數(shù)字圖像處理課程報(bào)告.doc

山東建筑大學(xué)課 程 設(shè) 計(jì) 說(shuō) 明 書(shū)題 目： 視頻監(jiān)控中行人的檢測(cè)課 程： 數(shù)字圖像處理課程設(shè)計(jì)院 （部）： 信息與電氣工程學(xué)院專 業(yè)： 電子信息工程班 級(jí)： 電信112學(xué)生姓名： 楊永林學(xué) 號(hào)： 2011081237指導(dǎo)教師： 張運(yùn)楚、楊紅娟、張君捧完成日期： 2014年11月目錄摘要2一、緒論3課題研究背景及意義3二、設(shè)計(jì)要求與目的4三、視頻監(jiān)控中行人的檢測(cè)與識(shí)別方案論證與選擇43.1常用檢測(cè)算法43.1.1背景消除法43.1.2光流場(chǎng)法43.1.3幀間差分法43.2空間域?yàn)V波器5四、設(shè)計(jì)內(nèi)容74.1背景減法運(yùn)動(dòng)目標(biāo)檢測(cè)74.2閾值的選取84.3形態(tài)學(xué)濾波84.4檢測(cè)過(guò)程9五、實(shí)驗(yàn)結(jié)果及分析10六、總結(jié)與感謝12參考文獻(xiàn)13附錄1程序代碼14摘要視頻監(jiān)控在安檢、交通、工業(yè)生產(chǎn)等方面得到了廣泛的應(yīng)用。為了能實(shí)時(shí)分析、跟蹤、判別監(jiān)控對(duì)象，并在異常事件發(fā)生時(shí)提示、對(duì)視頻監(jiān)控中出現(xiàn)的行人進(jìn)行檢測(cè)顯得尤為重要。 本文研究基于MATLAB的視頻監(jiān)控中的行人檢測(cè)。尤其是要從計(jì)算機(jī)視覺(jué)的角度出發(fā)構(gòu)建一個(gè)對(duì)象檢測(cè)器，對(duì)實(shí)時(shí)視頻中的對(duì)象進(jìn)行搜索并對(duì)它們進(jìn)行檢測(cè)。從圖像序列中找到關(guān)心的對(duì)象，即行人，從而確定圖像區(qū)域中的行人。本文的行人檢測(cè)，即首先將行人檢測(cè)出來(lái)，再對(duì)確定包含行人的圖像進(jìn)行處理。關(guān)鍵詞：MATLAB 視頻監(jiān)控 行人檢測(cè) 一、緒論課題研究背景及意義在現(xiàn)代社會(huì)中，視頻監(jiān)控系統(tǒng)隨處可見(jiàn)。視頻監(jiān)控系統(tǒng)使人們的工作生活更加方便，更加安全，提高了效率。然而，目前視頻監(jiān)控網(wǎng)絡(luò)多數(shù)只停留在原始視頻的錄像階段。雖然有些系統(tǒng)具有移動(dòng)偵測(cè)報(bào)警的功能，但實(shí)際監(jiān)控任務(wù)大部分仍是由人工來(lái)完成。隨著視頻監(jiān)控規(guī)模逐漸擴(kuò)大，依靠人工方式進(jìn)行實(shí)時(shí)監(jiān)控所暴露出來(lái)的局限性越發(fā)突出，既沒(méi)有足夠多數(shù)量的屏幕供觀看，也不可能安排足夠多的人員24小時(shí)盯著屏幕看，同時(shí)面臨著海量視頻數(shù)據(jù)檢索的問(wèn)題。因此對(duì)于利用計(jì)算機(jī)視覺(jué)的相關(guān)技術(shù)實(shí)現(xiàn)智能化的視頻監(jiān)控系統(tǒng)的需求越來(lái)越迫切。 在自己人為設(shè)定的環(huán)境下，我們具體實(shí)現(xiàn)了行人檢測(cè)，驗(yàn)證算法的是否有效，并且改進(jìn)算法，使算法更加符合實(shí)際應(yīng)用。我們的要求是在實(shí)時(shí)的視頻監(jiān)控中，系統(tǒng)能夠?qū)崟r(shí)檢測(cè)行人，沒(méi)有明顯的延時(shí)，保證監(jiān)控畫(huà)面的流暢，并且有較高的正確率。二、設(shè)計(jì)要求與目的 1根據(jù)已知設(shè)計(jì)要求分析視頻監(jiān)控中行人的檢測(cè)設(shè)計(jì)功能，確定視頻監(jiān)控中行人的檢測(cè)設(shè)計(jì)的方法，畫(huà)出流程圖，編寫(xiě)實(shí)現(xiàn)程序，并進(jìn)行調(diào)試，完成系統(tǒng)軟件設(shè)計(jì)。2基本教學(xué)要求：每人一臺(tái)計(jì)算機(jī)，計(jì)算機(jī)安裝matlab、visio等軟件。三、視頻監(jiān)控中行人的檢測(cè)與識(shí)別方案論證與選擇3.1常用檢測(cè)算法傳統(tǒng)的交通監(jiān)控方法，如電磁感應(yīng)環(huán)線圈式車輛檢測(cè)器，不能識(shí)別車輛的行駛方向，不能進(jìn)行車輛分類等。雷達(dá)波檢測(cè)器只能檢測(cè)運(yùn)動(dòng)目標(biāo)，但對(duì)目標(biāo)緩行和目標(biāo)靜止的情況不能有效地提取背景，可能無(wú)法做出準(zhǔn)確的檢測(cè)。近年來(lái)，國(guó)內(nèi)外學(xué)者對(duì)視頻圖像的運(yùn)動(dòng)目標(biāo)檢測(cè)和識(shí)別做了許多研究，常見(jiàn)的方法有背景差分法、光流場(chǎng)法以及圖像差分法。3.1.1背景消除法背景消除法是目前運(yùn)動(dòng)分割檢測(cè)中一種很常見(jiàn)的方法，也稱為背景差分法，通過(guò)比較當(dāng)前圖像與背景圖像的差異實(shí)現(xiàn)目標(biāo)運(yùn)動(dòng)區(qū)域的檢測(cè)。3.1.2光流場(chǎng)法光流場(chǎng)法檢測(cè)是利用目標(biāo)隨時(shí)間變化所產(chǎn)生的光流特性進(jìn)行檢測(cè)。光流的含義是圖像亮度狀況的運(yùn)動(dòng)，當(dāng)目標(biāo)運(yùn)動(dòng)時(shí)，在圖像上對(duì)應(yīng)的目標(biāo)的亮度也在變化，表現(xiàn)出一種類似運(yùn)動(dòng)的直觀感覺(jué)。通過(guò)光流法可以得到位移向量的光流場(chǎng)，從來(lái)初始化目標(biāo)的輪廓，便于后續(xù)基于輪廓的跟蹤算法有效地檢測(cè)和跟蹤目標(biāo)。3.1.3幀間差分法幀間差分法（也可簡(jiǎn)稱為幀差法）可以提取出物體的運(yùn)動(dòng)信息。幀差法根據(jù)公式中計(jì)算需要幀的個(gè)數(shù)可以分為二幀差分法、三幀差分法等。幀差法的基本假設(shè)是在視頻序列中相鄰兩幀的視頻序列圖像是連續(xù)性，若畫(huà)面中沒(méi)有待檢測(cè)的目標(biāo)，那么相鄰幀圖像的變化非常?。欢羞\(yùn)動(dòng)目標(biāo)進(jìn)入畫(huà)面時(shí)，會(huì)引起比較明顯的幀差。如采用前后相鄰兩幀做差，通過(guò)相鄰兩幀的差異檢測(cè)運(yùn)動(dòng)目標(biāo)的方法成為二幀差分法，這也是運(yùn)動(dòng)目標(biāo)檢測(cè)中最簡(jiǎn)單也最常用的運(yùn)動(dòng)目標(biāo)檢測(cè)方法表1常用檢測(cè)算法對(duì)比背景消除法光流場(chǎng)法二幀差法三幀差法所得信息目標(biāo)位置、大小、形狀等目標(biāo)位置、大小、形狀等目標(biāo)邊界目標(biāo)邊界、位置復(fù)雜度小大小較小難點(diǎn)背景選取機(jī)制、背景更新復(fù)雜度高空洞空洞、滯后性適用情況攝像固定；實(shí)時(shí)性要求不高；對(duì)目標(biāo)信息要求較高；有光照、光線、天氣等影響攝像固定；對(duì)目標(biāo)信息要求高；背景已知或者容易獲??；光照、光線、天氣等影響?。粩z像固定；實(shí)時(shí)性要求高；對(duì)目標(biāo)信息要求不高；攝像固定；實(shí)時(shí)性要求高；對(duì)目標(biāo)信息要求不太高；3.2空間域?yàn)V波器（1）均值濾波器均值濾波也被稱為“鄰域平均法”，是圖像增強(qiáng)算法中很實(shí)用的空間域去噪算法。通常，圖像中相鄰像素的灰度或色彩有極強(qiáng)的相關(guān)性，因此灰度和色彩也能更改是連續(xù)地、緩慢變化。椒鹽噪聲表現(xiàn)為明顯的黑色點(diǎn)（椒噪聲）和白色點(diǎn)（鹽噪聲），這些點(diǎn)與周圍非噪聲點(diǎn)對(duì)比強(qiáng)烈，可以通過(guò)周圍的非噪聲點(diǎn)對(duì)噪聲點(diǎn)進(jìn)行處理，達(dá)到平滑噪聲的效果，均值濾波是一種線性濾波器，但模糊效應(yīng)比較嚴(yán)重，去噪的同時(shí)會(huì)引起細(xì)節(jié)信息的丟失。（2）中值濾波器中值濾波通常選取含有奇數(shù)個(gè)點(diǎn)的滑動(dòng)模板，將模板中各點(diǎn)的灰度值排序，選取中值代替模板中心像素的的灰度值，（3）改進(jìn)中值濾波器為了降低中值濾波帶來(lái)的模糊，本文對(duì)中值濾波算法進(jìn)行了改進(jìn)，對(duì)中值濾波前期進(jìn)行預(yù)處理，通過(guò)統(tǒng)計(jì)分析和判決條件來(lái)搜索圖像的噪聲區(qū)域，把圖像分成非噪聲部分和噪聲部分兩類區(qū)域，對(duì)非噪聲區(qū)域不進(jìn)行去噪處理，也就不會(huì)帶來(lái)模糊效應(yīng)，對(duì)噪聲區(qū)域采取去噪處理，去除噪聲，改進(jìn)算法在保持中值濾波原有去噪能力的基礎(chǔ)上進(jìn)一步降低了去噪引起的模糊效應(yīng)。這種改進(jìn)算法更有針對(duì)性地濾波可能的椒鹽噪聲點(diǎn)，同時(shí)避免濾波引起的非噪聲點(diǎn)的模糊現(xiàn)象，去噪性能更好。四、設(shè)計(jì)內(nèi)容4.1背景減法運(yùn)動(dòng)目標(biāo)檢測(cè)背景差分算法的實(shí)質(zhì)是：實(shí)時(shí)輸入的場(chǎng)景圖像與背景圖像進(jìn)行差分，可以較準(zhǔn)確的分割出運(yùn)動(dòng)目標(biāo)。但是背景差分算法也有其天然的缺陷，隨著時(shí)間的推移，場(chǎng)景的光線、樹(shù)葉的遮擋、或者運(yùn)動(dòng)物體滯留都會(huì)很大程度的破壞已經(jīng)建立好的背景圖像。為了解決這些問(wèn)題，最好的方法便是使用背景建模和背景更新算法來(lái)彌補(bǔ)。前面已經(jīng)討論過(guò)相關(guān)問(wèn)題，因此，本文假設(shè)背景處于理想情況下進(jìn)行背景差分算法的研究。設(shè)(x, y)是二維數(shù)字圖像的平面坐標(biāo)，基于背景減法的二值化數(shù)學(xué)描述為：Di(x,y)=|Ii(x,y)Bi(x,y)| 1,DiTMi(x,y) 0,DiTIi(x,y)表示圖像序列中當(dāng)前幀的灰度圖像，Bi (x, y)表示當(dāng)前幀背景的灰度圖像,Mi(x,y)表示相減后的二值化結(jié)果，T表示對(duì)應(yīng)的相減后灰度圖像的閾值，選取固定閾值T=15，基于背景減法的MATLAB仿真，如圖2: 圖2背景差分實(shí)驗(yàn)Surendra算法計(jì)算出背景圖像，左圖為原始輸入圖像，右圖為二值化圖像，左下圖為背景差分法得出的形態(tài)學(xué)濾波的圖像。實(shí)驗(yàn)結(jié)果表明：背景差分算法也可以有效地檢測(cè)出運(yùn)動(dòng)目標(biāo)。由于背景建模算法的引入，使得背景對(duì)噪聲有一定的抑制作用，在差分圖像中“雪花”較幀間差分算法有所減少。同時(shí)，使用背景差分算法檢測(cè)出的運(yùn)動(dòng)物體輪廓，比幀間差分法的檢測(cè)結(jié)果更清晰。因此，在背景建模與背景更新處于比較理想的狀態(tài)下，背景差分算法得到的差分結(jié)果略好于幀間差分的結(jié)果。4.2閾值的選取Surendra算法提取背景及目標(biāo)提取都需對(duì)圖像二值化。分割閾值的選取雖看似簡(jiǎn)單，但直接影響目標(biāo)的分割效果，閾值T增大，雖然可以一定量的減少環(huán)境對(duì)效果的影響，但同時(shí)也會(huì)將差分結(jié)果中變化不明顯的區(qū)域作為前景被忽略掉；閾值T減小，效果卻又恰恰相反。進(jìn)行閾值計(jì)算時(shí)還應(yīng)注意迭代速度和精度的矛盾。4.3形態(tài)學(xué)濾波由于刮風(fēng)、氣流等原因，背景中部分物體小幅度晃動(dòng)；光線的變化等不確定因素，會(huì)使得視頻圖像產(chǎn)生大量噪聲，當(dāng)差值圖像二值化后，仍然有很多無(wú)用的噪聲斑點(diǎn)。因此，需要采用數(shù)學(xué)形態(tài)學(xué)方法，對(duì)分割后的二值圖像進(jìn)行形態(tài)學(xué)濾波。(1)結(jié)構(gòu)元素結(jié)構(gòu)元素被形象的稱為刷子或探針，是膨脹和腐蝕操作中最基本的組成部分。 (2)腐蝕和膨脹腐蝕和膨脹是許多形態(tài)學(xué)算法的基礎(chǔ)。腐蝕操作會(huì)去掉物體的邊緣點(diǎn)，細(xì)小物體所有的點(diǎn)都會(huì)被認(rèn)為是邊緣點(diǎn)，因此會(huì)整個(gè)被刪去。再做膨脹時(shí)，留下來(lái)的大物體會(huì)變回原來(lái)的大小，而被刪除的小物體則永遠(yuǎn)消失了。膨脹操作會(huì)使物體的邊界向外擴(kuò)張，如果物體內(nèi)部存在小空洞的話，經(jīng)過(guò)膨脹操作這些洞將被補(bǔ)上，因而不再是邊界了。再進(jìn)行腐蝕操作時(shí)，外部邊界將變回原來(lái)的樣子，而這些內(nèi)部空洞則永遠(yuǎn)消失了。(3)開(kāi)啟和閉合開(kāi)啟就是相對(duì)圖像進(jìn)行腐蝕，然后膨脹其結(jié)果。閉合就是先對(duì)圖像進(jìn)行膨脹，然后腐蝕其結(jié)果。開(kāi)啟一般使對(duì)象的輪廓變得光滑，斷開(kāi)狹窄的間斷和消除細(xì)的突出物。閉合同樣使輪廓線變得光滑，但是開(kāi)啟相反的是，它通常消除狹窄的間斷和長(zhǎng)細(xì)的鴻溝，消除小的孔洞，并填補(bǔ)輪廓線中的斷裂開(kāi)啟。4.4檢測(cè)過(guò)程五、實(shí)驗(yàn)結(jié)果及分析1.視頻起始階段基本無(wú)光線改變，人物捕捉略正常2.視頻中段，由于光線變化以及人手抖動(dòng)，使得悲劇也被捕捉到，當(dāng)然會(huì)在實(shí)際使用中，此情況會(huì)被改善。3.視頻結(jié)尾光線恢復(fù)正常，但由于人工拍攝的局限性，鏡頭抖動(dòng)，捕捉畫(huà)面略差。本文著重研究了利用背景減法進(jìn)行目標(biāo)檢測(cè)在Matlab中的實(shí)現(xiàn)方法。利用Matlab圖像處理功能來(lái)實(shí)現(xiàn)經(jīng)典的圖像處理方法,簡(jiǎn)化了算法,達(dá)到了檢測(cè)目標(biāo)的預(yù)期效果,為后面的目標(biāo)跟蹤、目標(biāo)分類等奠定了基礎(chǔ)。六、總結(jié)與感謝在此論文撰寫(xiě)過(guò)程中，要特別感謝相同小組同學(xué)的幫助和理解，。沒(méi)有同學(xué)們的幫助也就沒(méi)有今天的這篇論文。求知之路充滿了突然的快樂(lè)和成就感。在做課程設(shè)計(jì)得過(guò)程中，張?jiān)瞥蠋煵粩嗟募ぐl(fā)我們對(duì)知識(shí)的探索，和對(duì)新事物的研究意識(shí)，還要感謝楊紅娟老師和張君捧老師對(duì)我們學(xué)習(xí)的督促，讓我們不再那么懶惰。 在查詢資料時(shí)，老師給我們提供了很重要的資料，本文參考了大量的文獻(xiàn)資料，在此，向各學(xué)術(shù)界的老師們表示感謝！參考文獻(xiàn)1 孔曉東智能視頻監(jiān)控技術(shù)研究D上海：上海交通大學(xué)，2008.2 虹數(shù)字圖像處理基礎(chǔ)M北京：科學(xué)出版社,2005.3 Gavrila D. The visual analysis cf human movemalt: A surveyJ.Compurer Vision and Image Understanding, 1999, 73(1):822984 常好麗運(yùn)動(dòng)行人檢測(cè)與跟蹤方法研究D 陜西：西北工業(yè)大學(xué)，2006.5 常好麗，史忠科基于單目視覺(jué)的運(yùn)動(dòng)行人檢測(cè)與跟蹤方法J交通運(yùn)輸工程學(xué)報(bào)，2006.6 何東健，耿楠，張義寬編著，數(shù)字圖像處理M西安：西安電子科技大學(xué)出版社，2008.57 岡薩雷斯數(shù)字圖像處理(MATLAB)中文版M北京：電子工業(yè)出版社，20078 劉志敏,揚(yáng)杰,施鵬飛數(shù)學(xué)形態(tài)學(xué)的圖像分割算法D計(jì)算機(jī)工程與科學(xué),1998,20 (4):219 章毓晉圖像分割北京:科學(xué)出版社,200110 王樹(shù)偉,楊鴝Matlab 6.5輔助圖像處理M電子工業(yè)出版社,2003.附錄1程序代碼clear all;close all;clc;% read a avi file information, cartest.avi 為待處理的視頻文件，格式為.avifileinfo = aviinfo(D:12.avi); numFrames = fileinfo.NumFrames;%為了避免占用太大的內(nèi)存，選取200幀的截取視頻clipframes = 200;Clips = floor(numFrames/clipframes);%讀取視頻的第一幀作為背景圖像Fref = aviread(D:12.avi,10);Iref =Fref.cdata; %設(shè)定閾值Threh = 15;% 定義一個(gè)結(jié)構(gòu)元素se=strel(disk,3);for m = 1:Clips % 計(jì)算影片剪輯開(kāi)始和結(jié)束的幀指數(shù)m startframe = (m - 1)* clipframes + 1; if m = Clips endframe = numFrames -1; else endframe = m * clipframes; end %從AVI文件讀第m個(gè)影片剪輯幀 movclip =aviread(D:12.avi,startframe:endframe); for k = 1 : (endframe - startframe +1) Icurr = movclip(k).cdata; %計(jì)算當(dāng)前幀與參考幀之間的絕對(duì)差異 Idiff = abs(double(rgb2gray(Iref) - double(rgb2gray(Icurr); % 利用threholding檢測(cè)運(yùn)動(dòng)目標(biāo) Ifg = Idiff Threh;%利用IMOPEN