【正文】 流對目標進行實時檢測與自動跟蹤時仍存在很多問題Error! Reference source not found.。 ! Reference source not ! Reference source not ,幀間差分法Error! Reference source not ，可分為相鄰兩幀圖像差分和連續(xù)三幀差分。第t幀圖像與第t1幀圖像進行差分，得到差分后的二值圖像 ，如下公式： (24) 其中T是差分閾值，得到的二值圖像中像素為1的區(qū)域被認為是運動目標區(qū)域[10]。一種改進的方法是利用三幀差分代替，如VSAM開發(fā)了一種自適應背景減除與三幀差分相結(jié)合的混合算法，它能夠快速有效地從背景中檢測出運動目標；另一種改進方法是采用后處理的方法如形態(tài)濾波、區(qū)域連通或參數(shù)模型等方法提取完整的運動目標信息。 減背景法目前，很多文獻都采用減背景( background subtraction)思想來開展監(jiān)控視頻運動目標檢測方法的研究，即將每個輸入視頻幀和一張背景圖像相比較，如果同位置的像素特征、像素區(qū)域特征或其他特征存在一定程度的差別，則新視頻幀中這些位置的像素點或像素區(qū)域就構(gòu)成前景運動目標區(qū)域。減背景的基本思想是用當前幀與背景幀進行差分，如果背景模型選取適當，能比較準確的分割出運動物體。雖然已經(jīng)有很多文獻涉及到減背景算法，但是它們實現(xiàn)運動目標檢測的過程大多遵循圖2－1所示的流程，其中主要包含預處理、背景建模、前景檢測和運動區(qū)域后處理四個步驟：(1)預處理是對視頻數(shù)據(jù)進行簡單的空間或時間濾波，以消除攝像機噪聲和雨雪等瞬時環(huán)境噪聲，或者降低幀大小和幀率。預處理的另一個關(guān)鍵問題是將數(shù)據(jù)轉(zhuǎn)換成適應特定減背景算法的格式。 （2）背景建模就是構(gòu)建背景圖像或通過構(gòu)建某種模型來表示背景，這是各種背景算法的核心所在。不同的背景建模方法有不同的閾值分割規(guī)則，可以根據(jù)像素的亮度、顏色差異、分布密度，或者綜合考慮多種因素。 該研究內(nèi)容的主要流程圖圖333如下：視頻幀去噪平滑等預處理背景建模前景檢測運動目標區(qū)域后處理背景實時更新 圖333 減背景法的基本流程 在減背景中背景的更新是十分重要的環(huán)節(jié)。由于選擇性背景更新方法對虛假目標不予更新，虛假目標將一直保留在背景中并將一直被誤檢為真實目標。為解決此問題, ElgammalError! Reference source not ,結(jié)合了兩個模型(長、短期模型，它們獲得不同類型的目標)以獲得更好的更新策略，避免了“死鎖”問題。在檢測運動目標時，還需要考慮陰影的影響，陰影可能會扭曲目標的形狀，甚至可能被誤檢為目標。 背景減除和幀差結(jié)合檢測目標在攝像頭靜止的監(jiān)控中，采用減背景方法檢測運動目標能獲得目標完整的運動信息，特別是在目標運動緩慢的情況下檢測的準確度較高，但是對背景動態(tài)變化的適應性較低。本文是在攝像機靜止的固定背景下進行多目標檢測的，在對背景減除法和幀差法充分分析研究基礎(chǔ)上對背景圖像的獲取和更新采用了背景減除和幀間差分相結(jié)合的方法，該方法能有效地檢測運動目標并能適應監(jiān)控場景的實時變化。利用Surendra背景更新算法獲取自適應的背景圖像。自適應背景獲取算法是通過當前幀幀差圖像找到物體的運動區(qū)域，對運動區(qū)域內(nèi)的背景保持不變，而非運動區(qū)域的背景用當前幀進行替換更新，經(jīng)過一段時間后就可以提取出背景圖像。② 選取閾值T,迭代次數(shù)m=1,最大迭代次數(shù)MAXSTEPS。⑤ 迭代次數(shù)m=m+1,返回③,當?shù)螖?shù)m=MAXSTEPS時結(jié)束迭代。減背景算法是把當前幀圖像與當前背景相減，并二值化結(jié)果，公式如下： (28)背景更新函數(shù)如下： (29)式中更新系數(shù)、實現(xiàn)不同情況下的背景更新，對應于中包含運動目標的區(qū)域更新系數(shù)約為1，越接近1，背景更新速度越是緩慢，也就是說中該區(qū)域背景圖像和對應區(qū)域圖像基本一致，這是因為在當前幀的該區(qū)域只反映目標運動，背景在該區(qū)域幾乎不變；對應于中不包含運動目標區(qū)域，可以認為該區(qū)域背景處于動態(tài)變化中，更新系數(shù)設(shè)為遠遠小于1，越接近0，背景更新越快，也就是說中該區(qū)域圖像基本和對應區(qū)域圖像一致。實驗中假設(shè)第一幀圖像檢測時場景中有個別運動物體非靜止狀態(tài)存在，這樣的假設(shè)在實驗條件下是能夠存在的故先取前100幀圖像作為初始背景的檢測即利用式(27)設(shè)MAXSTEPS=100，＝，此時背景的更新速度較快。由背景圖像與當前圖像相減并閾值化為二值圖像，由于視場的細微變化使得目標分割受初始數(shù)據(jù)中的噪聲影響很大,為了消除小而假的前景運動目標，以便得到真正的前景目標，采用形態(tài)學先開后閉運算方法進行處理。 第四章 運動檢測的設(shè)計與開發(fā) Opencv簡介：OpenCV名字包含Open和Computer Vision 兩個詞的意思。Computer Vision則指計算機視覺。OpenCV是由Intel公司位于俄羅斯的研究實驗室開發(fā)出來的。OpenCv也不例外。主要由4個模塊組成：①cv：主要的Opencv函數(shù)；②cvaux：輔助性的Openvb函數(shù)。④highgui:圖像界面函數(shù)[14] Opencv的特點：⑴具有良好的獨立性。(2)具有良好的跨平臺性。(3)具有豐富的圖像處理函數(shù)。求特征值、奇異值等的矩和向量及線性代數(shù)的操作。(4)處理速度快。而且還提供了一些與諸如Eic、Ch、MatLab等其它語言或環(huán)境的結(jié)構(gòu)，這些接在其安裝后位于。(5)具有開放性。使用Opencv庫可以編寫出簡潔而且高效的代碼來解決數(shù)字圖像處理和計算機視覺編程中的問題，這樣不僅降低了程序員開發(fā)程序的難度，而且縮短了相關(guān)程序的開發(fā)周期。包含了很多的新特性，支持了新的編譯器/環(huán)境：，還擴充了大量的函數(shù)。擴展了cvDistTransfonn、cvThresh、cvcanny(使用真實梯度)函數(shù):所有的濾波函數(shù)被重新寫過，為線性可分不可分濾波增加了新的C++類。exeore模塊：增加了cvMixChannels、cvRandshuffle、cvRange、cvCalePCA、evProjeetPCA、cBackProjeetPCA、cvGetTreadNum、。為Cvlmage和CvMatrix增加C++類:矩陣的最大通道數(shù)增加到了64個，盡管只有一些特殊函數(shù)才處理這樣的圖像。增加了對Quicktime(Mae0SX)和Xine(Linux)的支持。增加了ML(機器學習)的類庫，這是一個全新的為統(tǒng)計分類、回歸以及聚類而寫的c料類庫。由上述可以看出，利用openCV中的數(shù)字圖像處理函數(shù)使得問題變得簡單，很有實用價值，對縮短程序開發(fā)的周期有著十分顯著的作用。Opencv在雅虎上有個專門的討論組，對程序員運用中遇到的問題與實際經(jīng)驗進行討論。當有異常情況發(fā)生時,立刻將其畫面招搖拍攝下來,就是在視頻序列中實時地發(fā)現(xiàn)并提取運動目標,不斷跟蹤它們,并計算出這些運動目標的軌跡,為下一步目標識別、：實時監(jiān)控、智能監(jiān)控，視頻演示. 系統(tǒng)的功能 根據(jù)系統(tǒng)設(shè)計的目標，系統(tǒng)主要分為以下幾個模塊如圖422所示： 圖422 系統(tǒng)的模型 (1)實時監(jiān)控：通過攝像頭捕獲實時的全方位視頻圖像。提取運動區(qū)域的準確性將嚴重影響運動目標的檢測和跟蹤，全方位圖像展開后像素丟失，圖像失真，不同位置運動目標變形等實際. 通過背景減除法檢測出運動區(qū)域后,.(4) 退出：退出當前運行的工作畫面 系統(tǒng)的功能的實現(xiàn)采集系統(tǒng)的軟件是在vc++，包括視視頻、連續(xù)采集、視頻壓縮、采集回放、分布式存儲幾個部分，： 采集步驟 給出了實現(xiàn)一個基本的視頻采集系統(tǒng)的步驟。然后注冊系統(tǒng)回調(diào)函數(shù),使得在采集過程中,系統(tǒng)自動回調(diào)相應的函數(shù),以進行處理。與視頻采集設(shè)備連接,獲取視頻采集設(shè)備的能力及狀態(tài)信息,如有無視頻疊加能力,有無控制視頻源、視頻格式、視頻顯示的對話框,只有根據(jù)捕獲驅(qū)動器的能力,才能有效地設(shè)置和實現(xiàn)視頻的采集和顯示。根據(jù)需要,選擇是采集圖像到緩存還是文件并進行處理。,根據(jù)不同的應用還可以作適當?shù)男薷暮蛿U充[15]。需要按照時間段將不同時間的背景的圖片存到數(shù)據(jù)庫當中，然后根據(jù)當前的時間將背景圖案讀取出來作為背景圖案，該方案的前期工作量大，受周圍環(huán)境的影響很大，魯棒性不好。2) 對一段時間內(nèi)的視頻圖像用累加求平均法來獲得背景圖像。這種方法的特點是模型簡單，計算方便，但是得到的背景受流量大小的影響而變化。這種方法的特點是有可能在較短的時間內(nèi)獲得背景圖案，且背景獲得的質(zhì)量也較高。具體的想法是首先獲取N張圖片，將圖像分成3x3大小的塊，計算出這個區(qū)域的均值a和方差b，用一個矢量(a，b)來描述。大部分矢量分布相對集中，這可以認為是背景區(qū)域引起的，通過這種方法找到背景區(qū)域。2) 將每一個圖片分成3x3大小的塊，計算每張圖片每一塊區(qū)域的均值和方差，并作為描述該區(qū)域的矢量，保存在相應的內(nèi)存單元。在所有的(ai, bi)，(i=1，…NUM)中尋找到一個矢量(am.，bm。如果d大于一個閉值，認為沒有找到，沿用原來的該區(qū)域的背景。然后怎么辦2 算法流程該算法用兩個相對獨立的線程來完成。背景提取的結(jié)果放人一個用來存儲背景圖像的公用內(nèi)存單元，供檢測運動情形時使用。 3 智能監(jiān)控的模擬 智能監(jiān)控第五章 總 結(jié)綜合上述可知，運用計算機這種工具，可以實現(xiàn)數(shù)字圖像處理技術(shù)在圖像識別、圖像檢索以及日常生活等各個領(lǐng)域的廣泛應用。另外，由上面幾章的詳細介紹，可知本設(shè)計可以單獨使用，作為數(shù)字圖像處理工具使用。本設(shè)計實現(xiàn)了由表及里的處理一系列圖像，以圖像為載體，像素為處理單位，利用數(shù)字圖像處理是以集合跟數(shù)組為處理對象，結(jié)合數(shù)學中的各種知識，成功的從一系列連續(xù)的圖像中分離出物體，得到圖像中物體的運動軌跡。正因為這樣，本設(shè)計可以對電影中截取的一系列圖片進行分析，得到想要的物體的運動軌跡。在這次設(shè)計中，從指導老師身上，我不僅僅學到了科學知識，更學到了許多治學﹑做人的道理；從同學身上，我看到了奮發(fā)努力﹑不畏困難﹑勇攀科學高峰的精神。我會帶著這筆寶貴的財富走入今后的學習﹑生活，力爭做出更大的成績！致 謝首先，感謝侯北平老師耐心指導，為設(shè)計如期完成，給予了大力支持。畢業(yè)設(shè)計上也好,現(xiàn)實生活中也好,都給予了很大的精神鼓舞。作為本設(shè)計的制作者，向各位指導老師道聲辛苦了，向各位同學說聲謝謝了，感謝你們對我的支持，沒有你們無私的幫助本設(shè)計也不會順利完成，達到預期的