12)不能得到真正的運(yùn)動目標(biāo)，而是由運(yùn)動目標(biāo)區(qū)域和噪音組成的差分圖像d(x，y，t)，即： （13）得到運(yùn)動目標(biāo)需要依據(jù)某一判斷原則進(jìn)一步處理，最常用的方法為閾值分割的方法：（14）式中T為一閾值，圖11為背景差分法的流程圖：圖11 背景差分法的流程圖 （2）背景差分法需要注意的問題背景差分法較幀差法更能準(zhǔn)確地提取運(yùn)動目標(biāo)，幀差法如果不與其他方法進(jìn)行結(jié)合只能提取運(yùn)動變化區(qū)域(包括真正的運(yùn)動目標(biāo)、噪聲點(diǎn))而不能直接提取運(yùn)動目標(biāo)【3】【9】。然而在實(shí)際環(huán)境中隨著時(shí)間的推移背景圖像是不斷變化的，引起背景變化的因素很多，如：光線的變化，環(huán)境的變化等等?？赡茉趫鼍爸杏泻芏喔蓴_，比如場景中有樹枝和葉子在風(fēng)中晃動、水面的波動等等，這些運(yùn)動不能簡單的判斷為運(yùn)動目標(biāo)。背景的變化，比如一輛汽車從原先背景中離開，物體改變了放置的位置，而這些情況下不能被認(rèn)為真正的運(yùn)動目標(biāo)。由這些需要考慮的問題我們可以得出在背景差分法中需要對背景圖像進(jìn)行及時(shí)更新，這樣才能保證檢測結(jié)果的正確性，背景更新的方法很多，本文就是應(yīng)用高斯混合模型【1,2,6,7】來對背景實(shí)時(shí)更新。論文共分為四章，組織結(jié)構(gòu)設(shè)計(jì)如下：第一部分，“緒論”。第二部分，開發(fā)環(huán)境配置及工具介紹。第三部分，基于高斯混合模型的視頻目標(biāo)檢測。并通過后期形態(tài)學(xué)處理，提高了目標(biāo)檢測效果。第四部分，收獲與體會。二、開發(fā)環(huán)境配置及工具介紹實(shí)現(xiàn)最終算法主要使用Visual Studio 2008開發(fā)環(huán)境及開發(fā)工具OpenCv 【4】，其是由微軟發(fā)布的具有強(qiáng)大功能的編程語言開發(fā)環(huán)境。這些工具旨在提高工作效率和成功率。（一）OpenCv的介紹OpenCV，全名為Open Source Computer Vision Library，是Intel公司資助的開源計(jì)算機(jī)視覺庫。其重要特性包括：擁有包括300多個(gè)C函數(shù)的跨平臺的中、高層API。對非商業(yè)應(yīng)用和商業(yè)應(yīng)用都是免費(fèi)的。這意味著如果有為特定處理器優(yōu)化的IPP庫，OpenCV將在運(yùn)行時(shí)自動加載這些庫。以往傳統(tǒng)的開發(fā)方法要求工程人員在完成的硬件設(shè)計(jì)的同時(shí)，自己編碼實(shí)現(xiàn)所有底層的算法，所有的圖像處理函數(shù)都要從頭編寫，既造成時(shí)間和精力上的浪費(fèi)，又難以保證穩(wěn)定性、實(shí)用性和通用性，越來越難以滿足現(xiàn)實(shí)的需求。大多數(shù)軟件包是用C／C++編寫的。Gandalf提供了計(jì)算機(jī)視覺和數(shù)值計(jì)算庫，適合于可移植平臺的視覺應(yīng)用軟件的開發(fā)。包含了許多圖像數(shù)據(jù)多維分析和處理函數(shù)。MVTec公司開發(fā)的HALCON是其中之一，它包含了C／C++代碼的圖像處理庫。由微軟公司開發(fā)的SDK是一個(gè)底層的圖像操作分析的C++庫。由Aurora公司開發(fā)的LEADTOOLS是一套商用化計(jì)算機(jī)視覺包，它包括了圖像處理服務(wù)器開發(fā)工具。OpenCv主體分為5個(gè)模塊，（圖中并沒有包含CvAux模塊，該模塊中—般存放一些即將被淘汰的算法和函數(shù)，同時(shí)還有一些新出現(xiàn)的實(shí)驗(yàn)性的算法和函數(shù)。Ch能嵌在C／C++應(yīng)用程序和硬件的機(jī)器腳本中。統(tǒng)一的結(jié)構(gòu)和功能定義，基于Intel處理器指令集開發(fā)的優(yōu)化代碼。（二）Visual Studio 2008介紹 Visual Studio 2008 界面1992年微軟在原有C++開發(fā)工具M(jìn)icrosoft C/C++ ，開創(chuàng)性地引進(jìn)了MFC(Microsoft Foundation Classes)庫，完善了源代碼，發(fā)布了Microsoft C/C++ ，也就是Visual C++ 。Visual Studio 2008 新特性：NET Framework 對重定向的支持使用Visual Studio framework 版本的開發(fā)，Visual Studio 2008同時(shí)支持framework ?！。篴sp:ListView、asp:DataPager、asp:LinqDataSource，這些控件對數(shù)據(jù)場景提供了非常好的支持，允許對輸出的標(biāo)識做完全的控制編程語言方面的改進(jìn)和LINQ(1)VS 2008中新的VB和C編譯器對這些語言做了顯著的改進(jìn)。（三）OpenCv在Visual Studio 2008下的配置編譯OpenCv（1）用CMake導(dǎo)出VC++ 項(xiàng)目文件運(yùn)行cmakegui，設(shè)置路徑為OpenCv安裝路徑（例如：D:\Program Files\），并創(chuàng)建子目錄 D:\Program Files\\vc2008，用于存放編譯結(jié)果。Microsoft Visual Studio 2008 正式版支持OpenMP，所以ENABLE_OPENMP這個(gè)選項(xiàng)要勾上；如果是Express版本，則不支持OpenMP，所以需要取消ENABLE_OPENMP選項(xiàng)。 ENABLE_OPENMP選項(xiàng)的選擇（2）編譯OpenCv Debug 和 Release版本庫完成上一步驟后，將在D:\Program Files\\ Solution File，請用VC++ 2008 ，然后執(zhí)行如下操作：在Debug下，選擇Solution Explorer（中文版是右邊”解決方案資源管理器”）里的 Solution OpenCv （中文版是“解決方案OPENCV”)，點(diǎn)右鍵，運(yùn)行Rebuild Solution（中文版是“重新生成解決方案“）；如編譯無錯(cuò)誤，再選擇INSTALL項(xiàng)目，運(yùn)行Build在Release下，選擇Solution Explorer里的 Solution OpenCv，點(diǎn)右鍵，運(yùn)行Rebuild Solution；如編譯無錯(cuò)誤，再選擇INSTALL項(xiàng)目，運(yùn)行Build。至此Microsoft Visual Studio 2008 調(diào)用的OpenCv動態(tài)庫生成完畢。加入后，必須注銷當(dāng)前用戶或者重新啟動才能生效。（1） Show directories for選擇include files，加入目錄 D:\Program Files\\vc2008\include\OpenCv（2） Show directories for選擇library files，加入目錄 D:\Program Files\\vc2008\lib使用OpenCv 編程以后每創(chuàng)建一個(gè)OpenCv 的Win32 控制臺程序，都需要添加依賴的庫（1）選擇Solution Explorer里的 “項(xiàng)目名稱”，點(diǎn)擊鼠標(biāo)右鍵，選擇Properties；（2）為項(xiàng)目的Debug配置增加依賴的庫： ；（3）為項(xiàng)目的Release配置增加依賴的庫： 三、基于高斯混合模型的視頻目標(biāo)檢測在智能視頻監(jiān)控、運(yùn)動分析、人機(jī)接口的姿態(tài)識別等應(yīng)用中,一個(gè)基礎(chǔ)而又關(guān)鍵的任務(wù)是從視頻序列中實(shí)時(shí)檢測出運(yùn)動目標(biāo)。對于固定攝像機(jī)監(jiān)控視頻中的運(yùn)動目標(biāo)的檢測, 背景差分法是其最成功的方法之一。（一）背景建模算法的背景知識背景建模是背景差分法的關(guān)鍵步驟。在交通場景中，背景環(huán)境變化較大，如環(huán)境光線會隨時(shí)間漸變，建筑物、樹木或云層投射到地面的陰影也會隨光線的變化而變化，臨時(shí)?？吭诼愤叺能囕v等，這些都會使背景發(fā)生漸變或突變，這就要求背景估計(jì)模型能夠適應(yīng)環(huán)境的變化。常用的背景建模模型有圖像平均模型、選擇性背景更新模型、基于卡爾曼濾波器的背景更新模型和混合高斯分布模型。這種方法往往用于背景初始化，隨著圖像序列的不斷增加，就必須采用背景更新公式來更新背景，而不是簡單地將圖像序列的像素值累加起來求平均值，因?yàn)榍笃骄禃r(shí)每一幀圖像都同等處理，隨著圖像數(shù)目增多，前期圖像所占的比例太大，后期提取出的背景很難適應(yīng)實(shí)際背景的變化。實(shí)際應(yīng)用中往往是給背景圖像和當(dāng)前圖像賦予不同的權(quán)值，求它們的加權(quán)平均。在實(shí)際應(yīng)用中采用這種方法能夠減少運(yùn)算量，同時(shí)對背景漸變的跟蹤速度也比較快，但是這種更新模型在背景突變情況下就無法完成背景的更新，這樣就會導(dǎo)致目標(biāo)的誤檢和漏檢。一種原來停在背景中車輛離開了，此時(shí)算法就會認(rèn)為該改進(jìn)的模型就是無論背景圖像值和當(dāng)前圖像值的差分值小于還是大于閾值，都對背景圖像進(jìn)行更新，使用不同的加權(quán)系數(shù)更新，這種改進(jìn)后的更新型在背景突變的情況下也能完成背景更新，但是對突變背景的更新效果仍然不佳