【正文】 aper also mentioned the structural frame of video surveillance systems, and analysis of the principle of each part。 video image processing。 tracking of moving targets。隨著社會的快速發(fā)展，光靠人力已經(jīng)無法實現(xiàn)對龐大的數(shù)據(jù)進行分析、處理。智能視頻監(jiān)控系統(tǒng)恰好具備這項功能，它通過對攝像機拍錄的圖像序列進行自動分析，實現(xiàn)對動態(tài)場景中目標定位、識別與跟蹤 【 2】 。 通過研究者們的實踐發(fā)現(xiàn)， MeanShift 算法 在運動目標跟蹤領域中有著相當高的目標匹配度 ， 多次應用在了對實時性要求高的運動目標跟蹤技術中。 計算機視覺的研究在 軍事 領域 (遠程監(jiān)視 )、醫(yī)學 領域 (醫(yī)學檢測 )以及 工業(yè) 領域 (精密儀器檢測 )都有著 非常 重要的應用，通過研究計算機視覺，人們可以更 準確 的把握尺度， 例如在工業(yè)領域中的 機器人視覺系統(tǒng) 。根據(jù)科學研究和統(tǒng)計，圖像中包含的信息占據(jù)了人類從外界獲取信息中的 3/4。 國內外研究現(xiàn)狀 視頻監(jiān)控系統(tǒng)應用前景非常廣泛，潛在的經(jīng)濟價值更是無法估量，因此而激發(fā)了全世界大多數(shù)科學家和相關企業(yè)濃厚的興趣，尤其是在美國和英國，早已做了大量相關項目的研究。在 96 年至 99 年期間，美國國防高級研究計劃局 (DARPA)出錢 資助 的 卡內 吉 梅隆大學、 戴衛(wèi)夫研究中心和一些著名的研究機構，他們聯(lián)合開發(fā)出來了視頻監(jiān)控系統(tǒng) (VSAM)，其目標主要是為未來的城市和戰(zhàn)場監(jiān)控應用研發(fā)出一種全新的視頻監(jiān)控理解技術，能夠代替人在危險的環(huán)境中進行監(jiān)控，目前該系統(tǒng)仍然處于試用期。2020 年，實時視覺 監(jiān)視 系統(tǒng) (W4)在 Maryland 大學 研究者的努力下研制出來 ，不單可湖南工學院（本科）畢業(yè)設計論文 2 以定位人以及分割出人身體的任何部分，而且在建立其外觀模型后，該系統(tǒng)還可以同時實現(xiàn)多人的跟蹤，且可以對他們之間簡易的交流活動進行監(jiān)控。 DARPA 在2020 年 又出錢 資助了一項 全新的視頻監(jiān)控技術 研究實時流 ，其目的是為了快速的從監(jiān)控視頻中發(fā)現(xiàn)目標的行為，并且快速分析，例如挖掘、握手、交換物品等。為了推動我們國家在這個 領域的快速發(fā)展，我國已經(jīng)成立了國家重點實驗室，專門用來研究視頻跟蹤技術。目前有許多科研人員和學者已經(jīng)在MeanShift 算法 基礎上做了大量的的改善工作。 浙大朱勝利等人提出 的均值偏移跟蹤算法 和卡爾曼濾波器 互相結合的方法，首先利用卡爾曼濾波器得到其初始位置，接著運用均值漂移跟蹤 算法 來獲得跟蹤目標移動后的位置，從而可以實現(xiàn)對運動目標的實時跟蹤。因此，怎樣在非線性運動下做到跟蹤效果良好，這是一個需要解決的大問題。 目標跟蹤問題的困擾因素 跟蹤目標運動的復雜性往往是目標跟蹤問題的主要困擾因素，主要表現(xiàn)為多個方面，如下： (1)復雜的背景干擾 由于在運動目標的跟蹤過程中是以 RGB 顏色作為模型，因此很容易受到復雜背景的干擾，當目標和背景顏色相似時，容易導致跟蹤失敗。 (3)計算的實時性 要想研制出來的目標跟蹤系統(tǒng)實用性強，則必須 做到對運動目標的即時跟蹤，這對算法的計算速度提出了強制性要求。 (4)遮擋問題 遮擋問題在目標跟蹤過程中是一種常見情況。如何有效的解決這個問題，一直都是目標跟蹤過程中的難點和重點。由于目標的復雜性和不確定性，導致該算法適用環(huán)境相當有限，跟蹤目標也大大受限。 本章小結 在本章節(jié)中，主要講到的是該課題的一些基礎知識；第一節(jié)、第二節(jié)講的是課題研究背景，以及國內外研究現(xiàn)狀。從開始不被人認可，到現(xiàn)在成為該領域不可或缺的技術，這跟廣大研究者的努力所密切相關，當然也與國家的大力支持分不開。 湖南工學院（本科）畢業(yè)設計論文 4 2 圖像處理簡介 圖像灰度化處理 視頻監(jiān)控系統(tǒng)不僅對精度有要求，對實時性也要求相當高，因此降低計算量，減少圖像處理時間與內存空間要求是必要的，所以通常將彩色圖像灰度化處理，這樣就大大減少了圖像處理數(shù)據(jù)，提高了處理速度。由于 R, G, B 的都是處于 0255 之間，所以決定了灰度化只有 256 級，即灰度圖像的顏色只能在 256 種顏色中選擇。 (2)平均值法 :使 R,G,B 的值等于三者和的平均值，即 : ? ?3 BGRBGR ????? (2) (3)加權平均法 :根據(jù)不同的重要性給 R,G,B 三個分量賦予不同的權值， 然后再對 它們加權平均 ? ?3 BGRBGR ??? ????? (3) 并且 ??? , 分別作為 R,G,B 的權值。 圖像噪聲處理 實際采集的圖像中常包含各種不希望有的噪聲，造成圖像退化，為進行目標檢測和跟蹤等圖像分析工作，需要先將噪聲消除掉，目前常用的消噪方法主要有兩種 :一種是均值濾波，另一種就是中值濾波。該方法的基本思想就是在圖像中取一部分區(qū)域 (通稱模板 )，將區(qū)域內所有像素的灰度值求平均，然后用這個灰度平均值 代替模板中的各像素灰度，這種濾波方法運算效率比較高，但是由于其平均化，也破壞了圖像邊緣，造成圖像模糊。它的原理是用濾波器包圍圖像區(qū)域，然后計算出圖像區(qū)域中像素的排序結果。 中值濾波一般實現(xiàn)過程如下 : ① 將模板放在圖中漫游，而且把像素點的位置與模板中心重合 。 ③ 將讀取到的像素灰度值按照從小到大的順序排成一列 。 ⑤ 將找出的值賦給位于模板中心的像素。 目標表示 為了做到減少冗余，圖像分析中常用一種方 式來表現(xiàn)跟蹤的目標，這就被稱為目標表示。在圖像中的區(qū)域可以是內部的，也可以是外部的。 目標表示，可分為點表示法、矩形框表示法、外輪廓表示法、塊表示法和基于圖像表示法 【 13】 。 矩形框表示法，它的原理是被我們框住的矩形區(qū)域即作為目標。 外輪廓表示法，跟蹤目標的外輪廓即用來表示目標。 塊表示法，用若干個團塊來代替跟蹤目標。這些相似之處可以用與之類似的顏色、類似的光流或者光流與顏色相結合來表示。 基于圖像表示法，該表示方法采用每個像素點來表示目標。 數(shù)學形態(tài)學 最近幾年，研究者們對圖像進行分析主要用到的是數(shù)學形態(tài)學。數(shù)學形態(tài)學主要實現(xiàn)原理是集合論。 數(shù)學形態(tài)學主要包括膨脹、腐蝕、開啟和閉合等四個基本 運算。腐蝕能夠做到縮小圖像，而膨脹卻是用來擴大圖像的，它們正好互為對偶運算。 設輸入的圖像為 f ，結構元素為 b ，則 b 對 f 的膨脹定義為 : ? ?? ? ? ? ? ? ? ?? ?fb DxsDxxbxsfsbf ???????? ,|max (5) b 對 f 的腐蝕定義為 : ? ?? ? ? ? ? ? ? ?? ?fb DxsDxxbxsfsbf ???????? ,|m i n (6) 其中， f 的定義域是 fD ， b 的定義域是 bD ，正整數(shù) 2Z 的向量分別是 s 和 x 。相反地，針對腐蝕運算 來說，只有當變量元素 b 全部處于輸入的圖像 f 內時，才能對輸入圖像 f 進行腐蝕。 腐蝕運算，從字面上即可看出，它主要是用來侵蝕掉被跟蹤目標的邊界點，使目標物體變得更加圓滑，增強了物體的清晰度。所以，當圖像中的兩個物體之間有少量細小物體連接時，只要我們選取的結構元素恰當，通過腐蝕運算侵蝕后，能夠順利將兩物體分開，使得圖像更加清晰。 b 對 f 的閉合運算可以用下列公式表示 : 湖南工學院（本科）畢業(yè)設計論文 7 ? ? bbfbf ???? (8) 閉合運算的原理是對圖像進行一次膨脹運算后，再對圖像進行一次腐蝕運算。 本章小結 本章所研究的主要是與本課題密切相關的一些基礎理論知識，前面兩節(jié)講的是對圖像進行灰度值處理以及噪聲處理，這兩種處理方法能夠使圖像變的清晰、可視效果好。第三節(jié)列舉出了當前所用到的主要目標表示法，并簡單介紹了其工作原理。 湖南工學院（本科）畢業(yè)設計論文 8 3 VC 編程環(huán)境的搭建 當前大部分視頻監(jiān)控中，研究者們都用到 OpenCV 來對圖像做預處理，其處理目的主要是為了去除圖像中的冗余，改善圖像的可視效果，從而保證目標在跟蹤過程中的準確性。 OpenCV 簡介 OpenCV 是一個 完全開源的計算機視覺庫，它的編寫語言是 C/C++，支持開源的Linux 系統(tǒng)、微軟的 Windows 系統(tǒng)以及蘋果的 Mac 操作系統(tǒng)。調用 OpenCV 函數(shù)庫 的主要目標是加快圖像處理的執(zhí)行速度。 OpenCV 函數(shù)庫中大概 包含五百多個函數(shù)，涉及到許多領域。因此，OpenCV 在科學研究中的應用領域相當廣泛。 本論文在這里只講在 Wi ndows 系統(tǒng)下的安裝，若想了解在 Linux 系統(tǒng)和蘋果操作系統(tǒng)下的安裝，可以自己查看相關資料。接著是注冊 DirectShow filter，進行一些安裝后的必要處理，注冊成功后即可開始使用 OpenCV。一切都安裝好之后，若還想使用 IPP 優(yōu)化功能，則可在官網(wǎng)上下載安裝包進行安裝， 為了安裝的順利進行，請使用 及以上版本。添加環(huán)境變量后， OpenCV 就能夠正確加載 IPP 了。視頻輸入為電腦自帶的集成攝像頭。 其中 OpenCV 在 中的配置過程如下： 假設我們將 OpenCV 安裝到 C:\Program Files\OpenCV 文件夾下，在安裝 OpenCV過 程 中需 要選 擇 將 \OpenCV\bin 加 入 系 統(tǒng) 變量 。成功加入后需要重啟電腦才能生效，或者在任務管理器中重啟 。 圖 1 Library files 設置 然后目錄選擇 Include files，在下方填入需要的庫文件路徑，如下圖 2 所示： 圖 2 Include files 設置 湖南工學院（本科）畢業(yè)設計論文 10 最后 選擇 Source files，在下方填入 需要的庫文件 路徑，如下圖 3 所示： 圖 3 Source files 設置 添加完上述三處庫文件后再點擊“ OK”，即成功的完成了 OpenCV 的配置。添加過程為： 菜單 ? 工程 ? 設置 ，然后將 Setting for 選 擇 All Configurations，然后選擇右邊 “鏈接” 標簽，在 “ 對象 /庫模塊” 附加上 ： 等 lib 文件，當然，你也可以只添加自己需要的 lib 文件，如下圖 4 所示： 圖 4 項目設置 OpenCV 中常用函數(shù)介紹 數(shù)據(jù)結構 OpenCV 中有一些基礎的數(shù)據(jù)類型，在我們平時用 OpenCV 函數(shù)庫的時候常常會用到，因此在我們使用該函數(shù)庫之前應該先掌握好，才能在用的時候得心應手。 //代表坐標系中的橫坐標，原點坐標為 0 int b。 2） CvSize 結構 由名字 size 即可看出，該結構體表示的是大??；該結構通常是用來表示矩形框大小的，單位為像素，結構體中已經(jīng)定義了矩形框的寬和高，具體如下： typedef struct Cvsize { int m_Width； //代表矩形框的寬，以像素為單位 int m_Height； //代表矩形框的高，以像素為單位 }CvSize。該結構體定義如下： typedef struct IplImage { int n_Size。 //版本號 int n_CMCC。 //像素深度值 int Data_up。 //0 代表左上， 1 代表的是左下 int m_Width。 //圖像的高，用像素值表示其大小 struct_IplROI *Red。 //圖像的 data 大小 int Width_Step。 湖南工學院（本科）畢業(yè)設計論文 12 該結構體在 OpenCV 應用中相當重要，視頻中每幀圖像的抓取都由它來完成，應當熟練掌握其用法。 常用函數(shù) 除了有常用的數(shù)據(jù)結構外，還有以下常用函數(shù)，也是必須掌握的內容，下面簡單的介紹幾個常用函數(shù)，本人在這次畢業(yè)設計中也有用到他們，介紹如下： 1） cvLoadImage( )：該函數(shù)用來載入視頻圖像 IplImage* cvLoadImage( const char* videoname, //聲明一個文件名字 int countenance=CV_LOAD_IMAGE_COLOR )。 countenance：表示加載進去后的視頻圖像的顏色和深度， 指定讀入圖像的顏色和深度 。 2） cvShowImage( )：在指定窗口中顯示圖像 void cvShowImage( const char* name, const CvArr* image )。 image：被顯示的圖像。 初始化從文件中獲取視頻； filena