畢業(yè)論文袁大洋

1、 目 錄摘 要1Abstract11 緒 論21.1 數(shù)字圖像處理及matlab簡(jiǎn)介 2 1.2 本設(shè)計(jì)的主要工作51.3 系統(tǒng)的設(shè)計(jì)意義61.4 國(guó)內(nèi)外相關(guān)技術(shù)的發(fā)展概況62 系統(tǒng)總體方案設(shè)計(jì)82.1 系統(tǒng)總體方案及技術(shù)指標(biāo)82.2 系統(tǒng)需求分析93 軟件設(shè)計(jì)103.1友好界面設(shè)計(jì)103.1.1友好界面結(jié)構(gòu)圖173.1.2友好界面函數(shù)183.2算法分析123.2.1輪廓提取前的預(yù)處理123.2.2特征提取方法133.2.3輪廓的特征153.2.4人頭識(shí)別16 3.2.5標(biāo)記174 結(jié)論與展望194.1本文總結(jié)194.2遇到的主要難題204.3本文總結(jié)20致謝22參考文獻(xiàn)22附 錄A程序清單2

2、3附 錄B實(shí)物圖34 穿救生衣人數(shù)統(tǒng)計(jì)研究 應(yīng)用電子教育技術(shù)2010級(jí) 袁大洋 摘 要 本設(shè)計(jì)是基于MATLAB軟件工作平臺(tái)對(duì)穿救生衣人數(shù)統(tǒng)計(jì)研究，完成了對(duì)河道上穿救生圈人人數(shù)的自動(dòng)統(tǒng)計(jì)，節(jié)省了大量的人力資源。該系統(tǒng)的開(kāi)發(fā)是緊密建立在圖像處理與目標(biāo)識(shí)別的基礎(chǔ)上，自動(dòng)進(jìn)行檢測(cè)識(shí)別并統(tǒng)計(jì)，同時(shí)該課題的研究開(kāi)發(fā)意識(shí)現(xiàn)今國(guó)內(nèi)外研究的熱點(diǎn) 該系統(tǒng)的研究開(kāi)發(fā)以人為對(duì)象，通過(guò)對(duì)人頭和救生圈的特征信息的提取來(lái)實(shí)現(xiàn)對(duì)穿救生圈人的自動(dòng)跟蹤和統(tǒng)計(jì)地的一個(gè)小的軟件開(kāi)發(fā)系統(tǒng)。該系統(tǒng)采用了MATALB軟件工作平臺(tái)，利用MATLAB語(yǔ)言實(shí)現(xiàn)自動(dòng)統(tǒng)計(jì)功能，并且還利用MATLAB強(qiáng)大GUI界面制作工具箱，設(shè)計(jì)了一個(gè)友好的人機(jī)界

3、面，可以簡(jiǎn)潔直觀的顯示統(tǒng)計(jì)和控制狀態(tài)，當(dāng)統(tǒng)計(jì)有誤時(shí)進(jìn)行報(bào)警。關(guān)鍵字： 自動(dòng)統(tǒng)計(jì)，圖像處理 ，目標(biāo)識(shí)別 ，MATLAB軟件 ABstractThe design is based on MATLAB software platform work wear buoy number of personnel statistics, completed a number of people on the river wearing a life preserver automatic statistics, save a lot of human resources. Development of t

4、his system is closely based on image processing and object recognition on the automatic detection and identification, and statistics, and research and development on the subject of research and development of modern consciousness research hotspot of the system to human subjects, through the head and

5、 lifebuoy extract feature information to realize the automatic tracking of people wearing a life preserver and statistically a small software development system. The system uses software MATALB work platform, using MATLAB language to achieve automatic statistical functions, and also a powerful GUI i

6、nterface produced using MATLAB toolbox designed a friendly interface, can be simple and intuitive display statistics and control state, when statistics have when false alarms.1 緒 論1.1 數(shù)字圖像處理及matlab簡(jiǎn)介人類獲取外界信息的方式有視覺(jué)、聽(tīng)覺(jué)、觸覺(jué)、嗅覺(jué)、味覺(jué)等等，其中視覺(jué)是人類最重要的感官，獲取的信息占總信息量的絕大部分。因此，圖像對(duì)于人類信息的存儲(chǔ)和傳輸都具有重要意義，圖像處理技術(shù)得到廣泛的應(yīng)用也是科技

7、發(fā)展一種必然。一幅圖像可定義為一個(gè)二維函數(shù)f(x,y)，當(dāng)空間坐標(biāo)x、y和幅值f為有限的離散數(shù)值時(shí)，稱該圖像為數(shù)字圖像1。簡(jiǎn)單來(lái)說(shuō)，用計(jì)算機(jī)來(lái)處理圖像，就是數(shù)字圖像處理。從70年代中期開(kāi)始，隨著計(jì)算機(jī)技術(shù)的發(fā)展，數(shù)字圖像處理向更高、更深層次發(fā)展2。世界范圍內(nèi)很多國(guó)家和地區(qū)的科學(xué)家們?cè)谠擃I(lǐng)域投入了大量的精力，也取得了很多重要的研究成果。數(shù)字圖像處理的目的是使圖像更符合人們的要求，它是讓差質(zhì)量的圖像被改善，成為好質(zhì)量的圖像，常用的處理方法有圖像增強(qiáng)、復(fù)原、壓縮等，另外還有一類數(shù)字圖像處理是模擬人眼，讓計(jì)算機(jī)能夠有“思考”的能力，對(duì)圖像內(nèi)容進(jìn)行識(shí)別，并能夠獨(dú)立作出判斷?；谶@些方法，目前數(shù)字圖像主要

8、應(yīng)用的領(lǐng)域有：1） 航天和航空技術(shù)方面 數(shù)字圖像處理技術(shù)在航天和航空技術(shù)方面的應(yīng)用，一方面是對(duì)太空?qǐng)D像，如月球、火星照片的處理之，另一方面的應(yīng)用是在飛機(jī)遙感和衛(wèi)星遙感技術(shù)中。2）生物醫(yī)學(xué)工程方面 數(shù)字圖像處理在生物醫(yī)學(xué)工程方面的應(yīng)用十分廣泛，而且很有成效。除了上面介紹的CT技術(shù)之外，還有一類是對(duì)醫(yī)用顯微圖像的處理分析，如紅細(xì)胞、白細(xì)胞分類，染色體分析，癌細(xì)胞識(shí)別等。此外，在X光肺部圖像增晰、超聲波圖像處理、心電圖分析、立體定向放射治療等醫(yī)學(xué)診斷方面都廣泛地應(yīng)用圖像處理技術(shù)1。 3）工業(yè)和工程方面圖像處理技術(shù)在工業(yè)和工程領(lǐng)域有廣泛的應(yīng)用，如自動(dòng)裝配線中檢測(cè)零件的質(zhì)量、并對(duì)零件進(jìn)行分類，印刷電路板

9、疵病檢查，彈性力學(xué)照片的應(yīng)力分析，流體力學(xué)圖片的阻力和升力分析，郵政信件的自動(dòng)分揀，在一些有毒、放射性環(huán)境內(nèi)識(shí)別工件及物體的形狀和排列狀態(tài)，先進(jìn)的設(shè)計(jì)和制造技術(shù)中采用工業(yè)視覺(jué)等等1。4）軍事公安方面在軍事方面圖像處理和識(shí)別主要用于導(dǎo)彈的精確末制導(dǎo)，各種偵察照片的判讀，具有圖像傳輸、存儲(chǔ)和顯示的軍事自動(dòng)化指揮系統(tǒng)，飛機(jī)、坦克和軍艦?zāi)M訓(xùn)練系統(tǒng)等；公安業(yè)務(wù)圖片的判讀分析，指紋識(shí)別，人臉鑒別，不完整圖片的復(fù)原，以及交通監(jiān)控、事故分析等。目前已投入運(yùn)行的高速公路不停車自動(dòng)收費(fèi)系統(tǒng)中的車輛和車牌的自動(dòng)識(shí)別都是圖像處理技術(shù)成功應(yīng)用的例子。 MATLAB軟件是矩陣實(shí)驗(yàn)室（Matrix Laboratory）

10、的簡(jiǎn)稱，是由美國(guó)MathWorks公司出品的商業(yè)數(shù)學(xué)軟件，用于算法開(kāi)發(fā)、數(shù)據(jù)可視化、數(shù)據(jù)分析以及數(shù)值計(jì)算的高級(jí)技術(shù)計(jì)算語(yǔ)言和交互式環(huán)境，主要包括MATLAB和Simulink兩大部分。自從20世紀(jì)80年代中期推出以來(lái)，吸收了各學(xué)科領(lǐng)域權(quán)威人士所編寫的實(shí)用程序，經(jīng)過(guò)多年的逐步發(fā)展與不斷完善，成為了國(guó)際公認(rèn)的、最優(yōu)秀的科學(xué)計(jì)算與數(shù)學(xué)應(yīng)用軟件之一，近幾年來(lái)在國(guó)內(nèi)外得到了廣泛流行。它集數(shù)值分析、矩陣運(yùn)算、信號(hào)處理和圖形顯示于一體，構(gòu)成了一個(gè)方便的、界面友好的用戶環(huán)境，而且還具有可擴(kuò)展性特征?；谝陨戏N種優(yōu)點(diǎn)，MATLAB很快被用于圖像處理領(lǐng)域，其強(qiáng)大的功能得到了淋漓盡致的體現(xiàn)，MATLAB有專門的圖像

11、處理工具箱，功能十分強(qiáng)大，支持幾乎所有格式的圖像，如真彩色圖像、索引色圖像、灰度圖像、二值圖像，如果有的函數(shù)對(duì)圖像類型有特定要求，這四種類型還可以用工具箱自帶的類型轉(zhuǎn)換函數(shù)相互轉(zhuǎn)換。它涵蓋了數(shù)字圖像處理幾乎所有的算法函數(shù)，利用這些圖像處理函數(shù)，并結(jié)合其強(qiáng)大的數(shù)據(jù)處理能力，我們不必關(guān)心圖像文件的格式、讀寫、顯示等細(xì)節(jié)，而把精力集中在算法研究上，大大提高了工作效率。而且，在測(cè)試這些算法時(shí)既可方便地得到統(tǒng)計(jì)數(shù)據(jù)，同時(shí)又可得到直觀圖示。 1.2 本設(shè)計(jì)的主要工作目前，隨著世界經(jīng)濟(jì)往來(lái)日益密切，航運(yùn)交通也越來(lái)越重要，但通航環(huán)境日益惡化，船舶上船員及乘客溺水的事件越來(lái)越多。因此，為確保航船上船員及乘客的安

12、全，防范溺水事件，不得不引起我們的注意，我們得開(kāi)發(fā)一種能自動(dòng)實(shí)時(shí)檢測(cè)識(shí)別統(tǒng)計(jì)并錯(cuò)誤報(bào)警的系統(tǒng)。 本課題是“關(guān)于對(duì)穿救生圈人員個(gè)數(shù)統(tǒng)計(jì)”，主要是基于圖像處理與目標(biāo)識(shí)別理論學(xué)習(xí)基礎(chǔ)之上，在一定復(fù)雜背景條件下，通過(guò)對(duì)人特征分析和救生圈特征分析（主要對(duì)重疊問(wèn)題的研究及分析），把目標(biāo)從背景中提取出來(lái)，從而識(shí)別并統(tǒng)計(jì)人并判斷他她是否穿了救生圈，再通實(shí)現(xiàn)做出來(lái)的友好界面直觀的顯示出來(lái)。1.3系統(tǒng)的設(shè)計(jì)意義 通過(guò)采用圖像處理與目標(biāo)識(shí)別有效地對(duì)船上船員及乘客穿救身衣的情況進(jìn)行自動(dòng)的實(shí)時(shí)檢測(cè)識(shí)別統(tǒng)計(jì)并錯(cuò)誤報(bào)警,并傳輸?shù)綄?shí)現(xiàn)做好的友好界面上,從而為安全監(jiān)控部門提供準(zhǔn)確的數(shù)據(jù)依據(jù),實(shí)時(shí)發(fā)布安全預(yù)警信息,降低事故的發(fā)生

13、率和嚴(yán)重性,確保乘客安全。因此,本課題的研究對(duì)智能圖像分析理論研究與提升船舶乘客安全保障能力具有十分重要的理論價(jià)值和現(xiàn)實(shí)指導(dǎo)意義。1.4國(guó)內(nèi)外相關(guān)技術(shù)的發(fā)展概況 人數(shù)識(shí)別技術(shù)指的是使用一定的技術(shù)手段，通過(guò)計(jì)算機(jī)分析處理實(shí)時(shí)自動(dòng)的實(shí)現(xiàn)對(duì)某一區(qū)域內(nèi)人數(shù)的統(tǒng)計(jì)。由于人數(shù)統(tǒng)計(jì)數(shù)字不僅對(duì)于安全監(jiān)控具有十分重要的意義，而且還可以為一些經(jīng)濟(jì)管理方法體統(tǒng)數(shù)據(jù)支撐。因此目前的人數(shù)識(shí)別技術(shù)廣泛應(yīng)用到車站、碼頭、商店、博物館、交通等地方。目前人數(shù)識(shí)別技術(shù)主要有紅外檢測(cè)技術(shù)、壓力檢測(cè)技術(shù)和智能圖像分析技術(shù)。 在圖像智能分析領(lǐng)域,歐美國(guó)家走在世界的前列，原因之一是受政府和軍隊(duì)的支持,歐美國(guó)家起步早,如1995年倫敦地鐵

14、最早采用了人群監(jiān)控系統(tǒng)5。同時(shí)大部分智能視頻監(jiān)控系統(tǒng)的核心技術(shù)(如圖像采集芯片)仍被美國(guó)及歐洲等國(guó)家壟斷。另外,由于歐美地區(qū)經(jīng)濟(jì)發(fā)達(dá),智能分析系統(tǒng)需求強(qiáng)大,因而催生了大量專門進(jìn)行智能視頻分析監(jiān)控技術(shù)研究的企業(yè)，如美國(guó)的!e-nt!objectVideo,以色列Mate!ioimage!NlcE等公司。在激烈的市場(chǎng)競(jìng)爭(zhēng)中，這些企業(yè)處于圖像智能分析研究與應(yīng)用的前列，研制的人數(shù)識(shí)別軟件不僅用于交通工具、商店，而且可用于客流人群最為密集的換乘車站，而中國(guó)在該領(lǐng)域由于起步晚,雖然有了一些規(guī)模較大的視頻采集設(shè)備生產(chǎn)商,如?？低暋⒄憬笕A,但是在軟件領(lǐng)域的智能分析,尤其是客流人數(shù)識(shí)別還處于起步階段,成熟產(chǎn)

15、品較少,與國(guó)外同類產(chǎn)品差距明顯，列舉如下:國(guó)內(nèi)目前研究開(kāi)發(fā)最成熟的實(shí)用型人數(shù)識(shí)別產(chǎn)品是單目人數(shù)統(tǒng)計(jì)8，它采用嵌入式設(shè)計(jì),通過(guò)對(duì)連續(xù)視頻圖像的處理和分析,用背景差法將運(yùn)動(dòng)物體從視頻背景中檢測(cè)、分離出來(lái),再進(jìn)行篩選、過(guò)濾,獲得真實(shí)的運(yùn)動(dòng)物體,再對(duì)其進(jìn)行跟蹤分析,結(jié)合計(jì)數(shù)線進(jìn)行判斷,將符合計(jì)數(shù)規(guī)則的目標(biāo)的通過(guò)行為進(jìn)行計(jì)數(shù)，平均準(zhǔn)確率達(dá)到80%一90%，運(yùn)行效果如圖1.1。與單目人數(shù)統(tǒng)計(jì)儀相似的是雙目人數(shù)統(tǒng)計(jì)儀,它是基于立體視覺(jué)技術(shù)而開(kāi)發(fā)的嵌入式設(shè)備,準(zhǔn)確率能達(dá)到90%以上。單目和雙目人數(shù)統(tǒng)計(jì)儀適合用于公交、地鐵、商場(chǎng)出入口出作為進(jìn)出人數(shù)的統(tǒng)計(jì)，但相比國(guó)外人數(shù)識(shí)別系統(tǒng)而言，單雙目人數(shù)統(tǒng)計(jì)儀對(duì)攝像頭的角

16、度要求非常高,要求攝像頭視線盡量與地面垂直,使用區(qū)域明顯受限，不能直接在原有區(qū)域內(nèi)監(jiān)控?cái)z像頭的基礎(chǔ)上實(shí)現(xiàn)功能,無(wú)法檢測(cè)行人在較大區(qū)域內(nèi)自由活動(dòng)時(shí)的客流人數(shù)變化情況，該類產(chǎn)品在我國(guó)有近十余家廠商研制生產(chǎn)。圖1.1、單目人數(shù)統(tǒng)計(jì)儀2系統(tǒng)總體方案設(shè)計(jì)2.1 系統(tǒng)總體方案及技術(shù)指標(biāo) 該系統(tǒng)首先通過(guò)友好界面選擇要被處理圖像，然后通過(guò)對(duì)目標(biāo)特征分析來(lái)用相應(yīng)圖像算法來(lái)實(shí)現(xiàn)對(duì)目標(biāo)檢測(cè)識(shí)別統(tǒng)計(jì)并錯(cuò)誤報(bào)警，在顯示到友好界面上。系統(tǒng)整體結(jié)構(gòu)圖，如圖2.1所示。 如圖2.1系統(tǒng)整體結(jié)構(gòu)圖 本課題中，充分利用到圖像處理與目標(biāo)識(shí)別的理論知識(shí)，并結(jié)合當(dāng)前國(guó)內(nèi)外對(duì)此可以研究水平，通過(guò)對(duì)不同算法的比對(duì)選擇最適當(dāng)?shù)囊粋€(gè)算法來(lái)實(shí)現(xiàn)

17、對(duì)渡口上人的檢查識(shí)別統(tǒng)計(jì)并對(duì)人員是否穿救生圈進(jìn)行判斷，如果發(fā)現(xiàn)有人沒(méi)穿救生圈就報(bào)警。我們對(duì)渡口上人口的檢查識(shí)別統(tǒng)計(jì)及對(duì)人是否穿救生圈情況判斷準(zhǔn)確無(wú)誤，最多只在重疊情況和背景復(fù)雜的情況下有點(diǎn)錯(cuò)誤，但正確率力爭(zhēng)保持在80%以上。2.2 系統(tǒng)需求分析該軟件最主要的功能就是要能檢測(cè)識(shí)別出人并判斷每個(gè)人是否穿了救生圈沒(méi)，首先該系統(tǒng)需要對(duì)通過(guò)攝像頭拍照而獲取到的原始的人圖片進(jìn)行一系列處理才可進(jìn)行下一步的工作，該處理過(guò)程也稱圖像預(yù)處理。預(yù)處理這個(gè)模塊在整個(gè)人頭識(shí)別系統(tǒng)的開(kāi)發(fā)過(guò)程中占有很重要的地位，只有預(yù)處理模塊做的好，才可能很好的完成后面的人定位和特征提取這兩大關(guān)鍵模塊。因此本設(shè)計(jì)中所要完成的主要功能如下所

18、述： 圖像獲取功能：該模塊主要是從攝像頭拍照后進(jìn)行獲取圖片，也可以從圖片庫(kù)中獲取，獲取后的圖片可以在MATLAB軟件中通過(guò)編程顯示出來(lái)并進(jìn)行后期處理 圖像預(yù)處理功能：該模塊主要包括圖像閾值、圖像HOUGH變換、中值濾波、形態(tài)太學(xué)處理、實(shí)現(xiàn)圖像對(duì)比度增強(qiáng)、二值化變換等。人頭定位功能：該模塊主要是將處理后的人頭圖片進(jìn)行定位，將對(duì)符合要求的目標(biāo)進(jìn)行表記出來(lái)，以便進(jìn)行特征提取。特征提取功能：該模塊是在定位后的人頭圖片中將人頭的特征值提取出來(lái)。 分析功能： 判斷統(tǒng)計(jì)出來(lái)的人是否穿了救生圈，如果有人沒(méi)有穿就報(bào)警。 3. 軟件設(shè)計(jì)3.1友好界面設(shè)計(jì)3.1.1友好界面結(jié)構(gòu)圖 上位機(jī)示意圖，如圖3.1所示。如圖

19、3.1上位機(jī)示意圖友好界面函數(shù)打開(kāi)圖片：global im Iim=str2num(get(handles.edit1,'String'); I=cell(1,10); for n = 1:im frame=strcat(num2str(n),'rentou.jpg'); Iim=imread(frame); % 依次讀入各幀圖像 endaxes(handles.axes1);imshow(Iim);統(tǒng)計(jì)個(gè)數(shù)：global numm sumset(handles.edit3,'string',num2str(numm+sum);guidata(h

20、Object,handles);關(guān)閉文件：choice=questdlg('你確定要關(guān)閉嗎？','關(guān)閉對(duì)話框','Yes','No','No');switch choice case 'Yes' delete(handles.figure1); return; case' return;End3.2算法分析3.2.1輪廓提取前的預(yù)處理在輪廓提取中采用八方向碼（Freeman碼）跟蹤方式，為了便于對(duì)頭部區(qū)域進(jìn)行面積計(jì)算，這里使用的八方向不是用07表示，而是用8取代0，17不變，分別表示0

21、76;、45°、90°、135°、180°、225°、270°、315°，如圖3.2所示 如圖3.2所示在提取區(qū)域輪廓之前，需要對(duì)圖片做一些預(yù)處理。首先用原始圖像進(jìn)行分析，然后用模糊C均值算法求得的灰度與之對(duì)其進(jìn)行二值化。由于二值化圖像可能存在一些噪聲，而且人頭區(qū)域可能別分成距離很小的幾塊，所以要對(duì)其進(jìn)行形態(tài)學(xué)出來(lái)。采用開(kāi)運(yùn)算，即用結(jié)構(gòu)元素B對(duì)應(yīng)圖像F進(jìn)行腐蝕，然后進(jìn)行膨脹操作。圖3.3是灰度圖像，經(jīng)過(guò)灰度化，二值化和形態(tài)學(xué)處理后，得到如圖3.4，3.5,3.6,3.7所示的結(jié)果。如圖3.4灰度圖 如圖3.5二值處理如圖3.

22、6中值濾波+ 空洞填充 如圖3.7局域形態(tài)學(xué)處理3.2.2輪廓提取方法 在輪廓提取時(shí)，為了防止出現(xiàn)死循環(huán)現(xiàn)象，需要對(duì)預(yù)處理后的圖像進(jìn)行去毛刺處理。根據(jù)輪廓提取方法，圖3.8和圖3.9風(fēng)格的毛刺將會(huì)引起死循環(huán)。圖3.8是一塊區(qū)域延伸出一根單像素寬度的線條，這種毛刺會(huì)使得程序在那根單像素線條上來(lái)回提取輪廓，從而形成死循環(huán)。圖3.9這種毛刺不是單像素寬度的，根據(jù)去毛刺方法，不能一次去除干凈。去毛刺的方法如下。 圖3.8所示 圖3.9所示對(duì)圖像從上到下逐行搜索白色像素點(diǎn)，當(dāng)碰到白色像素點(diǎn)時(shí)，判斷和該點(diǎn)八方向相鄰的白色像素點(diǎn)數(shù)目，如果數(shù)目小于等于2，則認(rèn)為是單像素寬度的線條，將該點(diǎn)置為黑色。這樣對(duì)圖像遍

23、歷一次后，圖3.8類型的毛刺就完全清除了，但是圖3.9類型的毛刺還會(huì)剩下部分毛刺像素。用上述方法循環(huán)遍歷圖像，直到最后一次對(duì)圖像的遍歷沒(méi)有改變圖像任何像素為止，即說(shuō)明毛刺去除干凈。 對(duì)二值化圖像去了毛刺后，就可以進(jìn)行提取輪廓的運(yùn)算了。具體步驟如下。 （1）對(duì)圖像從上到下逐行搜索白色像素點(diǎn)，當(dāng)碰到第一個(gè)白色像素點(diǎn)時(shí)，記錄該點(diǎn)坐標(biāo)值，設(shè)為（x0，y0）。(2）以（x0，y0）為中心，從八方向碼的8方向開(kāi)始，順時(shí)針?lè)较蛞来闻袛嘞噜徬袼攸c(diǎn)是否是白色像素點(diǎn)。當(dāng)碰到白色像素點(diǎn)時(shí)，記錄其坐標(biāo)值，設(shè)為（x1，y1）。并記錄（x0，y0）到（x1，y1）的八方向碼矢量V0，V0為（x1，y1）的當(dāng)前矢量，為（x

24、0，y0）的次矢量）。（3）以（x1，y1）為中心，搜索的八方向碼方向?yàn)椋╒0+4）%8-1，如果求得的方向碼值為0和-1，則分別用8和7代替。順時(shí)針?lè)较蛞来闻袛啵▁1，y1）的相鄰像素點(diǎn)是否是白色像素點(diǎn)。碰到白色像素點(diǎn)時(shí)，記錄其坐標(biāo)，設(shè)為（x2，y2）。于是可以得到（x1，y1）的次矢量和（x2，y2）當(dāng)前矢量。 （4）以（x2，y2）為中心，按照（3）的方法，繼續(xù)尋找后面的輪廓點(diǎn)，直到尋找到的輪廓點(diǎn)回到起點(diǎn)（x0，y0）為止。于是就得到了某個(gè)區(qū)域的輪廓。這樣得到的輪廓的特點(diǎn)為：沿著輪廓順時(shí)針?lè)较蜃撸鋮^(qū)域內(nèi)部的像素都位于右邊。.3.2.3輪廓的特征 在取得了一個(gè)區(qū)域的輪廓之后，下一步就是根

25、據(jù)輪廓特 征判斷該區(qū)域是否是人頭。首先根據(jù)輪廓所包圍的面積大小來(lái)對(duì)人頭進(jìn)行初步篩選，如果輪廓內(nèi)面積小于最小人頭面積，則將其中的區(qū)域標(biāo)記為黑色，即排除是人頭的可能性。對(duì)面積達(dá)到人頭要求的區(qū)域，采用圓形度來(lái)判斷。圓形度C是周長(zhǎng)（P）的平方與面積（A）的比值。 C=P*p/A;這就需要計(jì)算輪廓的周長(zhǎng)和面積。計(jì)算輪廓的周長(zhǎng)主要有 兩種計(jì)算方式，一種是所有相鄰像素點(diǎn)距離為1，輪廓的像素點(diǎn)數(shù)目即長(zhǎng)；一種是八方向碼中2、4、6、8方向相鄰的像 素點(diǎn)長(zhǎng)度計(jì)為1，1、3、5、7方向相鄰的像素點(diǎn)長(zhǎng)度計(jì)為2，各相鄰像素長(zhǎng)度之和即為周長(zhǎng)。為簡(jiǎn)便起見(jiàn)，采用第一種方式。 對(duì)輪廓所包圍的區(qū)域進(jìn)行面積計(jì)算。保留每個(gè)輪廓點(diǎn)的序

26、號(hào)，建立矢量表。從表中找出Y坐標(biāo)的最小值Ymin和最大值Ymax。自Ymin至Ymax，從矢量表中篩出Y值相同的各個(gè)輪廓點(diǎn)，根據(jù)它們的X坐標(biāo)由小到大排序。從Xmin至Xmax，對(duì)每個(gè)輪廓點(diǎn)逐個(gè)進(jìn)行矢量分析，即分析當(dāng)前矢量和次矢量是否大于等于4，矢量差（次矢量和當(dāng)前矢量之差）的絕對(duì)值是否大于等于4，然后作弦長(zhǎng)計(jì)算及相關(guān)處理。每一行的弦長(zhǎng)自動(dòng)累加，其和為輪廓包圍區(qū)域的面積。詳細(xì)計(jì)算面積的方法可以參閱文獻(xiàn)6。 3.2.4人頭識(shí)別 區(qū)域的圓形度計(jì)算出來(lái)后，由于圓的圓形度最小，為4， 可以設(shè)置一個(gè)閾值，當(dāng)區(qū)域的圓形度小于該閾值時(shí)，可以認(rèn)為是人頭。人頭中心可以用其重心（設(shè)為(xy)）來(lái)計(jì)算。其中n+1是輪

27、廓點(diǎn)的數(shù)目，(x0y0)，(x1y1)， (xnyn)是各個(gè)輪廓點(diǎn)的坐標(biāo)值。 每檢測(cè)到一個(gè)輪廓就立即進(jìn)行篩選和人頭識(shí)別，然后作不同的標(biāo)記。如果該輪廓包圍的區(qū)域被識(shí)別出不是人頭，可以將其區(qū)域內(nèi)的所有像素灰度設(shè)置為0；如果是人頭，可以將其區(qū)域內(nèi)的所有像素灰度設(shè)置為0到255之間的一個(gè)值（要與二值化圖像中的已經(jīng)存在的灰度值不同，這樣才不影響后面的輪廓提?。?。處理完當(dāng)前輪廓后，接著搜索下一個(gè)輪廓。當(dāng)整個(gè)圖像搜索完成后，所有人頭的參數(shù)也就檢測(cè)出來(lái)了。該算法除了需要一塊存儲(chǔ)空間來(lái)保存一幅圖像之外，只需額外開(kāi)辟不到2KB的存儲(chǔ)空間來(lái)保存當(dāng)前正在分析的輪廓，所以只需很小存儲(chǔ)空間。 如圖3.10所示及相應(yīng)代碼4

28、）最后通過(guò)邊緣提取等到人頭形狀，當(dāng)然也有相似面積的雜物，我還利用圓似度來(lái)正確進(jìn)一步提取人頭目標(biāo)。如圖3.7所示如圖3.11所示及相關(guān)代碼 如圖3.12特征提取部分算法3.2.5標(biāo)記 通過(guò)之前特征提取，把符合特征的該特征點(diǎn)放人動(dòng)態(tài)數(shù)組保留下，在通過(guò)相應(yīng)函數(shù)顯示出來(lái)，以便直觀的看出統(tǒng)計(jì)穿救生圈人數(shù)正確與否。如圖3.8所示及代碼如圖3.8所示及代碼4 結(jié)論與展望4.1 本文總結(jié)本文在利用數(shù)字圖像處理技術(shù)在MATLAB軟件上進(jìn)行渡口上人數(shù)檢測(cè)識(shí)別統(tǒng)計(jì)及報(bào)警方面做了很多嘗試。首先，為了讓我們快速熟悉圖像處理與目標(biāo)識(shí)別這么課程，我們首先以檢測(cè)識(shí)別統(tǒng)計(jì)圖片中硬幣為例來(lái)做，邊了解MATLAB中圖像處理工具，為

29、我們做本課題打下扎實(shí)基礎(chǔ)；然后，本課題的復(fù)雜性和算法本身的理論局限性，并不能讓本方法達(dá)到很高的準(zhǔn)確度，所以即使在理想狀況下，計(jì)數(shù)結(jié)果也會(huì)有些誤差，我能做到的只能是盡量減小這種誤差。本系統(tǒng)的另外一困難是如何解決好重復(fù)統(tǒng)計(jì)的問(wèn)題，要解決好這個(gè)問(wèn)題，最主要的是做好數(shù)學(xué)建模和算法分析。但由于我們的功底有限，只能做一些簡(jiǎn)單的算法分析，不過(guò)還是在一定程度上解決了重疊問(wèn)題。4.2遇到的主要難題 行人檢測(cè)除了具有一般人體檢測(cè)具有的服飾變化、姿態(tài)變化等難點(diǎn)外，由于其特定的應(yīng)用領(lǐng)域還具有以下難點(diǎn)： 攝像機(jī)是運(yùn)動(dòng)的，這樣廣泛應(yīng)用于智能監(jiān)控領(lǐng)域中檢測(cè)動(dòng)態(tài)目標(biāo)的方法便不能直接使用； 行人檢測(cè)面臨的是一個(gè)開(kāi)放的環(huán)境，要考

30、慮不同的路況、天氣和光線變化，對(duì)算法的魯棒性提出了很高的要求； 實(shí)時(shí)性是系統(tǒng)必須滿足的要求，這就要求采用的圖像處理算法不能太復(fù)雜 4.3 展望目前，數(shù)字圖像技術(shù)一直是個(gè)熱門的研究領(lǐng)域，也提出了很多新的算法，圖像處理領(lǐng)域有很多的大師和學(xué)者。在本次畢業(yè)設(shè)計(jì)中，但是由于由于個(gè)人能力的限制和研究時(shí)間的限制，本系統(tǒng)還有很多不足和需要提高的地方，如果未來(lái)需要進(jìn)一步開(kāi)展的工作，可以從以下方面進(jìn)行改進(jìn)：1 由于圖像處理的原始視頻的各種特性非常龐雜，一般的數(shù)字圖像處理方法都不具備太好的普遍適用性，希望將來(lái)能在這方面有所進(jìn)展。2 算法優(yōu)化的問(wèn)題，隨著近年來(lái)圖像處理技術(shù)的發(fā)展，如何根據(jù)實(shí)際需要進(jìn)一步優(yōu)化算法，也是需

31、要研究的一個(gè)方向。3 對(duì)遮擋問(wèn)題的深入研究，遮擋問(wèn)題一直是統(tǒng)計(jì)的難問(wèn)題，它對(duì)統(tǒng)計(jì)的結(jié)果帶來(lái)了誤差，如何通過(guò)誤差統(tǒng)計(jì)來(lái)進(jìn)一步提高結(jié)果的精確度。 致謝四個(gè)月的畢業(yè)設(shè)計(jì)結(jié)束了，這期間在實(shí)驗(yàn)室的專業(yè)理論、動(dòng)手能力的學(xué)習(xí)，以及各位老師、同學(xué)的無(wú)私幫助，讓我受益匪淺，是我人生重要的轉(zhuǎn)折點(diǎn)。我要感謝我的指導(dǎo)教師林俊老師，是他耐心的為我講解，指導(dǎo)著我，他的細(xì)心督促、治學(xué)嚴(yán)謹(jǐn)?shù)膽B(tài)度、知識(shí)的全面與準(zhǔn)確性，使我更加深了對(duì)他的崇敬，有了他的支持和幫助，我提高了專業(yè)知識(shí)的積累，并應(yīng)用于實(shí)踐，使我的設(shè)計(jì)得以順利完成，論文進(jìn)一步充實(shí)；也使我避免了很多彎路，我不僅有知識(shí)的提高，還學(xué)到了老師優(yōu)秀工作方法和工作態(tài)度，是我畢業(yè)設(shè)計(jì)

32、最大的收獲。同時(shí)，我也要感謝我的搭檔陳益、余歡同學(xué)，在畢業(yè)設(shè)計(jì)過(guò)程中，我們遇到過(guò)很多困難，是他的堅(jiān)持不懈感染了我，我們一起解決問(wèn)題，一起探討，相互促進(jìn)，共同學(xué)習(xí)，使我們的畢業(yè)設(shè)計(jì)得以圓滿完成。我還要感謝設(shè)計(jì)過(guò)程中給我很多幫助的劉龍學(xué)長(zhǎng)，能夠在百忙之中耐心的指導(dǎo)我，不僅幫我解決問(wèn)題，還教會(huì)我學(xué)習(xí)的方法。最后，對(duì)我的指導(dǎo)教師林俊老師、搭檔陳益、于歡同學(xué)和給予我?guī)椭膭垖W(xué)長(zhǎng)再次表示衷心感謝！參考文獻(xiàn)1鄧玉春姜昱明張建榮視頻序列圖像中運(yùn)動(dòng)對(duì)象分割綜述J計(jì)算機(jī)應(yīng)用研究，2005。(1)：8·112Zhao T，Nevatia RTracking multiple humans in comp

33、lex situstionsJIEEE TransPaRem AnalMachIntell，2004：26(3)：120812214王成儒顧廣華一種采用背景統(tǒng)計(jì)技術(shù)的視頻對(duì)象分割算法J】光電工程2004，31(8)：57-605Andrew Gilbert，Richard BowdenIncremental，scalable trackingof objects inter calneraJComputer Vision and Image Un·derstanding2008(111)：43-586王厚大一種計(jì)算任意封閉形狀面積的方法J.南京郵電學(xué)院學(xué) 報(bào)，1997，17（4）：8

34、3-85. 附 錄A程序清單clc; clear all; close all;global I1;global panduan;panduan=0;I = imread('2rentou.jpg')%11% V= duibidu( I );% game = yuzhixuanqu( V);% G=imresize(I,1);%K=imadjust(G,0 1,0 1,1); %局部拉伸，把0.3 0.7內(nèi)的灰度拉伸為0 10.92I1 = rgb2gray(I);figure(1); imshow(I1); m,n=size(I1);%N是橫坐標(biāo) M是縱坐標(biāo) %上面50行信息

35、賦值為“1”% %顏色目標(biāo)%555% R=I(:,:,1);% % for i=1:m % for j=1:n % if R(i,j)<=170;% Rh(i,j)=0;% else% Rh(i,j)=1; % % end% end% end % kk=bwmorph(Rh,'close',10);%該函數(shù)的功能是能實(shí)現(xiàn)二值圖像形態(tài)學(xué)運(yùn)算clean：除去孤立的像素(被0包圍的1)close：計(jì)算二值閉合dilate：用結(jié)構(gòu)元素計(jì)算圖像膨脹erode：用結(jié)構(gòu)元素計(jì)算圖像侵蝕% Rbw2 = imfill(kk,'holes');%空洞填充% Rbw3= me

36、dfilt2(Rbw2,4 4); %中值濾波 % LL, num = bwlabel(Rbw3);% Rbw4 = bwareaopen(LL, 100); % figure(22);% imshow(R);% % % figure(23);% imshow(Rbw3);% figure(24);% imshow(Rbw4);%上面50行信息賦值為“1”% for i=1:50 for j=1:n h(i,j)=1; end for i=50:m-30 for j=1:n if I1(i,j)<=20; h(i,j)=0; else h(i,j)=1; end endend endfo

37、r i=m-30:m for j=1:n h(i,j)=1; endend%將最后20列和最前20列賦值為1%for i=1:m for j=1:n-10 h(i,j)=h(i,j); endendfor i=1:m for j=n-11:n h(i,j)=1; endend bw0=h;bw1 = bw0; kk=bwmorph(bw1,'close',10);%該函數(shù)的功能是能實(shí)現(xiàn)二值圖像形態(tài)學(xué)運(yùn)算clean：除去孤立的像素(被0包圍的1)close：計(jì)算二值閉合dilate：用結(jié)構(gòu)元素計(jì)算圖像膨脹erode：用結(jié)構(gòu)元素計(jì)算圖像侵蝕 bw2 = imfill(kk,'

38、;holes');%空洞填充 bw3 = bwareaopen(bw2, 100); bwb= medfilt2(bw3,4 4); %中值濾波 %遠(yuǎn)景處理% bww= quyuchuqi( bwb); % bww= qugulidian( bww)LL, num = bwlabel(bww);%Lrgb = label2rgb(LL, 'jet', 'w', 'shuffle'); figure(2);imshow(bw1); figure(3); imshow(bw3); figure(4); imshow(bww) %特征提取% LL=tezhengtiqu( LL); AA= shujuzhuanhuan(LL); % AA = tezhengtiqu1( AA ); %特征提取1 figure(16); imshow(AA); % bw4 = bwareaopen(AA, 650);%750 bw5 = AA.*(bw4); %LL, num = bwlabel(bw3); bw5 = bwareaopen(bw5, 250); %復(fù)雜情況下特征處理% % figure(5); imshow(bw4); bbw4 = bwareaopen(A