完整word版)基于圖像處理的運動物體的跟蹤與檢測開題報告

1、畢業(yè)設(shè)計(論文)開題報告1、課題來源隨著計算機技術(shù)的高速發(fā)展， 運動物體的檢測和跟蹤在圖像處理、 計算機視覺、 模式識別、人工智能、多媒體技術(shù)等領(lǐng)域越來越受到人們的關(guān)注。運動跟蹤和檢 測的應(yīng)用廣泛，在智能監(jiān)控和人機交互中，如：銀行、交通、超市等場合常常使 用運動跟蹤分析技術(shù)， 通過定位物體并對其行為進行分析， 一旦發(fā)現(xiàn)物體有異常 行為，監(jiān)控系統(tǒng)就發(fā)出警報，提醒人們注意并即時的處理，改善了人工監(jiān)督注意 力分散、反應(yīng)時間較慢、人力資源浪費等問題。運動目標的跟蹤在虛擬現(xiàn)實、工 業(yè)控制、軍事設(shè)備、醫(yī)學(xué)研究、視頻監(jiān)控、交通流量觀測監(jiān)控等很多領(lǐng)域也有重 要的實用價值。特別在軍事上，先進的武器導(dǎo)航、軍事偵察

2、和監(jiān)控中都成功運用 了自動跟蹤技術(shù)。 而跟蹤的難點在于如何快速而準確的在每一幀圖像中實現(xiàn)目標 定位。正因如此，對運動目標的跟蹤和檢測的研究很有價值。2、研究目的和意義運動目標檢測是圖像處理與計算機視覺的一個分支， 在理論和實踐上都有重 大意義，長久以來一直被國內(nèi)外學(xué)者所關(guān)注。在實際中，視頻監(jiān)控利用攝像機對 某一特定區(qū)域進行監(jiān)視，是一個細致和連續(xù)的過程，它可以由人來完成，但是人 執(zhí)行這種長期枯燥的例行監(jiān)測是不可靠， 而且費用也很高， 因此引入運動監(jiān)測非 常有必要。它可以減輕人的負擔(dān)，并且提高了可靠性。概括起來運動監(jiān)測主要包 括三個內(nèi)容：運動目標檢測，方向判斷和圖像跟蹤。運動目標檢測是整個監(jiān)測過

3、程的基礎(chǔ)，運動目標的提取準確與否，直接關(guān)系到后續(xù)高級過程的完成質(zhì)量。3、國內(nèi)外研究現(xiàn)狀和發(fā)展趨勢及綜述運動目標檢測在國外已經(jīng)取得了一些的研究成果， 許多相關(guān)技術(shù)已經(jīng)開始應(yīng) 用到實際系統(tǒng)中，但是國內(nèi)研究相對落后 ,與國外還有較大差距。傳統(tǒng)的視頻目 標提取大致可以分兩類 ,一類以空間同性為準則 ,先用形態(tài)學(xué)濾波器或其他濾波 器對圖像作預(yù)處理 ;然后對該圖像的亮度、色度或其他信息作空間上的分割以對 區(qū)域作邊緣檢測 ;之后作運動估計 ,并合并相似的運動區(qū)域以得到最終的提取結(jié) 果。如光流算法、主動輪廓模型算法。此類方法結(jié)果較為準確但是運算量相對較 大。另一類算法主要以時間變化檢測作為準則 ,這類算法主要

4、通過幀差檢測圖像 上的變化區(qū)域和不變區(qū)域 ,將運動物體與靜止背景進行分割。 此類方法運算量小 提取結(jié)果不如前類方法準確。此外 ,還有時空結(jié)合方法、時空亮度梯度信息結(jié)合 的方法等等。4、研究方法在進行運動目標檢測時， 一個很重要的步驟就是區(qū)分出運動目標和背景范圍， 常 見的一種情況是攝像機處于靜止狀態(tài)并且焦距也是固定的。 此時，圖像中的背景區(qū)域 固定不動。在這種情況下， 運動目標識別無論是使用背景差法， 還是使用背景差法結(jié) 合幀間差法，質(zhì)量良好的背景的建立顯得及其重要。另外，當涉及到背景的使用時， 一旦背景發(fā)生一些變化時， 如背景中頻繁地出現(xiàn)運動物體， 或者光照發(fā)生變化、 樹葉 等小物體的晃動等

5、等， 使得不能準確地提取背景作為參考圖像， 從而不能正確地分割 出視頻序列中的運動物體。 為了克服上述問題， 國內(nèi)外眾多研究人員提出了背景建立 和自適應(yīng)的背景模型， 實現(xiàn)了背景模型的實時更新， 能夠比較準確地識別出運動目標。 在能夠滿足實時性和實用性要求的前提下， 討論并研究下列幾種算法： (1)手動背景 法，需要人觀察到?jīng)]有前景物體時啟動該幀圖像， 作為背景圖像。 這種背景提取方法 增加了人力和物力的需求，而且在很多情況下很難在沒有前景的情況下獲得背景圖 像，比如高速公路的車輛監(jiān)測系統(tǒng)、 小區(qū)的門禁系統(tǒng)等等。 這種方法不能實現(xiàn)自適應(yīng) 背景更新的功能，需要使用其他方法修正由于光線，亮度等的變化

6、帶來的背景誤差。 ( 2)統(tǒng)計中值法 ，考慮到運動物體較少的情況下，連續(xù)多幀圖像中背景的像素值占 主要部分， 這樣在一段時間內(nèi)變化緩慢， 取中值便可以認為是背景圖像。 統(tǒng)計中值算 法從統(tǒng)計學(xué)的角度統(tǒng)計單個像素點 Ai(x,y),(i=1,2, N)在連續(xù)幀圖像中的亮度值 Bi。 在一段時間內(nèi)對視頻序列圖像的亮度值 (或者色彩信息 ) B i進行排序，然后取中值 Mi(x,y)作為背景。 該算法存在的問題在于： 圖像幀的像素點大多以數(shù)萬， 數(shù)十萬的數(shù) 量級出現(xiàn)，而用于取中值的圖像幀數(shù)量 N 也應(yīng)該比較大。對如此大的數(shù)組進行排序 取出中值， 實現(xiàn)時計算量較大， 處理較慢。同時需要占用大量的內(nèi)存單元

7、用于存儲數(shù) 據(jù)。(3)算術(shù)平均法， 提取背景圖像時可以總結(jié)為在特定的時間段內(nèi)對像素點的亮度 和色彩信息取平均值， 用均值作為背景圖像對應(yīng)像素點數(shù)值。 在讀入一段視頻時， 對 某一像素點進行觀察， 會發(fā)現(xiàn)在沒有前景的運動目標通過時， 該點的灰度值保持穩(wěn)定， 變化很小 ,只有當前景的運動目標通過時，該點的灰度才會發(fā)生劇烈的變化。這樣就 可以連續(xù)讀入 N 幀圖像，對圖像各點的灰度或色彩信息進行統(tǒng)計的方法，使得變化 劇烈的像素點變得平緩， 取其平均值作為背景圖像像素點的值。 這樣也可以濾除背景 圖像中的突變噪聲點。其統(tǒng)計公式如下：NB(x,y) N1 Ii(x, y)i1公式中式中： B (x, y)

8、 表示背景圖像， Ii(x,y) 表示第 i 幀序列圖像， N 表示平均幀 數(shù)。在實際場景中，一段時間內(nèi)，同一區(qū)域很少有可能總是存在運動物體。而通過平 均法得到的背景就會消除亮暗分布不均勻的情況。目前，大多數(shù)的運動目標檢測的方法或是基于圖像序列中時間信息的， 或是基于 圖像序列中空間信息的。常見的方法有如下 3 種：(1) 光流法 當目標運動時，圖像上對應(yīng)目標的亮度信息(光流)也相應(yīng)的運動。這樣，根據(jù) 時間上相鄰的幾幀圖像可以計算出各像素點運動的大小和方向， 從而利用運動場來區(qū) 分背景和運動目標。 其主要優(yōu)點在于能檢測出獨立的運動目標， 而不需預(yù)知場景的任 何信息， 對變化的復(fù)雜背景情況有較好

9、的適應(yīng)。 但其缺點也很明顯， 由于要依賴光流 估計的準確程度， 大多數(shù)計算方法相當復(fù)雜并且計算量特別大， 所以除非有特殊的硬 件支持，否則很難實現(xiàn)實時檢測。(2) 背景減法 將實時視頻流中的圖像像素點灰度值與事先已存儲或?qū)崟r得到的視頻背景模型 中的相應(yīng)值比較， 不符合要求的像素點被認為是運動像素。 這是視頻監(jiān)控中最常用的 運動檢測方法。 這種方法雖然能較完整的提取運動目標， 但對光照和外部條件造成的 環(huán)境變化過于敏感， 常常會將運動目標的陰影錯誤的檢測為其自身的一部分。 同時由 于時間流逝，實際場景的多種因素都會發(fā)生變化， 比如停留物的出現(xiàn)、 光線等的變化、 運動目標對背景的遮擋等等， 背景需

10、要得到實時地更新， 這是影響其檢測效果的一個 重要因素。(3) 幀間差法 幀間差法是根據(jù)當前圖像與參考圖像的差別來獲得運動目標輪廓的方法。 這種方 法對于場景中的光線漸變不敏感， 適于動態(tài)變化的環(huán)境， 且運算量相對較小。 但一般 不能完整的提取運動目標， 且在運動實體內(nèi)易產(chǎn)生空洞現(xiàn)象， 從而不利于下一步的分 析和處理。5、研究基礎(chǔ)在 Windows 平臺上使用 VC 開發(fā)環(huán)境，綜合運用數(shù)字圖像處理技術(shù)，基于 OpenCV 設(shè)計實現(xiàn)運動物體跟蹤算法。 Visual C+ 是 Microsoft 公司推出的開發(fā) Win32 環(huán)境程序，面向?qū)ο蟮目梢暬删幊滔到y(tǒng)。它包含了兩套完整的 Windows

11、 應(yīng)用開 發(fā)系統(tǒng)。有以下的部分組成： 1)Visual 工作平臺和創(chuàng)建過程：這是一個運行于上的 交互式開發(fā)環(huán)境，它直接從是 Microsoft QuickC for Windows 演化而來的。2)App Studio 資源編輯器：堪稱是 Windows 應(yīng)用，同時它本身就是通過使用 Visual C+工具及類 庫編寫而成的，可以對自身的資源進行編輯。 3)C C+編譯器： Visual C+的編譯 器可以處理 C和 C+源代碼，它通過源代碼文件后綴來識別代碼本身所使用的語言。 4)連接器：為了生成 EXE 文件， Visual C+的連接器需要對編譯器所生成的 OBJ文 件進行處理。 5)資

12、源編譯器：在編譯狀態(tài)和聯(lián)編狀態(tài)都要用到資源編譯器。 6)調(diào)試 器：為了能夠?qū)Τ绦蜻M行調(diào)試， 在創(chuàng)建程序時必須設(shè)置編譯器和連接器相應(yīng)的選項以3畢業(yè)設(shè)計（論文）開題報告便產(chǎn)生相應(yīng)的可調(diào)試信息。OpenCV（Open Source Computer Vision Library ） 由 Intel 公司在背后提供支持。 它包含了超過 500 個函數(shù)來實現(xiàn)用于圖形處理和計算機視覺方面的通用算法。 OpenCV 致力于真實世界的實時應(yīng)用， 通過優(yōu)化的 C代碼的編寫對其執(zhí)行速度帶來了 可觀的提升，并且可以通過購買 Intel 的 IPP 高性能多媒體函數(shù)庫 （Integrated Performance

13、Primitives） 得到更快的處理速度。 OpenCV 包括以下幾個模塊，具體功 能是：1、CV ：主要的 OpenCV 函數(shù)2、CVAUX ：輔助的（實驗性的） OpenCV 函數(shù)3、CXCORE ：數(shù)據(jù)結(jié)構(gòu)與線性代數(shù)支持4、HIGHGUI ：圖像界面函數(shù)5、ML：機器學(xué)習(xí)，包括模式分類和回歸分析等。6、CVCAM ：負責(zé)讀取攝像頭數(shù)據(jù)的模塊（在新版本中，當 HIGHGUI 模塊中 加入 DirectShow 支持后，此模塊將別廢除）。6、閱讀的主要文獻、資料1 馬頌德，張正友計算機視覺計算理論與算法基礎(chǔ) 科學(xué)出版社， 1999： 1241662 Ed Chang, AVideh Zak

14、hor. Scalable Video.IEEE Trans. On Cirouits and Systemsfor Video Technology,Vol.7,NO.5,pp.256-289,October 19973 劉貴喜，邵明禮真實場景下視頻運動目標自動提取方法光學(xué)學(xué)報第 26 卷，第 8 期4 毛燕芬，施鵬飛基于對象的視頻圖像分割技術(shù)中國圖象圖形學(xué)報， 2003 ， 8A（7）：7267315 賀貴明，吳元?；趦?nèi)容的視頻編碼與傳輸控制技術(shù) ，武漢大學(xué)出版社， 2005： 40506 彭小波，邢曉正，胡紅專Matlab與 VC+混合編程在光斑位置測量中的應(yīng)用 儀器儀表學(xué)報， 2003，28（4）：2222237 徐方明，盧官明基于改進 surendra背景更新算法的運動目標檢測算法山西