運動目標識別技術在智能監(jiān)控系統(tǒng)中的應用畢業(yè)論文

1、本科畢業(yè)設計（論文） 運動目標識別技術在智能監(jiān)控系統(tǒng)中的應用運動目標識別技術在智能監(jiān)控系統(tǒng)中的應用陳浩杰 自動化學院 摘 要近年來隨著多媒體技術的迅速發(fā)展和計算機性能的不斷提高，數(shù)字式視頻監(jiān)控系統(tǒng)已逐漸取代傳統(tǒng)的模擬式監(jiān)控系統(tǒng)而廣泛應用于機場、車站、銀行、賓館等公共場所，在公共安全領域當中發(fā)揮著日益重要的作用，智能化監(jiān)控系統(tǒng)在未來必將有廣闊的應用前景并能為社會帶來巨大的經(jīng)濟效益。本文首先綜述了智能監(jiān)控系統(tǒng)的發(fā)展歷史和現(xiàn)狀，然后著重分析了智能監(jiān)控系統(tǒng)應用前景和發(fā)展趨勢。接著闡述了視頻圖像預處理的必要性，圖像預處理能有效地消除噪聲，改善圖像質(zhì)量，使圖像清晰化。中值濾波是一種非線性濾波方法，它不但對

2、圖像噪聲消除非常有效，而且能夠較好地保護圖像邊緣信息。本文用它來對視頻圖像進行預處理，取得了理想的處理效果，為目標的檢測提供了良好的基礎。在比較常用的幾種運動目標識別方法之后，最終選用了背景差分法，因為這個方法可以直接得到運動對象的位置、大小、形狀等信息，這些都是視頻監(jiān)控系統(tǒng)所需要的重要信息，并且背景差分法計算復雜度適中。因此本文采用背景差分法來實現(xiàn)運動目標的識別。實驗仿真的結果表明，該方法簡單實用，可以很容易地實現(xiàn)對運動目標的識別。關鍵詞：智能監(jiān)控系統(tǒng)，圖像預處理，運動目標識別，背景差分法AbstractIn recent years, with the rapid development

3、of multimedia technical and the unceasing enhancement of computer performance, the digital video monitoring system has gradually substituted for traditional analog video monitoring system, which is widely applied to the public places such as airport, station, bank and guesthouse and plays an importa

4、nt role in the public security domain. The intelligent video monitoring system will certainly have a broad application prospect in the future and will bring huge economic efficiency for the society.Firstly this paper makes a comprehensive survey of history and the status of the art of intelligent mo

5、nitoring system, then focuses on the application prospects and development trends of intelligent monitoring system. Then introduced the need for pre-processing video images, image pre-processing can effectively eliminate the noise and improve image quality and clarity of the image. Median filter is

6、a nonlinear filtering method, it is not only very effective in the elimination of image noise, and can be used to protect the image edge information. In this paper, use it to carry out pre-processing of video images, and achieved the desired effect, provide a good foundation for target detection. Af

7、ter the comparison of several commonly used in moving target identification methods, this paper select the background difference method, because it can be directly targeted at the location, size, shape and other information, all these information are important in the video surveillance systems, and

8、the background difference method modest computational complexity. Therefore, this paper uses background difference method to achieve the identification of moving targets. And the experimental simulation results show that this method is simple and practical, easy to implement.Key words: Intelligent v

9、ideo surveillance systems, Image pre-processing, Moving target identification, The background difference method目 錄第一章 緒論11.1 課題的研究背景及其意義11.2 智能監(jiān)控系統(tǒng)及其應用31.2.1智能監(jiān)控的含義31.2.2智能監(jiān)控系統(tǒng)的應用31.2 國內(nèi)外研究現(xiàn)狀51.3 論文章節(jié)安排6第二章 視頻圖像的預處理72.1圖像灰度化處理72.2視頻圖像的去噪處理82.2.1頻域去噪方法82.2.2小波域去噪方法92.2.3時域去噪方法92.2.4空間域去噪方法92.3本章小結12第

10、三章 運動目標識別133.1 常用的運動目標識別方法133.1.1時域差分法133.1.2光流分析法143.1.3背景差分法153.2背景差分法163.3更新背景模型173.4本章小結17第四章 實驗及結果分析184.1 實驗環(huán)境的介紹184.2 實驗及結果分析204.2.1圖片預處理的結果204.2.2運動目標識別214.3 運動目標識別流程244.4 本章小結25第五章 結論與展望265.1主要工作總結265.2展望26參考文獻27致謝29第一章 緒論1.1 課題的研究背景及其意義在人類感官接受的各種信息中約有80%來自視覺。視頻、圖像是對客觀事物形象、生動的描述，是直觀而具體的信息表達形

11、式，是人類最重要的信息載體，特別是在今天的信息社會，隨著電子技術、計算機技術、網(wǎng)絡和通信技術的發(fā)展，視頻技術在國民經(jīng)濟的各個領域獲得了廣泛的應用1。近年來，人們越來越關注生存環(huán)境，重視突發(fā)災害的預帶與緊急應對措施的建立，迫切希望提高生產(chǎn)和生活管理的智能化水平，視頻監(jiān)控系統(tǒng)也作為人類視覺的延伸越來越受到重視，得到了長足的發(fā)展。傳統(tǒng)的視頻監(jiān)控系統(tǒng)由連接到一套電視監(jiān)視器上的一個或多個攝像機組成。一些重要場合如銀行、證券交易所、別墅區(qū)和大型倉庫等的保安設施中常常都裝有這些可視化的監(jiān)控設備。這種監(jiān)控系統(tǒng)己經(jīng)可以滿足人們“眼見為實”的要求2，但同時這種監(jiān)控系統(tǒng)也存在一定的弊端3：第一，它要求監(jiān)控人員不停的

12、監(jiān)視屏幕，獲得視頻信息，通過人為的理解和判斷，才能得到相應的結論。因此，讓監(jiān)控人員長期盯著眾多的電視監(jiān)視器成了一項非常繁重的任務。特別在一些監(jiān)控點較多的情況下，監(jiān)控人員根本無法做到完整全面的監(jiān)控。 第二，一般這種監(jiān)控系統(tǒng)的攝像機總是固定的對準某個預置點（或在固定的若干個預置點之間來回巡視），因此若攝像機當前視野中的報普運動目標離開攝像機的視野范圍監(jiān)控系統(tǒng)就無法再監(jiān)視到目標。在實際應用中，這種問題常用增加攝像機來解決，這就造成了很大的浪費。 第三，用戶使用監(jiān)控系統(tǒng)一般都會有錄像的需求，通常的做法是用磁帶（或錄像機）進行全程錄像。這樣引起的弊端是浪費大量的磁帶資源，并且給用戶檢索帶來很大困難。隨著

13、計算機處理能力的提高和數(shù)字視頻技術的發(fā)展，監(jiān)控系統(tǒng)也逐漸從模擬方式轉(zhuǎn)向數(shù)字處理方式。通過視頻采集卡采集視頻信號，利用計算機的高速數(shù)據(jù)處理能力進行視頻處理。利用顯示器的高分辨率和高清晰度，實現(xiàn)圖像的多畫面顯示，從而大大提高了圖像的質(zhì)量。與傳統(tǒng)的模擬監(jiān)控相比，數(shù)字視頻監(jiān)控具有許多的優(yōu)點：第一，便于計算機處理。由于對視頻圖像進行了數(shù)字化，所以可以充分利用計算機的快速處理能力，對其進行壓縮，分析、存儲和顯示。通過視頻分析，可以及時發(fā)現(xiàn)異常情況并進行聯(lián)動報警，從而實現(xiàn)無人值守。第二，適合遠距離傳輸。數(shù)字信息抗干擾能力強，不易受傳輸線路信號衰減的影響，而且能夠進行加密傳輸，因而可以在數(shù)千公里之外實時監(jiān)控現(xiàn)

14、場。特別是在現(xiàn)場環(huán)境惡劣或不便于直接深入現(xiàn)場的情況下，數(shù)字視頻監(jiān)控能達到親臨現(xiàn)場的效果。即使現(xiàn)場遭到破壞，也照樣能在遠處得到現(xiàn)場的真實記錄。第三，便于查找。在傳統(tǒng)的模擬監(jiān)控系統(tǒng)中，當出現(xiàn)問題時需要花大量時間觀看錄像帶才能找到現(xiàn)場記錄，而在數(shù)字視頻監(jiān)控中，利用計算機建立的索引，在幾分鐘內(nèi)就能找到相應的現(xiàn)場記錄。第四，提高了圖像的質(zhì)量和監(jiān)控效率。利用計算機可以對不清晰的圖像進行去噪、銳化等處理，通過調(diào)整圖像大小，借助顯示器的高分辨率，可以觀看到清晰的高質(zhì)量圖像。此外，可以在一臺顯示器上同時觀看多路視頻圖像。第五，取消了視頻錄像帶.與記錄在視頻錄像帶上不同，數(shù)字式智能監(jiān)控系統(tǒng)是將視頻圖像記錄在視頻服

15、務器中的計算機硬盤上，其最大優(yōu)點是既能夠提高存儲圖像的清晰度又能夠快速檢索到所存儲的圖像。作為對比資料，普通制式錄像帶存儲圖像的分辨率一般為240線，最高也就300線，這與前端攝像機具有480線的圖像分辨率顯得不相稱，致使從錄像帶放出圖像往往不夠清晰，影響到使用的效果。相反，記錄在硬盤上的圖像分辨率能夠達到近500線，圖像的清晰度高。為了能看到你感興趣的視頻圖像，僅需鍵入需要的時間值和攝像機號后，幾秒鐘后通過搜索硬磁盤即可將結果顯現(xiàn)在計算機的顯示器屏幕上，根據(jù)需要，你可打印它、在網(wǎng)上作E-mail發(fā)送，也可將其繼續(xù)保存在硬盤，者從硬盤中將其刪除。正是由于數(shù)字視頻監(jiān)控以網(wǎng)絡為依托，以數(shù)字視頻的壓

16、縮、傳輸、存儲和播放為核心，是監(jiān)控系統(tǒng)的一大進步。它具有傳統(tǒng)模擬監(jiān)控無法比擬的優(yōu)點，所以數(shù)字視頻監(jiān)控已經(jīng)取代模擬監(jiān)控。隨著計算機視覺技術和人工智能理論研究的逐步深入及其應用的推廣，監(jiān)控系統(tǒng)被引向更多的利用視頻圖像及相關技術的方向，此時監(jiān)控系統(tǒng)不僅用攝像機代替人眼，而且使用計算機代替人、協(xié)助人，分析監(jiān)控場景中出現(xiàn)的運動目標和發(fā)生的事件，并完成相應控制任務，使系統(tǒng)呈現(xiàn)出人的智能化，形成智能監(jiān)控系統(tǒng)。綜上所述，研究數(shù)字智能監(jiān)控系統(tǒng)中運動目標檢測具有十分重要的現(xiàn)實意義。1.2 智能監(jiān)控系統(tǒng)及其應用 1.2.1智能監(jiān)控的含義 這里所指的“智能”包含兩個方面的含義。一種“智能”是指系統(tǒng)能在一定的場景中檢測

17、是否有目標的出現(xiàn)（如通過檢測人臉的方法），防止只是簡單的通過運動目標檢測所造成的錯誤報警。例如，因為刮風搖動樹枝而造成的誤報。另外一種“智能”是指系統(tǒng)能夠監(jiān)視一定場所中人的活動，并對其行為進行識別和分析，跟蹤可疑行為（如經(jīng)常在重要地點徘徊的行為）從而采取相應的報警措施。通常把報警系統(tǒng)設置于銀行、機場、車站、碼頭、超市、辦公大樓、住宅小區(qū)等地，以實現(xiàn)對這些場所的智能監(jiān)控。1.2.2智能監(jiān)控系統(tǒng)的應用 智能監(jiān)控就是指將自動視頻分析技術應用到傳統(tǒng)視頻監(jiān)控系統(tǒng)中。利用計算機的快速處理能力，對視頻進行分析，及時發(fā)現(xiàn)異常情況并進行聯(lián)動報警，使監(jiān)控系統(tǒng)具有很高的實時性，而且節(jié)省了人力。 從應用的場合來說，智

18、能監(jiān)控系統(tǒng)可以應用于家庭、國防、交通等多個方面。 l 家庭應用 在現(xiàn)有的家庭微機上增加USB攝像頭和相應的軟件系統(tǒng)，就可實現(xiàn)功能強、價格低的智能化家庭監(jiān)控系統(tǒng)。系統(tǒng)自動檢測在家中采集到的圖像，當發(fā)現(xiàn)異常時，通過Internet和短消息中心向用戶指定的電話號碼發(fā)送短消息，并將現(xiàn)場圖像以E-mai1方式發(fā)送給用戶。用戶收到短消息后通過檢查E-mail就可對家中情況有清楚的了解。 l 國防應用 我國有上萬公里的海岸線和邊境線，與多個國家毗鄰，建立邊防海防智能視頻系統(tǒng)，對關鍵口岸，哨所和敏感地區(qū)實施監(jiān)控，就能使我軍情報部門直觀及時地監(jiān)控邊防前線的情況，提高情報獲取的實時性和綜合處理的能力，也能有效的防

19、止偷渡、走私等非法行為。l 交通應用交通管理是我國各大都市面臨的難題。智能視頻交通控制系統(tǒng)能及時提供路段的車輛流量和路況信息，記錄違章車輛，以便實現(xiàn)準確快速的交通指揮調(diào)度，達到充分利用現(xiàn)有的道路資源，提高突發(fā)交通事故的處理能力，從而為人們的出行提供快捷舒適的交通服務。毋庸置疑，在2008年的北京奧運會中，智能視頻監(jiān)控系統(tǒng)也廣泛的用于體育場館、奧運村和交通調(diào)度，為比賽和游覽提供安全的環(huán)境。從功能上來說，智能監(jiān)控系統(tǒng)的應用主要有實時警報和自動視頻檢索4。 實時警報智能監(jiān)控系統(tǒng)識別發(fā)生在監(jiān)控范圍內(nèi)的異常事件并及時通知用戶，這樣就給用戶提供一定的時間來評價當前形勢，有必要的話可以采取預防行動。下面是一

20、些典型的應用： 運功檢測：檢測特定區(qū)域內(nèi)所有物體的運動并發(fā)財警報。 運動特征檢測：檢測物體的一系列運動屬性，包括運動方向，速度等。如果超過一定范圍則發(fā)出警報。 遺棄物體警報：檢測被遺棄的物體。比如，飛機場內(nèi)一件無人照看的行李。 物體的遷移：檢測特定物體的運動，而用戶并不希望這個物體運動。比如博物館中的一幅畫。 特定類型物體的運動檢測：監(jiān)視飛機跑道的系統(tǒng)將對停機坪上人的出現(xiàn)或人的運動報警而不是對飛機的出現(xiàn)報警。 基于對人的數(shù)量的統(tǒng)計或人口密度的報警5。例如，銀行柜臺前一米以內(nèi)的人數(shù)超過一個，大廳的擁擠程度超過可接受的范圍等。 行為警報：檢測停車場的可疑行為。例如，一個人停下而且試圖打開多輛汽車。

21、 視頻檢索當某個區(qū)域發(fā)生意外事件后，調(diào)查人員往往需要從覆蓋該地區(qū)的所有監(jiān)控攝像機的長達幾百個小時的視頻中去篩選有用的信息。如果用手動來完成這一任務需要花費大量的人力和時間。但是采用智能監(jiān)控系統(tǒng)，就可以極大的減少工作量。借助自動視頻分析技術，系統(tǒng)為拍攝的視頻建立豐富的索引，典型的，這些索引可以是物體的形狀、尺寸、外表、類型和運動軌跡等信息以及其他一些特有的物體識別信息。在更高級的系統(tǒng)中，索引也可以包括物體的行為信息。在建立了索引的視頻序列中查找需要的信息，就變得簡單多了。例如，我們可以做這樣的查詢，“3月2號下午3點到4點之間經(jīng)過某街道的穿藍色衣服的人的視頻片段” 。1.2 國內(nèi)外研究現(xiàn)狀 智能

22、監(jiān)控具有廣泛的應用前景和潛在的經(jīng)濟價值，從而激發(fā)了世界上廣大科研工作者及相關人士的濃厚興趣，尤其在美國、英國等國家已經(jīng)開展了大量相關項目的研究。 例如，1997年美國國防高級研究項目署設立了以卡內(nèi)基梅隆大學為首、麻省理工學院等高校參與的視覺監(jiān)控重大項目VSAM6，主要研究用于戰(zhàn)場及普通民用場景進行監(jiān)控的自動視頻理解技術。 實時視覺監(jiān)控系統(tǒng)W47不僅能夠定位人和分割出人的身體部分，而且通過建立外觀模型來實現(xiàn)多人的跟蹤，并可以檢測人是否攜帶物體等簡單行為。 英國的雷丁大學已開展了對車輛和行人的跟蹤及其交互作用識別的相關研究8；IBM與Microsoft等公司也正逐步將基于視覺的手勢識別接口應用于商

23、業(yè)領域中9。當前，國際上一些權威期刊如UCV、CVUI、IVC和重要的學術會議如ICCV、CVPR、ECCV、IWVS等將智能監(jiān)控中運動目標的檢測與跟蹤研究作為主題內(nèi)容之一，為該領域的研究人員提供了更多的交流機會。 在我國，這方面的研究是近幾年才開展起來的。中國科學院自動化研究所模式識別國家重點實驗室己成立智能視覺監(jiān)控研究組，開展這方面的研究，目標是實現(xiàn)一個動態(tài)場景集成分析演示系統(tǒng)并最終推向?qū)嵱谩?國內(nèi)有一些視頻監(jiān)控方面的產(chǎn)品，如黃金眼、行者貓王等，應用于交通控制，監(jiān)獄管理等方面。另外，國內(nèi)產(chǎn)品還有數(shù)字硬盤錄像系統(tǒng)，將監(jiān)控區(qū)域內(nèi)有運動對象出現(xiàn)的情況錄制下來，以備查詢，該系統(tǒng)只是簡單的檢測出有無

24、運動對象，而沒有對運動對象做任何分析。由于國內(nèi)的研究起步較晚，技術還不夠完善，開發(fā)出的產(chǎn)品距離智能化還有一定差距，在實際的應用中，受到很多限制，還有待于進一步的完善。 智能監(jiān)控系統(tǒng)不僅符合信息產(chǎn)業(yè)的未來發(fā)展趨勢，而且代表了監(jiān)控行業(yè)的未來發(fā)展方向。特別是近年來，隨著技術的進步和社會經(jīng)濟的不斷發(fā)展，客觀上對監(jiān)控系統(tǒng)的準確性、有效性和方便性提出了更高要求。1.3 論文章節(jié)安排 第一章 緒論。闡述了選題的背景和意義和國內(nèi)外研究現(xiàn)狀，同時也著重分析了智能監(jiān)控系統(tǒng)應用前景和發(fā)展趨勢。第二章 視頻圖像的預處理。這一部分介紹了視頻圖像的預處理的必要性和方法。闡述了視頻圖像的預處理的方法，采用圖像灰度化處理和中

25、值濾波的方法來去除噪聲。第三章 運動目標識別。這一部分介紹了運動目標識別所采用的方法，即背景差分法。運動目標識別常用方法主要包括背景差分法、時域差分法和光流分析法。在綜合比較這三種方法之后，本文采用背景差分法。第四章 實驗及結果分析。基于Windows操作系統(tǒng)和MATLAB軟件平臺進行實驗仿真。背景差分法可以直接得到運動對象的位置、大小、形狀等信息，實驗仿真的結果表明，該方法簡單實用，易于實現(xiàn)。同時簡要地介紹了運動目標識別流程。第五章 結論與展望。總結本文的工作。第二章 視頻圖像的預處理 圖像預處理技術是圖像工程中最基礎，也是最重要的操作步驟，后續(xù)的圖像分析與圖像理解等高層操作都是建立在它的基

26、礎之上的。數(shù)字視頻監(jiān)控系統(tǒng)中，開始所必須要做的工作就是對視頻圖像進行相關預處理，此舉不但能有效地消除噪聲，改善圖像質(zhì)量，使圖像清晰化，還對后續(xù)處理工作比如目標識別的正確性，目標跟蹤的及時性提供了一定的保證。該技術主要包括圖像灰度化處理和圖像噪聲消除。2.1圖像灰度化處理 由于系統(tǒng)對實時性要求較高，因此系統(tǒng)不采用彩色圖像處理，而采用灰度圖像處理，以減少圖像處理時間與內(nèi)存空間要求。對圖像進行灰度化將大大減少圖像處理的數(shù)據(jù)，提高圖像處理的速度。所以要對采集到的視頻圖像首先進行灰度化處理?；叶然褪鞘共噬腞,G,B分量相等的過程。由于R,G,B的取值范圍是0-255，所以灰度化的級別只有256級，即

27、灰度圖像僅能表現(xiàn)256種顏色（灰度）。 目前灰度化處理的方法主要有如下三種10：（1）最大值法：使R,G,B的值等于三值中最大的一個，即： R=G=B=max（R,G,B） （2.1） 最大值法會形成亮度很高的灰度圖像。 （2）平均值法：使R,G,B的值等于三者和的平均值，即： R=G=B=（R+G+B）/3 （2.2） 此方法會形成較柔和的灰度圖像。 （3）加權平均值法：根據(jù)重要性或其他指標給R,G,B賦予不同的權值，并使R,G,B 他們的值加權平均，即： R=G=B=（WRR+WGG+WBB）/3 （2.3） 其中WR、WG、WB分別為R、G、B的權值。由于人眼對綠色的敏感度最高， 對紅色

28、的敏感度次之，對藍色的敏感度最低，因此使WG WRWB將得到較合理的灰度圖像。實驗和理論推導證明，當WR =0.03，WG=0.59，WB=0.11時，即當Vgray=0.30R+0.59G+0.11B時，能得到最合理的灰度圖像。處理后的結果如圖2.1所示： （a）原始彩色圖像 （b）灰度化后圖像圖2.1 灰度處理后圖像對比2.2視頻圖像的去噪處理 視頻圖像在拍攝和傳輸過程中，由于所使用的器件和傳輸通道的局限性，而被加入了大量的噪聲，造成圖像退化，嚴重影響了圖形的視覺效果，妨礙了人們的正常是識別。直接用它來求差分圖像則受噪聲的影響較大，差分圖像的效果很差不利于后面的圖像分析。因此，圖像的噪聲消

29、除就成為圖像處理的一項重要的任務。為了抑制噪聲改善視頻序列的圖像質(zhì)量，使用濾波技術對信號進行去噪處理是最基本也是十分重要的技術手段。在去除噪聲時，應盡量不損害圖像的邊緣和細節(jié)信息，這是應當遵循的一條基本原則。到目前為止，已經(jīng)提出了很多的視頻信號噪聲濾除方法，主要有頻域、小波域、時域和空間域等去噪方法11。2.2.1頻域去噪方法圖像去噪的一類方法是在頻率域中進行。圖像經(jīng)過傅立葉變換后，可以認為噪聲頻譜一般位于高頻段，而圖像本身的頻率分量則處于頻率較低的區(qū)域，因此可以通過低通濾波方法，使高頻分量抑制而讓低頻分量通過，從而實現(xiàn)平滑去噪，其數(shù)學表達為： G（u,v） =H（u,v）F（u,v） （2.

30、4）式中，G（u,v）是去噪后圖像的傅立葉變換，H（u,v）是濾波器的轉(zhuǎn)移函數(shù)，F(xiàn)（u,v）是圖像的傅立葉變換。2.2.2 小波域去噪方法 小波在圖像視頻去噪處理上的應用思路如下，將空域或時域上的圖像變換到小波域上，成為多層的小波系數(shù)，根據(jù)小波基的特征分析噪聲和圖像的小波系數(shù)特點，針對不同特征，結合常規(guī)的圖像視頻處理方法，提出更符合小波分析的新方法來處理小波系數(shù)，再對處理后的小波系數(shù)進行反變換，得到所需的去噪目標圖像。小波去噪是一個信號濾波的問題，而且盡管在很大程度上小波去噪可以看成是低通濾波。但是由于在去噪后，還能成功地保留圖像特征，所以在這一點上又優(yōu)于傳統(tǒng)的低通濾波器。由此可見，小波去噪實

31、際上是特征提取和低通濾波功能的綜合。2.2.3時域去噪方法 僅僅針對單幀的圖像處理必然有很多的局限性，但是在視頻圖像序列中尤其是運動緩慢的序列中，前后數(shù)幀的圖像之間存在著很強的時間相關性，采用一些常規(guī)的算法，可以達到時域降噪的目的。 在時域上多幀降噪的方法在數(shù)字視頻處理技術中有著重要的地位。對于靜止的圖像序列，簡單的多幀平均法對提高信噪比，改善圖像質(zhì)量有明顯的效果。如果序列中的噪聲是隨機加性的，互不相關且均值為零，假設對一幅靜止圖像連續(xù)拍攝了N次，若將這N幅圖像進行平均，則可將信噪功率比提高N 倍或信噪電壓比提高N12倍。 然而對于運動圖像序列，這種簡單的平均將會導致運動圖像拖尾現(xiàn)象的產(chǎn)生，或

32、稱為殘像。于是根據(jù)圖像運動程度的不同，在此采用不同的策略來獲得不同的降噪性能，即實現(xiàn)對圖像靜止部分的有效降噪，對運動部分以犧牲降噪性能減小拖尾現(xiàn)象的嚴重程度。可以設想，如果根據(jù)兩幅圖像內(nèi)容位移的相對關系作運動估計，使兩幀圖像的內(nèi)容更加接近，其結果就能得到大的降噪效果又不會產(chǎn)生嚴重的拖尾現(xiàn)象。2.2.4空間域去噪方法局部平均法就是直接在空間域上進行平滑處理的技術。 在這類方法中，圖像被認為由許多灰度恒定的小塊組成，相鄰像素間存在很高的空間相關性，而噪聲則是統(tǒng)計獨立的。因此，可用像素鄰域內(nèi)的各像素的平均灰度值代替該像素點原來的像素值，實現(xiàn)圖像的去噪。其中非常值得一提的是均值濾波器和中值濾波器12。

33、（1） 均值濾波器均值濾波器是一種消除圖像噪聲的線性處理方法。這種方法的基本思想是用幾個像素灰度的平均值來代替每個像素的灰度。其計算公式為： fx,y=1Nm,nSf(m,n) （2.5）式中，S為（x，y）點領域中坐標的集合，但不包含其本身，N為集合內(nèi)坐標的點數(shù)。 均值濾波器是一種典型的線性消除噪聲方法，因為其運算簡單快速同時又能夠較為有效地去除高斯噪聲。因而適用面較廣，至今仍然是一種常用的消除噪聲的方法，許多濾波噪聲方法都是在此基礎上發(fā)展而來。其缺點是嚴重破壞了圖形的邊緣，模糊了圖像。（2） 中值濾波器中值濾波器是統(tǒng)計濾波器的一種，是一種非線性的空間濾波器，它的響應基于圖像濾波器包圍的圖像

34、區(qū)域中像素的排序，然后由統(tǒng)計結果決定的值代替中心像素的值。它不僅對脈沖干擾和椒鹽噪聲的抑制效果較好，在抑制隨機噪聲的同時能使邊緣減少模糊。中值濾波的計算公式如下：g（x,y）=medf（x-k,y-l）,（k,lW） （2.6）其中,f（x,y），g（x,y）分別為原始圖像和處理后圖像。中值濾波算法是對每個窗口內(nèi)的像素進行排序以求中值，采用一個含有奇數(shù)個點的滑動窗口（模板），用窗口中各點灰度值的中值代替指定點（一般是窗口的中心點）的灰度值。實現(xiàn)過程如下：1、 建立一個3X3的窗口，并用該窗口在圖像上按先行后列的順序逐次滑動；2、 每次移動后對窗口內(nèi)的圖像灰度數(shù)據(jù)進行排序；3、 用排序所得的中值

35、代替窗口中心位置的原始值；4、 按從左到右，從上到下的順序滑動窗口，重復2，3步驟直到遍歷所有的圖像數(shù)據(jù)。 ABCDEFGHI 滑動方向圖2.2 中值濾波（3）濾波方法比較圖2.3（a），（b），（c）分別是被噪聲污染的圖像、采用均值濾波后的圖像和采用中值濾波后的圖像。從比較可以看出均值濾波雖然消除了噪聲但嚴重破壞了圖形的邊緣，模糊了圖像，而采用中值濾波不但對圖像噪聲消除極為有效，而且能夠較好地保護圖像邊緣信息。 （a）被噪聲污染的圖像 （b）均值濾波后的圖像 （c）中值濾波后的圖像圖2.3 濾波前后圖像比較中值濾波與均值濾波相比較，有以下優(yōu)點：1、 降低噪聲的效果比較明顯。2、 在灰度變化比

36、較小的情況下可以得到很好的平滑處理。3、 降低了圖像邊界的模糊程度，濾波后圖像中的輪廓比較清晰。由以上比較結果可以得出，對于帶噪聲的原圖類圖像，使用中值濾波的效果比較好。因此本文采用中值濾波的方法對采集到的圖像進行消除噪聲處理。2.3本章小結 本章主要闡述了視頻圖像預處理的必要性，圖像預處理能有效地消除噪聲，改善圖像質(zhì)量，使圖像清晰化。中值濾波一種非線性濾波方法，它不但對圖像噪聲消除非常有效，而且能夠較好地保護圖像邊緣信息。本文用它來對視頻圖像進行預處理，取得了理想的處理效果，為目標的檢測提供了良好的基礎。 第三章 運動目標識別3.1 常用的運動目標識別方法 運動檢測的目的是從序列圖像中將變化

37、區(qū)域從背景圖像中提取出來。運動區(qū)域的有效分割對于目標分類、跟蹤和行為理解等后期處理是非常重要的，因為以后的處理過程僅僅考慮圖像中對應于運動區(qū)域的像素。然而，由于背景圖像的動態(tài)變化，如天氣、光照、影子及混亂干擾等的影響，使得運動檢測成為一項相當困難的工作。 常用的運動對象識別方法主要包括時域差分法、光流分析法和背景差分法等13。下面我們將分別做簡要的介紹。3.1.1時域差分法 時域差分方法是在連續(xù)的圖像序列中兩個或三個相鄰幀間采用基于象素的時間差分并且閾值化來提取出圖像中的運動區(qū)域。它基于很直觀的思想：如果在一幅圖像的某一位置物體發(fā)生變化，那么對應于該位置的灰度也將發(fā)生變化，而物體沒有發(fā)生變化的

38、部分，則灰度不發(fā)生變化或發(fā)生很小變化。該方法只需比較序列圖像中相鄰兩幅圖像的對應象素灰度的差別。 例如Lipton等利用兩幀差分方法從實際視頻圖像中檢測出運動目標，進而用于目標的分類與跟蹤；一個改進的方法是利用三幀差分代替兩幀差分，如VSAM開發(fā)了一種自適應背景減除與三幀差分相結合的混合算法，它能夠快速有效地從背景中檢測出運動目標。時域差分方法的優(yōu)點是運算量小，速度快，只對運動物體敏感。實際上它只檢測相對運動的物體，因為進行差分的兩幅圖像的時間間隔很短，差分圖像受光線變化影響小，從而非常適合于動態(tài)變化場景。其缺點是：首先，它不能完全提取出運動物體所有相關的特征像素點，除非運動物體本身具有較復雜

39、的紋理特征，幀差后運動實體內(nèi)部容易產(chǎn)生空洞現(xiàn)象，顯示出非零區(qū)域一般表現(xiàn)為與運動物體的邊緣運動相關的連續(xù)或間斷的條帶形區(qū)域，這樣分割出來的區(qū)域?qū)嶋H是物體前后位置的“或”區(qū)域，比物體實際所在的區(qū)域要大，其外接矩形在運動方向上被拉伸。其次，它對噪聲非常敏感而且檢測出物體的位置不精確。它所檢測到的運動目標所在的運動區(qū)域是在t和（t-St）時刻的，這意味著運動區(qū)域的中心接近運動目標在t和（t-St）時刻實際位置的中點。相對于目標運動速度而言視頻采樣很快的系統(tǒng)（St很?。繕嗽趦蓭g的位置差將很小，從而幀間位置的中點可以作為目標位置的近似。但如果待檢測運動目標的速度相對于采樣率來說很快，這種方法將有待改

40、進。也就是說必須根據(jù)目標的運算速度選擇合適的差分時間間隔，對快速運動的物體，需要選擇較小的時間差，而如果選擇得不合適，最壞的情況下物體在前后兩幀中幾乎完全重疊，根本檢測不到物體。3.1.2光流分析法光流分析法通過對視頻圖象光流的分析，通過計算位移向量光流場來初始化基于輪廓的跟蹤算法，從而有效地提取和跟蹤運動目標。光流的方法一般是根據(jù)當前幀及前后幀的信息，計算某個像素的運動矢量。 令Fk（x,y）表示第k幀（x,y）點對應的像素。Fk+i（x+d（x）,y+d（y） 表示第k+l幀中（x+d（x）,y+d（y）點所對應的像素。如果（x,y）點像素對應運動目標的某一點，并且在第k+l幀運動到（x+

41、d（x）,y十d（y）。那么如果捕捉的視頻沒有噪聲，應存在等式：Fk（x,y）= Fk+i（x+d（x）,y+d（y） （3.1）還有一種等價形式： Fk（x,y）= Fk+i（x-d（x）,y-d（y） （3.2） 這兩個等式在本質(zhì)上是相同的，區(qū)別在于：式子1是第k幀的像素運動到第K+1幀中，而式子2是第k幀的像素在第k-1幀的位置。一般把式1叫做前向預測，式2叫后向預測。 上述的兩式中的d（x）與d（y）就是（x,y）像素的運動矢量，但是這個信息在視頻中不能直接獲取。一方面是因為在成像的過程中會出現(xiàn)噪聲，使得上述等式不會成立；另一方面，d（x）與d（y）的計算是后驗方式的；只有視頻信息，在

42、目標提取之前，沒有運動信息，而且因為三維物體成像到二維圖像時，本身就會丟失一部分信息。三維信息丟失會帶來兩個問題：第一個是遮擋問題，第二個是孔徑問題。為了解決這些問題，實際利用光流方法提取運動信息，一般會利用其他方面的信息，如顏色、形狀等。實際的匹配方法，或者說利用光流計算運動矢量一般會有以下幾個方法：根據(jù)參數(shù)建立光流方程，求解光流方程；二階微分方法：塊運動方法；剃度估計方法。光流分析法的優(yōu)點在于可以在攝像機運動存在的前提下也能檢測出獨立的運動目標。而缺點是大多數(shù)的光流計算方法相當復雜，且抗噪性能差，如果沒有特別的硬件裝置則不能被應用于全幀視頻流的實時處理。因此在攝象頭固定的情況下應用的比較少

43、。3.1.3背景差分法背景差分法的基本思想是將當前幀圖像與事先存儲或?qū)崟r得到的背景圖像相減，若像素差值大于某一閾值，則判此像素為運動對象上的閾值操作后得到的結果直接給出了對象的位置、大小、形狀等信息，其缺點是受光線、天氣等外部條件變化的影響較大；優(yōu)點是算法實現(xiàn)簡單，速度快，能夠提供運動目標最完全的特征數(shù)據(jù)。最簡單的背景模型是時間平均圖像，大部分的研究人員目前都致力于開發(fā)不同的背景模型，以期減少動態(tài)場景變化對于運動分割的影響。例如Haritaoglu等利用最小、最大強度值和最大時間差分值為場景中每個像素進行統(tǒng)計建模，并且進行周期性的背景更新；McKenna等利用像素色彩和剃度信息相結合的自適應背

44、景模型來解決影子和不可靠色彩線索對于分割的影響；Karmann與Brandt,Kilger采用基于卡爾曼濾波（Kalman Filtering）的自適應背景模型以適應天氣和日照的時間變化；Stauffer與Grimso利用自適應的混合高斯背景模型即（對每個像素利用混合高斯分布建模），并且利用在線估計來更新模型，從而可靠的處理了光照變化、背景混亂運動的干擾等影響。表4-1 三種常用方法比較方法時域差分法光流分析法背景差分法所得信息運動對象邊界信息運動對象位置、大小、形狀等信息運動對象位置、大小、形狀等信息適用范圍攝像頭固定攝像頭固定、運動攝像頭固定復雜度小大中 通過對以上幾種方法的比較，可以看出

45、，背景差分法可以直接得到運動對象的位置、大小、形狀等信息，這些都是視頻監(jiān)控系統(tǒng)所需要的重要信息，并且背景差分法計算復雜度適中。因此本文采用背景差分法來實現(xiàn)運動目標的識別。 當然，在運動變化檢測中還有一些其它的方法，如Friedman與Russell利用擴展的EM （Expectation Maximization）算法，為每個像素建立了混合高斯分類模型，該模型可以自動更新，并能自適應地將每個像素分類為背景、影子或者運動前景，在目標運動速度緩慢的情況下亦能較好地完成運動區(qū)域的分割， 并可以有效地消除影子的影響；另外，Stringa也提出了一種新穎的基于數(shù)學形態(tài)學的場景變化檢測算法，在變化的環(huán)境條

46、件下獲得了相對穩(wěn)定的分割效果。3.2背景差分法背景差分法是目前運動分割中最常用的一種方法，背景差分方法采用一個作為參考圖像的背景圖象，將當前圖像與這個背景圖象做差分來找到作為前景的運動物體。這種方法能夠較完整地提取目標點，但對場景的動態(tài)變化（如光照或外部條件引起的場景變化）較為敏感。這種方法的優(yōu)點是可以準確地分割出運動物體。但是，該方法成功與否依賴于所采用的背景圖像，所以，通常利用背景更新的方法來彌補動態(tài)場景中的光線變化等因素帶來的不利影響。實現(xiàn)背景差分法分為三個步驟：第一步，背景中每個像素進行統(tǒng)計建模；第二步，將當前圖像和背景模型作對比，計算出在一定閾值限制下當前圖像中出現(xiàn)的偏離背景模型值較

47、大的那些象素，據(jù)此， 再對圖像進行二值化處理， 從而得到前景像素群（運動對象）。第三步，模型還要進行周期性的背景更新以適應動態(tài)場景變化。背景差分法的結構框圖，如圖3.1所示更新背景圖像獲取背景圖像差分得到運動對象判別異常圖像二值化N 圖3.1背景差分法的結構框圖3.3更新背景模型 因為背景通常是不斷變化的，如太陽被云遮蓋所引起的背景光照條件的改變，或者背景內(nèi)原來存放的物體被移走，進入背景中任何本來是運動而后由較長時間處于靜止的對象（如一輛汽車）等等，所以背景模型不應該在一個較長的時間周期內(nèi)固定不變。我們要經(jīng)常性的對背景模型進行更新，通常使用兩種不同的方法更新背景14; 第一種方法，基于象素的背

48、景更新方法更新背景模型，以適應背景場景中光照條件的變化。第二種方法，基于對象的背景更新方法更新背景模型，以適應背景場景中的物理變化。如添加或移走的物體，一輛己經(jīng)停下的汽車，如果它們在一個較長的時間內(nèi)不運動的話都將會被作為背景處理。 本文采用自適應背景相減分割方法， 使背景每隔一定的時間間隔就更新一次，以達到較理想的分割效果。 該方法的基本原理是通過對視頻序列的當前背景和當前N 幀的加權平均更新背景。由于當前幀中可能包含前景目標，所以在更新前先要把像素分為前景和背景，然后用當前幀的背景像素修正當前背景。3.4本章小結本章在分析和比較常用的幾種運動目標方法之后，選用了背景差分法，因為這個方法可以直

49、接得到運動對象的位置、大小、形狀等信息，這些都是視頻監(jiān)控系統(tǒng)所需要的重要信息，并且背景方法計算復雜度適中。同時介紹了背景模型更新所采用的方法，即自適應背景相減分割方法。第四章 實驗及結果分析4.1 實驗環(huán)境的介紹整個仿真實驗基于Windows操作系統(tǒng)和MATLAB軟件平臺。MATLAB 是美國MathWorks公司出品的商業(yè)數(shù)學軟件，用于算法開發(fā)、數(shù)據(jù)可視化、數(shù)據(jù)分析以及數(shù)值計算的高級技術計算語言和交互式環(huán)境，主要包括MATLAB和Simulink兩大部分。MATLAB是矩陣實驗室（Matrix Laboratory）的簡稱，和Mathematica、Maple并稱為三大數(shù)學軟件。它在數(shù)學類科

50、技應用軟件中在數(shù)值計算方面首屈一指。MATLAB可以進行矩陣運算、繪制函數(shù)和數(shù)據(jù)、實現(xiàn)算法、創(chuàng)建用戶界面、連接其他編程語言的程序等，主要應用于工程計算、控制設計、信號處理與通訊、圖像處理、信號檢測、金融建模設計與分析等領域。MATLAB的基本數(shù)據(jù)單位是矩陣，它的指令表達式與數(shù)學、工程中常用的形式十分相似，故用MATLAB來解算問題要比用C，F(xiàn)ORTRAN等語言完相同的事情簡捷得多，并且mathwork也吸收了像Maple等軟件的優(yōu)點,使MATLAB成為一個強大的數(shù)學軟件。在新的版本中也加入了對C，F(xiàn)ORTRAN，C+ ，JAVA的支持。MATLAB具有的優(yōu)勢 15：（1）友好的工作平臺和編程環(huán)

51、境MATLAB由一系列工具組成。這些工具方便用戶使用MATLAB的函數(shù)和文件，其中許多工具采用的是圖形用戶界面。包括MATLAB桌面和命令窗口、歷史命令窗口、編輯器和調(diào)試器、路徑搜索和用于用戶瀏覽幫助、工作空間、文件的瀏覽器。隨著MATLAB的商業(yè)化以及軟件本身的不斷升級，MATLAB的用戶界面也越來越精致，更加接近Windows的標準界面，人機交互性更強，操作更簡單。而且新版本的MATLAB提供了完整的聯(lián)機查詢、幫助系統(tǒng)，極大的方便了用戶的使用。簡單的編程環(huán)境提供了比較完備的調(diào)試系統(tǒng)，程序不必經(jīng)過編譯就可以直接運行，而且能夠及時地報告出現(xiàn)的錯誤及進行出錯原因分析。（2）簡單易用的程序語言MA

52、TLAB一個高級的矩陣/陣列語言，它包含控制語句、函數(shù)、數(shù)據(jù)結構、輸入和輸出和面向?qū)ο缶幊烫攸c。用戶可以在命令窗口中將輸入語句與執(zhí)行命令同步，也可以先編寫好一個較大的復雜的應用程序（M文件）后再一起運行。新版本的MATLAB語言是基于最為流行的C語言基礎上的，因此語法特征與C語言極為相似，而且更加簡單，更加符合科技人員對數(shù)學表達式的書寫格式。使之更利于非計算機專業(yè)的科技人員使用。而且這種語言可移植性好、可拓展性極強，這也是MATLAB能夠深入到科學研究及工程計算各個領域的重要原因。（3）強大的科學計算機數(shù)據(jù)處理能力MATLAB是一個包含大量計算算法的集合。其擁有600多個工程中要用到的數(shù)學運算

53、函數(shù)，可以方便的實現(xiàn)用戶所需的各種計算功能。函數(shù)中所使用的算法都是科研和工程計算中的最新研究成果，而前經(jīng)過了各種優(yōu)化和容錯處理。在通常情況下，可以用它來代替底層編程語言，如C和C+ 。在計算要求相同的情況下，使用MATLAB的編程工作量會大大減少。MATLAB的這些函數(shù)集包括從最簡單最基本的函數(shù)到諸如矩陣，特征向量、快速傅立葉變換的復雜函數(shù)。函數(shù)所能解決的問題其大致包括矩陣運算和線性方程組的求解、微分方程及偏微分方程的組的求解、符號運算、傅立葉變換和數(shù)據(jù)的統(tǒng)計分析、工程中的優(yōu)化問題、稀疏矩陣運算、復數(shù)的各種運算、三角函數(shù)和其他初等數(shù)學運算、多維數(shù)組操作以及建模動態(tài)仿真等。（4）出色的圖形處理功

54、能圖形處理功能MATLAB自產(chǎn)生之日起就具有方便的數(shù)據(jù)可視化功能，以將向量和矩陣用圖形表現(xiàn)出來，并且可以對圖形進行標注和打印。高層次的作圖包括二維和三維的可視化、圖象處理、動畫和表達式作圖?？捎糜诳茖W計算和工程繪圖。新版本的MATLAB對整個圖形處理功能作了很大的改進和完善，使它不僅在一般數(shù)據(jù)可視化軟件都具有的功能（例如二維曲線和三維曲面的繪制和處理等）方面更加完善，而且對于一些其他軟件所沒有的功能（例如圖形的光照處理、色度處理以及四維數(shù)據(jù)的表現(xiàn)等），MATLAB同樣表現(xiàn)了出色的處理能力。同時對一些特殊的可視化要求，例如圖形對話等，MATLAB也有相應的功能函數(shù)，保證了用戶不同層次的要求。另外

55、新版本的MATLAB還著重在圖形用戶界面（GUI）的制作上作了很大的改善，對這方面有特殊要求的用戶也可以得到滿足。4.2 實驗及結果分析4.2.1圖片預處理的結果 圖4.1（a）和4.2（a）分別是采集到的背景圖像及目標圖像，圖4.1（b）和4.2（b）分別是進行灰度化和中值濾波后等預處理的結果。從結果可以看出，圖片預處理后為后續(xù)的目標檢測工作提供了良好的基礎。 （a）原始背景圖像 （b）預處理后圖像圖4.1背景圖像預處理結果 （a）原始目標圖像 （b）預處理后圖像圖4.2目標圖像預處理結果4.2.2運動目標識別背景差分法的處理過程如圖4.3所示：目標識別圖像預處理背景差分視頻圖像采集圖4.3背景差