基于Opencv的視頻實(shí)時(shí)監(jiān)測(cè)與報(bào)警系統(tǒng)設(shè)計(jì)

基于opencv的視頻實(shí)時(shí)監(jiān)測(cè)與報(bào)警組員:目錄背景意義1主要方法2程序設(shè)計(jì)3結(jié)果分析4背景意義近年來(lái)，計(jì)算機(jī)視覺(jué)的研究重點(diǎn)已經(jīng)從對(duì)靜態(tài)圖像的研究過(guò)渡到對(duì)動(dòng)態(tài)圖像序列的研究上面。視頻圖像序列已成為現(xiàn)今計(jì)算機(jī)視覺(jué)的研究熱點(diǎn)，其極大的促進(jìn)了計(jì)算機(jī)視覺(jué)在各領(lǐng)域中的應(yīng)用。視頻運(yùn)動(dòng)分析主要應(yīng)用于視頻監(jiān)控系統(tǒng)、視頻MPEG編解碼技術(shù)、人機(jī)交互感知接口、軍事制導(dǎo)、雷達(dá)視頻圖像目標(biāo)分析與跟蹤等。視頻圖像序列運(yùn)動(dòng)目標(biāo)分析系統(tǒng)的難點(diǎn)：實(shí)時(shí)性、魯棒性、通用性和可移植性的要求較高。視頻實(shí)時(shí)監(jiān)測(cè)與報(bào)警系統(tǒng)對(duì)待監(jiān)控視頻序列的內(nèi)容進(jìn)行自動(dòng)分析和判斷，對(duì)監(jiān)控過(guò)程中出現(xiàn)的異常行為及時(shí)做出反應(yīng)。常用于交通監(jiān)控、安防監(jiān)控等。主要方法本設(shè)計(jì)的主要包括以下幾部分：圖像預(yù)處理、運(yùn)動(dòng)目標(biāo)監(jiān)測(cè)、報(bào)警。視頻序列圖像預(yù)處理運(yùn)動(dòng)目標(biāo)監(jiān)測(cè)報(bào)警預(yù)處理的目的是為了消除圖像噪聲，本文采用中值濾波與膨脹消除圖像噪聲。中值濾波主要除去圖像中的噪聲點(diǎn)。像素值為其鄰域內(nèi)所有像素由小到大排列后的中間值。對(duì)圖像進(jìn)行高斯金塔分解得到不同層次的子圖像，分別對(duì)子圖像進(jìn)行膨脹，最后對(duì)膨脹后的子圖像重構(gòu)，以達(dá)到消除目標(biāo)不連續(xù)空間的目的。運(yùn)動(dòng)目標(biāo)檢測(cè)部分有背景減除法、幀間差分法和光流法。本設(shè)計(jì)采用幀間差分法，其基本過(guò)程如下：二值化形態(tài)學(xué)濾波連通性分析判別延遲-監(jiān)測(cè)部分主要包括運(yùn)動(dòng)目標(biāo)的檢測(cè)與分割。傳統(tǒng)的分割標(biāo)記方法的標(biāo)記對(duì)象是像素，為了提高運(yùn)動(dòng)目標(biāo)分割的效率，目前有基于邊緣輪廓和線(xiàn)段的標(biāo)記方法。本文利用cvFindContours()函數(shù)得到背景差分檢測(cè)出來(lái)的運(yùn)動(dòng)前景圖像中的目標(biāo)輪廓，并得到運(yùn)動(dòng)目標(biāo)的外接輪廓或者外接矩形以及所處的位置。程序設(shè)計(jì)開(kāi)始初始化打開(kāi)攝像頭圖像幀差目標(biāo)監(jiān)測(cè)報(bào)警運(yùn)動(dòng)

目標(biāo)？是否二值化幀差圖像濾波運(yùn)動(dòng)目標(biāo)檢測(cè)目標(biāo)大于閾值？分割標(biāo)記是否實(shí)驗(yàn)結(jié)果視頻監(jiān)測(cè)與報(bào)警系統(tǒng)的優(yōu)點(diǎn)在于可以實(shí)時(shí)、準(zhǔn)確、穩(wěn)定的完成室內(nèi)的監(jiān)測(cè)，出現(xiàn)虛報(bào)、漏報(bào)、錯(cuò)報(bào)的概率很小等。其不足之處在于本系統(tǒng)中的報(bào)警略有延遲。實(shí)驗(yàn)結(jié)果主要參考文獻(xiàn)：[1] 吳曉陽(yáng).基于OpenCV的運(yùn)動(dòng)目標(biāo)檢測(cè)與

跟蹤[C].杭州：浙江大學(xué)，2008.[2