畢業(yè)設(shè)計（論文）正文初稿：智能小車視頻信號分解與處理

摘要隨著社會的不斷進步以及城市化建設(shè)的逐步普及，越來越多的家庭開始擁有汽車，汽車的數(shù)量也越來越多，在帶給我們便利和迅捷的同時，也讓我們不得不面對日益提升的交通密度、日益嚴重的交通堵塞和交通安全等難題，對我們的交通運輸管理提出了巨大的挑戰(zhàn)。為了解決這些難題，為了大范圍、全方位、系統(tǒng)、實時、準(zhǔn)確、高效地進行交通運輸管理，于是產(chǎn)生了智能交通系統(tǒng)（ITS）這一新的研究和應(yīng)用領(lǐng)域。而智能交通系統(tǒng)必須面對的首要問題就是對交通信息的采集和處理，也就是對汽車進行檢測和跟蹤。在眾多的車輛檢測和跟蹤方法中，視頻檢測和跟蹤以其高效、低廉、維護簡單等優(yōu)點，具有更好和更為廣泛的應(yīng)用前景，因此對智能小車視頻信號的分解與處理的研究將有巨大的價值和意義。本論文旨在研究智能小車視頻信號的分解與處理，主要涉及到背景圖像的獲取、目標(biāo)的檢測和分割、目標(biāo)的實時跟蹤以及軌跡的繪制等方法的研究。在背景圖像的獲取研究方面，介紹了三種當(dāng)前使用得比較多的獲取方法，并對其中的優(yōu)缺點進行了比較和闡述，并在此基礎(chǔ)上，選擇出最適合的方法。在目標(biāo)的檢測和分割研究方面，通過背景建模，利用相鄰序列圖像估計視頻中不變的或有規(guī)律變化的背景，將輸入圖像和背景圖像進行比較，從中分割出前景運動目標(biāo)。并對目前常見的運動目標(biāo)的檢測方法進行了介紹和優(yōu)缺點的比較和闡述。在目標(biāo)的實時跟蹤以及軌跡繪制研究方面，由于車輛運動中外環(huán)境會不斷變化，車輛的輪廓也會出現(xiàn)不規(guī)則變化，考慮到車輛是長方形的，可以采用中心點的思想，對車輛邊緣輪廓上的所有點進行統(tǒng)計，求出這些點的中心點，用其中心點及其周圍四個點來表示運動物體，根據(jù)中心點位置移動繪制車輛軌跡。關(guān)鍵詞：智能交通系統(tǒng)背景圖像目標(biāo)檢測和分割實時跟蹤軌跡繪制

AbstractWiththedevelopmentofsocietyandthepopularizationofurbanization,moreandmorefamilieshaveownedthecar,andthenumberofcarisincreasing,atthesametimewhenitbringsusconvenienceandhighspeedlife,therearealsocomessometoughproblemsthatwehavetofaceto,suchastheincreasingofthetrafficdensity,thesevereoftrafficjamandsecurityoftraffic,it’sabigchallengeforthemanagementoftraffictransport.Inordertosettlesuchtoughproblemsdown,andforextensiveness,omnibearing,system,realtime,accurate,efficientmanagementoftraffictransport,therecameupwithanewresearchandapplyfieldnamedIntelligentTransportSystem(ITS).InITS,thefirstissuewehavetofaceisthecollectionanddisposaloftrafficinformation,thedetectionandtrackingofcar.Amongthiskindsofdetectionandtrackingofcarmethods,duetotheadvantagesofit’sefficient,lowpriceandmaintaineasydetectionandtrackingonvideohasabetterandwiderapplyfuture,whichmeanstheresearchofintelligentcarvideosignalisvaluableandmeaningful.Thispaperaimstodoaresearchofintelligentcarvideosignal,majorinvolvedintheimageacquisition,detectionanddivisionoftarget,realtimefollowingoftargetandpathdrawing.Intheimageacquisition,Iintroducedthreemethodswhichusedwidely,comparedit’sadvantageswithdisadvantages,andfindoutthebestmethod.Inthedetectionanddivisionoftarget,iusethesequentialserialimagetoestimatethebackgroundonvideowhichisconstantorchangesorderly,comparedtheinputimagewiththebackgroundtogetthedivisionofforegroundmovingtargetthroughbuildingthemodelofbackground.Andintroducedsomemethodswhichiscommonandusefrequently,comparedit’sadvantageswithdisadvantagestoo.Intherealtimefollowingoftargetandpathtracking,theouterenvironmentwouldchangefrequently,andtheoutlineofcarwouldchangeirregularly,becausethecarisarectangle,wecanusethethoughtofmiddlepointandcountallthepointontheoutline,workthemiddlepointout,andexpressthemovingcarwiththismiddlepointandtheotherfourpointfromoutline,drawingthemovingtrackwiththismiddlepoint.Keywords:ITS,BackgroundImage,Targetdetectionanddivision,Realtimefollowing,Drawpath目錄TOC\o"1-3"\h\u3995摘要 122577Abstract 29621緒論 346111.1本課題研究意義 344971.1.1智能交通的背景、現(xiàn)狀和意義 3154631.1.2車輛檢測和跟蹤技術(shù)的發(fā)展趨勢 415521.2本論文的目的、內(nèi)容及作者的主要貢獻 5139581.3本章小結(jié) 6309772關(guān)鍵技術(shù) 73642.1常用目標(biāo)檢測算法 7220892.1.1幀差法 7133862.1.2背景差分法 8203962.1.3運動場估計法 9153032.2常用目標(biāo)跟蹤算法 11249282.2.1基于模型的跟蹤 1112192.2.2基于動態(tài)輪廓跟蹤 11103082.2.3基于區(qū)域跟蹤 11302602.2.4基于特征的跟蹤 12324442.3其他技術(shù) 12315032.3.1灰度圖像處理 12157452.3.2高斯平滑 1293082.3.3二值化處理 13102172.3.4開閉和運算 13278652.4本章小結(jié) 1319053系統(tǒng)需求分析 14130273.1系統(tǒng)功能需求分析 14226703.2系統(tǒng)處理流程分析 15252133.7本章小結(jié) 16151204系統(tǒng)設(shè)計 18226954.1系統(tǒng)架構(gòu) 18109114.1.1總體結(jié)構(gòu) 1847164.1.2系統(tǒng)流程 19266484.2文件打開模塊的設(shè)計 2033994.3背景提取模塊的設(shè)計 207234.4智能小車檢測與跟蹤模塊的設(shè)計 23112194.5繪制軌跡模塊的設(shè)計 26105224.6本章小結(jié) 26186595系統(tǒng)實現(xiàn) 27249215.1環(huán)境配置 27134315.2文件打開模塊的實現(xiàn) 3266065.3背景提取模塊的實現(xiàn) 32289635.4智能小車檢測與跟蹤模塊的實現(xiàn) 32109515.5軌跡繪制模塊的實現(xiàn) 33322275.6本章小結(jié) 3319606應(yīng)用示例 3460116.1示例概述 34320836.2示例實現(xiàn)過程 34301506.3本章小結(jié) 3842677結(jié)束語 39278217.1本文工作總結(jié) 39261817.2進一步的研究課題及展望 4021911參考文獻 421緒論1.1本課題研究意義1.1.1智能交通的背景、現(xiàn)狀和意義隨著社會的不斷進步以及城市化建設(shè)的逐步普及，整個社會對交通運輸?shù)男枨笕找嬖黾?，越來越多的家庭開始擁有汽車，汽車的數(shù)量也越來越多，城市公路交通系統(tǒng)的壓力不斷的增大。大量的公路交通問題顯現(xiàn)出來，如堵車，交通事故等頻頻發(fā)生。為了解決這些棘手的難題，同時大范圍、全方位、系統(tǒng)、實時、準(zhǔn)確、高效地進行交通運輸管理，提高現(xiàn)有道路的利用率、提高道路交通的安全程度，于是將先進的信息技術(shù)、數(shù)據(jù)通訊傳輸技術(shù)、電子傳感技術(shù)、控制技術(shù)以及計算機技術(shù)等有效地集成起來，產(chǎn)生了智能交通系統(tǒng)（ITS）這一新的研究和應(yīng)用領(lǐng)域。西方國家在這方面的發(fā)展是相當(dāng)早的，在20世紀(jì)80年代末，就已經(jīng)制定并實施了開發(fā)計劃。歐洲的研究是由官方與民間并行進行的，于1994年完成了旨在完善道路設(shè)施提高服務(wù)水平的DRIVE計劃，主要研究需求管理。交通和履行信息系統(tǒng)、城市綜合交通管理、城市間綜合交通管理、輔助駕駛等內(nèi)容。而美國，于1991年，國會就通過了“綜合地面運輸效率方案”，旨在利用高新科技技術(shù)和合理的交通分配方案來提高整個交通網(wǎng)絡(luò)的效率，并撥款6.6億美元，用來進行相關(guān)的研究工作。聯(lián)邦政府和地方政府還共同提供經(jīng)費，在全美建立了3個智能交通系統(tǒng)研究中心。2001年，美國召開了智能交通系統(tǒng)全國高層討論會，制定了二十一世紀(jì)前十年智能交通系統(tǒng)的發(fā)展的總體規(guī)劃。日本新加坡等國家也分別制定了相應(yīng)的計劃。日本2001年財政年度預(yù)算中用于智能交通計劃的資金為883億日元。目前有五個機構(gòu)致力于并負責(zé)智能交通系統(tǒng)相關(guān)的活動，并聯(lián)合其他組織和機構(gòu)，例如ISO/TC204等等一起來促進智能交通系統(tǒng)的發(fā)展。新加坡于1995年，就已經(jīng)組織完成了高速公路檢查與提示系統(tǒng)、綠波系統(tǒng)、公路交界電子眼系統(tǒng)、交通掃描系統(tǒng)和道路信息管理系統(tǒng)。我國政府非常的重視智能交通系統(tǒng)的發(fā)展，在1996年就已經(jīng)組織和開始了這一領(lǐng)域的國際交流與合作，支持這一領(lǐng)域在我國的研究和發(fā)展。1999年，科技部聯(lián)合建設(shè)部、交通部、公安部等十多個相關(guān)部委，組織成立了全國智能交通系統(tǒng)協(xié)調(diào)小組，為推動交通系統(tǒng)的智能化發(fā)展提供給了組織機制保障。2000年，制定完成了中國智能交通系統(tǒng)體系框架的研究和標(biāo)準(zhǔn)規(guī)范，建立了與國際接軌的智能交通系統(tǒng)標(biāo)準(zhǔn)體系，為我國的智能交通系統(tǒng)的發(fā)展提供了綱領(lǐng)性的指導(dǎo)文件，并且確定了系統(tǒng)構(gòu)成、功能模塊、通信協(xié)議和接口。2005年，于上海召開第一屆“中國智能交通年會”，為智能交通技術(shù)的開發(fā)研究、系統(tǒng)集成、產(chǎn)品開發(fā)、示范應(yīng)用以及產(chǎn)業(yè)化提供了可靠的支持。然而我國在智能交通系統(tǒng)方面的開發(fā)和應(yīng)用尚處于起步階段，進行了一些有成效的基礎(chǔ)性工作。在系統(tǒng)的實際開發(fā)和應(yīng)用方面，已經(jīng)有了一些成功的成果，并在局部地區(qū)形成了智能交通系統(tǒng)的雛形，或?qū)崿F(xiàn)了智能交通系統(tǒng)的部分功能。其中最主要的是電子收費系統(tǒng)，在全國，已經(jīng)有很多的省份或城市開始采用或試行這種先進的管理方式。此外，在引進國外先進技術(shù)和產(chǎn)品的同時，也開始與國外的廠商建立合資企業(yè)，生產(chǎn)智能交通系統(tǒng)的產(chǎn)品。近年來，我國在公路交通基礎(chǔ)設(shè)施建設(shè)方面取得了令人矚目的成就，并且保持著高速的發(fā)展速度。隨著我國經(jīng)濟水平的持續(xù)快速提高，我國的汽車數(shù)量不斷地在增大，伴隨著城市化進程的不斷加快，交通對城市經(jīng)濟的發(fā)展的重要性更加顯露出來，也讓我們不得不面對各種新的挑戰(zhàn)。例如：（1）城市公路交通不斷增大的壓力。根據(jù)行業(yè)年度報告，2004年年底，我國已經(jīng)達到了2742萬輛的汽車保有量，增長率達到了12.4%。現(xiàn)有城市公路交通設(shè)施已經(jīng)無法滿足車輛數(shù)量增長的需求。（2）消耗巨大的能源問題?，F(xiàn)目前，我國公路交通運輸?shù)闹饕獎恿δ茉慈匀灰揽康氖鞘秃吞烊粴狻Ｊ秃吞烊粴赓Y源是不可再生的，而且我國的石油天然氣資源又比較有限，再加上石油和天然氣是重要的戰(zhàn)略物質(zhì)，所以，我們必須重視這個問題，降低國民經(jīng)濟對此的依賴。（3）交通事故頻發(fā)、擁堵嚴重、市民缺乏安全感。據(jù)統(tǒng)計，2005年，我國交通事故共發(fā)生45萬余起，共造成9萬8千余人死亡，47萬人受傷，直接經(jīng)濟損失就達到了18.1億元。（4）環(huán)境污染問題。汽車尾氣污染已經(jīng)是一個眾所周知的問題，近年來城市熱島效應(yīng)頻頻發(fā)生，大氣污染，空氣質(zhì)量差等更嚴重的影響著老百姓的身體健康，也制約了城市的發(fā)展。而智能交通技術(shù)的出現(xiàn)，給我們帶來了希望。首先，提高了公路交通的利用效率，提高了公路交通的安全性。據(jù)專家估計，采用智能交通系統(tǒng)后，每年可減少30%~70%的交通事故死亡人數(shù)和8%的交通災(zāi)難，減少交通的擁堵現(xiàn)象，提高公路交通利用率。其次，降低了能源消耗。同時，也減少了對環(huán)境的污染問題。再者，提高了公路交通網(wǎng)絡(luò)的使用頻率，提高了運輸效率，達到了效益最大化，對經(jīng)濟的高速發(fā)展也產(chǎn)生了積極的影響。最后，還可以帶來新的市場，提供大量的就業(yè)崗位，促進就業(yè)。因此，對智能交通系統(tǒng)技術(shù)的研究是大勢所趨，對我們的經(jīng)濟發(fā)展有著巨大的作用，深遠的意義。1.1.2車輛檢測和跟蹤技術(shù)的發(fā)展趨勢 早期的交通狀況監(jiān)測是采用人工的方式，需要雇傭大量的工作人員在城市的各個干道上進行統(tǒng)計，耗時耗力，統(tǒng)計數(shù)據(jù)單一。 第二代交通監(jiān)測系統(tǒng)采用地感線圈作為感應(yīng)器進行自動檢測，以減少人力的投入。這種方式一般采用埋在路下的電感環(huán)來監(jiān)測車輛是否通過來觸發(fā)監(jiān)視儀自動拍攝。缺點是易損壞、不易維修，安裝位置規(guī)定，檢測密度低，且檢測參數(shù)少，不能識別車輛種類與有關(guān)信息。這種檢測設(shè)備在安裝與維修時需要關(guān)閉道路或者至少關(guān)閉相應(yīng)車道，使用壽命有限，再次安裝又需要重新翻開路面進行安裝或維修，對公路保養(yǎng)和維護很不利。 第三代交通監(jiān)測使用的檢測器采用了視頻檢測、圖像識別技術(shù)，這類檢測器通常安裝在路邊或架空安裝，不會對交通造成明顯干擾，也不會因重鋪路面、埋設(shè)下水道或天然氣管道而受到影響。 視頻車輛檢測器，視頻交通檢測系統(tǒng)通常由電子攝像機、圖像采集卡和計算機等部分組成。攝像機對道路的一定區(qū)域范圍攝像，圖像經(jīng)傳輸線路送入數(shù)字圖像采集卡圖像信號進行模數(shù)轉(zhuǎn)換、格式轉(zhuǎn)換等，再由計算機處理數(shù)字圖像，實時識別車輛的存在，判別車型，由此進一步推導(dǎo)其他交通控制參數(shù)。計算機還可以根據(jù)需要給監(jiān)控系統(tǒng)的主控機提供信號，控制中心可根據(jù)這些信號確定控制方式，向執(zhí)行機構(gòu)發(fā)出控制命令。由于圖像處理方法是在攝像機攝取的圖像的基礎(chǔ)上實現(xiàn)識別和監(jiān)測，因此不僅具有多點布設(shè)、無線檢測的能力，而且還能獲得車流密度、排隊規(guī)模以及常規(guī)檢測器很難測到的停車次數(shù)和車輛尺寸等重要交通參數(shù)。另外監(jiān)視系統(tǒng)裝卸方便、不須破壞路面、不影響交通，在喝多場合可以代替先驗的環(huán)形圈監(jiān)測系統(tǒng)。視頻車輛監(jiān)測系統(tǒng)在現(xiàn)代交通控制系統(tǒng)中占有很重要的地位，是未來智能運輸系統(tǒng)發(fā)展的基礎(chǔ)。但目前的問題是圖像處理的實時性差，而且車輛的檢測精度受整個系統(tǒng)軟硬件的限制。盡管如此，隨著圖像信號處理技術(shù)的進步和微電子技術(shù)的發(fā)展，視頻車輛監(jiān)測技術(shù)將得到不斷地提高和更加廣泛地應(yīng)用。 所以它已經(jīng)引起世界各國智能交通系統(tǒng)研究的高度重視，有著良好的應(yīng)用前景。視頻車輛檢查系統(tǒng)在現(xiàn)代交通監(jiān)控系統(tǒng)中占有很重要的地位，是未來智能交通系統(tǒng)發(fā)展的基礎(chǔ)。 基于視頻技術(shù)的車輛檢測技術(shù)的發(fā)展。在基于圖像處理的車輛檢查系統(tǒng)中，采用計算機視覺和圖像處理技術(shù)可以獲得車輛的外形三維數(shù)據(jù)及車輛的軸數(shù)、輪距和車輛組成等交通參數(shù)，這是以前傳統(tǒng)的車輛檢測器不能做到的。該研究方向重點是提高圖像識別的實時性和準(zhǔn)確性?；趫D像處理的高速公路事故測報系統(tǒng)目前正處于研究開發(fā)階段，它利用計算機視覺、神經(jīng)、網(wǎng)絡(luò)、模糊邏輯等技術(shù)和先進的計算方法進行事件檢測、車輛識別和公路監(jiān)控，可以獲得車輛數(shù)量、車速、道路的空間占有率及車輛的前進程度等重要交通參數(shù)，從而可以預(yù)測和發(fā)現(xiàn)事故。交通視頻車輛檢測技術(shù)的運用，以及光纖通信技術(shù)、計算機信息處理系統(tǒng)和人工智能技術(shù)的應(yīng)用，必將是交通控制系統(tǒng)向大范圍、全方位、智能化和實時控制方向發(fā)展。 基于視頻圖像處理的交通監(jiān)測技術(shù)室今年來逐步發(fā)展起來的一種新型車輛檢測方法，利用攝像機拍攝道路圖像，采用圖像處理技術(shù)自動檢測車輛，只是計算機視覺技術(shù)在智能交通中的一個典型應(yīng)用，可用于事故檢測、路口交通監(jiān)控系統(tǒng)、停車場調(diào)度監(jiān)控系統(tǒng)、輔助駕駛系統(tǒng)以及自動導(dǎo)航系統(tǒng)等，具有無線、可一次檢測多個參數(shù)和監(jiān)測范圍大的特點，使用靈活。具有以下特點：（1）檢測效率高。計算機視覺方法同以往的人工檢測方法相比大大提高了檢測效率，同時節(jié)省了大量的人力、物力；而且視頻監(jiān)控方法可以同時檢測多種違章行為。（2）范圍大。視頻檢測技術(shù)可以對交叉口和路段同時進行監(jiān)測，而電磁感應(yīng)法只能對交叉口或者路段進行檢測。（3）施工方便、周期短。視頻監(jiān)控技術(shù)部需要在路面或者地下進行改造，對公路不會造成損壞，施工周期明顯低于電磁感應(yīng)監(jiān)測法。（4）視頻信號能通過同軸電纜、光纖、雙絞線、無線射頻或者微波等多種方式進行傳輸。（5）能提供現(xiàn)場錄像，供專家事后分析。1.2本論文的目的、內(nèi)容及作者的主要貢獻，本文緒論部分。主要闡述來了課題的研究意義，以及車輛檢測和跟蹤技術(shù)的發(fā)展趨勢，還介紹了論文的結(jié)構(gòu)安排。，詳細介紹了目前常用的目標(biāo)檢測算法和目標(biāo)跟蹤算法，還對系統(tǒng)中涉及到了一些關(guān)鍵技術(shù)進行了簡單介紹，根據(jù)各自的優(yōu)缺點選取最適合的方法進行實現(xiàn)。，系統(tǒng)需求分析。本章通過對圖像處理系統(tǒng)的功能分析，提出了智能小車視頻信號分解與處理系統(tǒng)的主要功能需求，分別是文件打開、背景提取、小車檢測、小車跟蹤、繪制軌跡。通過對這些功能的描述使得智能小車視頻信號的分解與處理系統(tǒng)功能更加明確，結(jié)構(gòu)更加清晰。，系統(tǒng)設(shè)計。本章主要介紹了智能小車視頻信號分解與處理系統(tǒng)的設(shè)計，首先是對系統(tǒng)架構(gòu)的設(shè)計，其中包括總體結(jié)構(gòu)和系統(tǒng)流程的設(shè)計，然后是分別對文件打開模塊、背景提取模塊、車輛跟蹤與檢測模塊、軌跡繪制模塊做了詳細的設(shè)計。通過本章內(nèi)容不僅可以了解智能小車視頻信號分解與處理系統(tǒng)的系統(tǒng)架構(gòu)而且可以知道此系統(tǒng)的詳細功能。，系統(tǒng)實現(xiàn)。本章主要介紹了智能小車視頻信號分解與處理系統(tǒng)的具體實現(xiàn)過程，介紹了系統(tǒng)的開發(fā)環(huán)境的環(huán)境配置，也介紹了各個功能模塊的實現(xiàn)，例如變量定義模塊、文件打開模塊、背景提取模塊、車輛跟蹤與檢測模塊、軌跡繪制模塊的實現(xiàn)。通過本章可以對智能小車視頻信號分解與處理系統(tǒng)的整個實現(xiàn)過程有個詳細的了解。，應(yīng)用示例。本章主要是對智能小車視頻信號分解與處理系統(tǒng)應(yīng)用的章節(jié)，在本章會舉一個例子來應(yīng)用智能小車視頻信號分解與處理系統(tǒng)，通過此示例能了解智能小車視頻信號分解與處理系統(tǒng)的核心技術(shù)，核心功能，同時能體會到智能小車視頻信號分解與處理系統(tǒng)在處理過程中的效率，也能在此基礎(chǔ)上進行擴展。，結(jié)束語。對論文進行總結(jié)，并指出進一步的研究課題和未來展望。1.3本章小結(jié)本章首先闡述了本課題的研究意義，說明了智能小車視頻信號分解與處理的目的和意義。然后介紹了運動車輛檢測與跟蹤技術(shù)的發(fā)展趨勢，讓我們隊現(xiàn)目前的這方面的研究有所了解，還對基于視頻圖像處理的特點進行了敘述，明確了進行此項研究的意義。最后對本論文的目的內(nèi)容及組織結(jié)構(gòu)進行了概要的介紹。

2關(guān)鍵技術(shù)2.1常用目標(biāo)檢測算法日常生活中，如活動的人、動物和行駛的汽車等都是常見的運動目標(biāo)，利用圖像捕獲并跟蹤感興趣的運動目標(biāo)在許多領(lǐng)域都有著廣泛的應(yīng)用。在現(xiàn)實生活中，大量有意義的視覺信息包含在運動之中，運動目標(biāo)檢測與跟蹤技術(shù)的應(yīng)用場合十分廣泛，比如交通流量的監(jiān)測、重要場所的安保、航空和軍用飛行器的制導(dǎo)、汽車的自動駕駛或輔助駕駛等。目前，視頻信號的智能化處理需求日益增加，正確地從視頻流中提取出運動目標(biāo)是許多智能視頻監(jiān)視系統(tǒng)，如：撕票監(jiān)視、交通自動監(jiān)控、人臉檢測與跟蹤等的基礎(chǔ)部分。運動目標(biāo)檢測和識別是計算機視覺中的一個基礎(chǔ)的、關(guān)鍵的任務(wù)，被看做是視覺系統(tǒng)的一個重要功能。運動目標(biāo)檢測的目的是將序列圖像中的運動目標(biāo)從背景圖像中檢測并分割出來。關(guān)于運動目標(biāo)檢測的研究大致分為兩類：一類是攝像頭隨著運動目標(biāo)移動，始終保持目標(biāo)在圖像的中心附近，如在導(dǎo)航系統(tǒng)和輔助駕駛系統(tǒng)中，攝像頭被安裝在它的主體（如車、飛機等）上面，攝像頭隨著運動目標(biāo)移動；二是攝像頭相對處于靜止?fàn)顟B(tài)，只對視場內(nèi)的目標(biāo)進行檢測、定位，如監(jiān)視某一路口車流量等的固定攝像頭。目前大多數(shù)目標(biāo)跟蹤算法研究都是第二種情況。光照的變化、背景混亂運動的干擾、運動目標(biāo)的影子、攝像機的抖動，以及運動目標(biāo)的自遮擋和互遮擋現(xiàn)象都給運動目標(biāo)的正確檢測帶來了極大的挑戰(zhàn)。同時由于運動目標(biāo)的正確檢測與分割效果極大地影響運動目標(biāo)的跟蹤和分類，因此運動目標(biāo)檢測成為計算機視覺研究中一項重要課題。目前常見的運動目標(biāo)的檢測方法主要有幀差分法、背景差分法和運動場估計法。2.1.1幀差法幀差法是最為常用的運動目標(biāo)檢測和分割方法之一，基本原理就是在圖像序列相鄰兩幀或三幀間采用基于像素的時間差分通過閉值化來提取出圖像中的運動區(qū)域。首先，將相鄰幀圖像對應(yīng)像素值相減得到差分圖像，然后對差分圖像二值化，在環(huán)境亮度變化不大的情況下，如果對應(yīng)像素值變化小于事先確定的閡值時，可以認為此處為背景像素:如果圖像區(qū)域的像素值變化很大，可以認為這是由于圖像中運動物體引起的，將這些區(qū)域標(biāo)記為前景像素，利用標(biāo)記的像素區(qū)域可以確定運動目標(biāo)在圖像中的位置。由于相鄰兩幀間的時間間隔非常短，用前一幀圖像作為當(dāng)前幀的背景模型具有較好的實時性，其背景不積累，且更新速度快、算法簡單、計算量小。算法的不足在于對環(huán)境噪聲較為敏感，閩值的選擇相當(dāng)關(guān)鍵，選擇過低不足以抑制圖像中的噪聲，過高則忽略了圖像中有用的變化。對于比較大的、顏色一致的運動目標(biāo)，有可能在目標(biāo)內(nèi)部產(chǎn)生空洞，無法完整地提取運動目標(biāo)。其原理如下：2.1.2背景差分法背景差分法是運動目標(biāo)檢測最常用的方法之一，是采用圖像序列中的當(dāng)前幀（輸入圖像）和背景參考模型（背景圖像）進行比較，從中分割出前景目標(biāo)來檢測運動物體的一種方法。在背景差分法中，最為重要的就是背景圖像的獲得，背景圖像的準(zhǔn)確度將直接影響檢測的效果。由于圖像很容易受到外界因素的干擾，例如：光照、攝像機抖動等，使得背景的提取變得比較困難。其原理如下：與幀差方法相比，背景差分法有不受車速快慢的限制、可以檢測出短時間內(nèi)靜止的車輛、簡化算法降低計算量和滿足視頻檢測的實時性要求等優(yōu)點。但是在實際應(yīng)用中，背景的獲取比較困難?，F(xiàn)目前比較常用的背景建模方法主要有以下3種：均值法背景建模均值法背景建模就是在視頻圖像中，選取其中的連續(xù)N幀，計算出這連續(xù)N幀圖像的像素灰度值的平均值，并以此平均值作為背景圖像的像素灰度值。中值法背景建模中值法背景建模也是在視頻圖像中，選取其中的連續(xù)N幀，并按照圖像像素灰度值進行從小到大的排序，選取中間值作為背景圖像中對應(yīng)像素點的灰度值。建立自適應(yīng)模型主要有卡爾曼濾波、單高斯分布模型、多高斯分布模型等。2.1.3運動場估計法運動場估計法是指通過視頻序列的時空相關(guān)性來分析估計運動場，建立相鄰幀間的對應(yīng)關(guān)系，進而利用目標(biāo)與北京表現(xiàn)運動模式的不同進行運動目標(biāo)的檢測與分割。主要是光流法，Gibson是于1950年提出光流的概念的。光流是指圖像中觀測到的物體表面上的亮度模式的運動，是圖像中各個像素點運動的速度分布?；诠饬鞣ǖ倪\動目標(biāo)檢測跟蹤是指根據(jù)運動目標(biāo)隨時間變化的光流特性，把檢測區(qū)域的圖像變?yōu)樗俣鹊氖噶繄?，每一個向量表示了景物中一個點在圖像中位置的瞬時變化。由此可見，光流場中不僅包含了運動目標(biāo)的運動信息，而且還含有與景物有關(guān)的三維結(jié)構(gòu)信息。所以，通過研究光流矢量場就可以判斷序列圖像中有無運動目標(biāo)。而且，還可以利用得到的光流場中運動目標(biāo)的其它信息，如顏色、灰度、邊緣等空域特征，來提高對運動目標(biāo)分割精度。該方法的優(yōu)點是在攝像機運動的情況下也能夠完成對獨立目標(biāo)的檢測。然而，該方法抗噪性能差，并且計算復(fù)雜。光流法按概念大致上可以分為以下幾類：微分法，也稱為時空梯度法，它是利用時變圖像灰度(或其濾波形式)的時空微分(即時空梯度函數(shù))來計算每一圖像像素點的速度矢量，應(yīng)用時一般先假設(shè)：運動物體為剛體或準(zhǔn)剛體；圖像中的亮度變化很小或恒定不變。顯然，在實際應(yīng)用中，這兩方面很難保證，因此易造成較大的誤差。區(qū)域匹配法。所謂的區(qū)域匹配是指在圖像序列的順序圖像對之間實施的一種對應(yīng)，它將光流定義為使得不同時刻圖像區(qū)域之間產(chǎn)生最佳擬合的位移，通過對圖像序列中的相鄰兩幀圖像之間的子塊區(qū)域的匹配程度進行相似檢測來獲得最佳匹配，進而進行運動估計。另外，還有基于能量的方法，基于相位的方法等。2.2常用目標(biāo)跟蹤算法運動目標(biāo)跟蹤就是在視頻圖像序列中實時地發(fā)現(xiàn)并標(biāo)記運動目標(biāo)，在幀與幀之間建立車輛運動的某些特征，如位置、速度、形狀和方向等之間的聯(lián)系，不斷跟蹤目標(biāo)，并計算出運動目標(biāo)的軌跡。目前運動目標(biāo)跟蹤的方法有很多，針對視頻圖像中運動目標(biāo)的跟蹤方法主要有以下幾種：2.2.1基于模型的跟蹤基于模型的目標(biāo)跟蹤算法主要就是利用線圖法、二維輪廓、立體模型來表達運動目標(biāo)?；诹Ⅲw模型的跟蹤方法被應(yīng)用于估計運動目標(biāo)的運動，從二維圖像中推斷出運動目標(biāo)的立體形狀?；诹Ⅲw模型的跟蹤方法的顯著優(yōu)點是即使在復(fù)雜駕駛操作、明顯交談阻塞的情況下利用模型知識也能跟蹤到結(jié)果；最大的缺點是由于計算工作量大，實時性較差。雖然模型法能夠獲得對圖像內(nèi)容的理解，但建立攝像機模型時需要測量詳細的攝像機與交通場景之間的空間幾何特征，這使得這種方法在實際應(yīng)用中存在很大的局限性。同時模型法的穩(wěn)健性也不夠高，當(dāng)攝像機由于外力原因產(chǎn)生微小角度變化時就可能造成檢測失敗，且對遮擋情況下的車輛也會發(fā)生誤檢。2.2.2基于動態(tài)輪廓跟蹤基于動態(tài)輪廓跟蹤的思想就是利用封閉的曲線輪廓來表達目標(biāo)，并可以自動連續(xù)的進行輪廓更新。相對基于區(qū)域的跟蹤方法，輪廓表達有計算復(fù)雜度小的優(yōu)點，如果開始階段能夠合理地分開每個運動目標(biāo)并實現(xiàn)輪廓初始化，即使在有部分遮擋存在的情況下也能連續(xù)地進行跟蹤，然而輪廓的初始化比較困難。2.2.3基于區(qū)域跟蹤基于基于區(qū)域跟蹤的思想是把每個物體與某個運動區(qū)域相聯(lián)系，然后對該區(qū)域進行跟蹤。區(qū)域跟蹤實現(xiàn)較為簡單，在許多系統(tǒng)中得到了廣泛的應(yīng)用。用基于區(qū)域跟蹤的方法來跟蹤車輛，對于城市交通中存在的遮擋問題不太敏感，而且用這種方法跟蹤可以改善圖像的分割?；趨^(qū)域的車輛跟蹤方法由于在跟蹤目標(biāo)之前能完成最后的圖像分割，因此在他們的形狀突然發(fā)生改變或者消失時都能正確分割圖像。但是某些體積較大的車輛會產(chǎn)生較大的影子，遮擋一些體積較小的車輛，這對車輛跟蹤很不利。2.2.4基于特征的跟蹤基于特征的跟蹤，由于運動目標(biāo)的個體特征有很多，不管是剛體運動目標(biāo)，還是非剛體運動目標(biāo)，在序列圖像中相鄰的兩幀圖像，由于圖像序列間的采樣時間間隔很小，可以認為這些個體特征在運動形式上具有平滑性，因此可以用直線、曲線、參照點等個體特征來跟蹤運動目標(biāo)。但是提取運動目標(biāo)的主要特征有時很困難。2.3其他技術(shù)2.3.1灰度圖像處理圖像的灰度處理就是將彩色圖像轉(zhuǎn)化成為灰度圖像的過程。在彩色圖像中，R、G、B三個分量決定了每個像素的顏色，而每一個分量可以有255個值，一個像素點的顏色的變化范圍就可以達到1600多萬（255*255*255）；而灰度圖像R=G=B，一個像素點的變化范圍就只有255，因此將大大的減少后續(xù)圖像的計算量，但是卻會讓圖像失真。圖像的灰度處理一般可用兩種方法來實現(xiàn)。一種方法是通過求出每個像素點R、G、B三個分量的平均值，然后將這個平均值賦值賦值為這三個分量。另一種方法是根據(jù)YUV的顏色空間中，Y的分量的無力意義是點的亮度，由該值反映亮度等級，根據(jù)RGB和YUV顏色空間的變化關(guān)系可建立亮度Y與R、G、B三個顏色分量的對應(yīng)：Y=0.3R+0.59G+0.11B，以這個亮度值表達圖像的灰度值。2.3.2高斯平滑高斯濾波(Gaussfilter)實質(zhì)上是一種信號的濾波器，其用途為信號的平滑處理，數(shù)字圖像用于后期應(yīng)用，其噪聲是最大的問題，因為誤差會累計傳遞等原因，大多圖像處理教材會在很早的時候介紹Gauss濾波器，用于得到信噪比SNR較高的圖像（反應(yīng)真實信號）。高斯平滑濾波器對于抑制服從正態(tài)分布的噪聲非常有效。在圖像處理中，高斯濾波一般有兩種實現(xiàn)方式，一是用離散化窗口滑窗卷積，另一種通過傅里葉變換。最常見的就是第一種滑窗實現(xiàn)，只有當(dāng)離散化的窗口非常大，用滑窗計算量非常大（即使用可分離濾波器的實現(xiàn)）的情況下，可能會考慮基于傅里葉變化的實現(xiàn)方法。2.3.3二值化處理圖像的二值化，就是將圖像上的像素點的灰度值設(shè)置為0或255，也就是將整個圖像呈現(xiàn)出明顯的只有黑和白的視覺效果。一幅圖像包括目標(biāo)物體、背景還有噪聲，要想從多值的數(shù)字圖像中直接提取出目標(biāo)物體，最常用的方法就是設(shè)定一個閾值T，用T將圖像的數(shù)據(jù)分成兩部分：大于T的像素群和小于T的像素群。這是研究灰度變換的最特殊的方法，稱為圖像的二值化（BINARIZATION）。二值化是圖像處理的基本操作，任何圖像處理基本離不開二值化的操作。其應(yīng)用非常廣泛。根據(jù)閾值選取的不同，二值化的算法分為固定閾值和自適應(yīng)閾值。比較常用的二值化方法則有：雙峰法、P參數(shù)法、迭代法和OTSU法等。2.3.4開閉和運算開閉和運算就是利用腐蝕和膨脹運算去除雜點。腐蝕運算可以消除邊界點，使邊界內(nèi)部收縮，腐蝕一般用來消除細小并且沒有意義的目標(biāo)。在OpenCV中可調(diào)用cvErode函數(shù)來對圖像進行腐蝕運算。而膨脹運算和腐蝕運算相反，則是合并接觸的背景點，使邊界向外擴張，填補目標(biāo)區(qū)域當(dāng)中出現(xiàn)的漏洞。在OpenCV中則通過調(diào)用cvDilate函數(shù)來實現(xiàn)。2.4本章小結(jié)本章對智能小車視頻信號分解與處理系統(tǒng)中用到的關(guān)鍵技術(shù)，視頻圖像中運動目標(biāo)的檢測與跟蹤技術(shù)做了詳細敘述，并對系統(tǒng)中出現(xiàn)的一些算法做了簡單的敘述，介紹了各自的優(yōu)缺點以及使用范圍。

3系統(tǒng)需求分析在軟件工程中，需求分析指的是在建立一個新的或改變一個現(xiàn)存的電腦系統(tǒng)時描寫新系統(tǒng)的目的、范圍、定義和功能時所要做的所有的工作。需求分析是軟件工程中的一個關(guān)鍵過程。在這個過程中，系統(tǒng)分析員和軟件工程師確定顧客的需要。只有在確定了這些需要后，他們才能夠分析和尋求新系統(tǒng)的解決方法。需求分析階段的任務(wù)是確定軟件系統(tǒng)功能。在軟件工程的歷史中，很長時間里人們一直認為需求分析是整個軟件工程中最簡單的一個步驟。但在近十年內(nèi)，越來越多的人認識到，需求分析是整個過程中最關(guān)鍵的一個部分。假如在需求分析時分析者們未能正確地認識到顧客的需要的話，那么最后的軟件實際上不可能達到顧客的需要，或者軟件項目無法在規(guī)定的時間里完工。需求分析是一項重要的工作，也是最困難的工作。本章通過對圖像處理系統(tǒng)的功能分析，提出了智能小車視頻信號分解與處理系統(tǒng)的主要功能需求，分別是文件打開、背景提取、小車檢測、小車跟蹤、繪制軌跡。通過對這些功能的描述使得智能小車視頻信號的分解與處理系統(tǒng)功能更加明確，結(jié)構(gòu)更加清晰。3.1系統(tǒng)功能需求分析智能小車視頻信號分解與處理系統(tǒng)是基于windows的應(yīng)用程序，主要處理的是AVI格式的視頻文件，并對視頻文件中的運動目標(biāo)進行實時跟蹤。主要功能如下：讀入AVI格式的視頻文件，并得到每幀圖像。對視頻前幾幀進行處理，獲取背景圖像。通過背景差分法得到前景目標(biāo)圖像。對前景圖像進行處理，檢測和分割出目標(biāo)圖像。對目標(biāo)圖像進行實時跟蹤，并繪制出軌跡。3.2系統(tǒng)處理流程分析本系統(tǒng)是一個應(yīng)用程序，主要實現(xiàn)上述對視頻文件的中運動目標(biāo)的分解與處理，達到檢測與跟蹤的效果。從載入一個視頻文件到最后得到視頻文件中運動小車的軌跡，整個系統(tǒng)的處理流程是比較連貫的，因此流程也比較清晰。在載入一個視頻文件后，處理的并不是視頻文件，而是幀圖像，因此必須獲取視頻文件中的幀圖像，并對幀圖像的有效性要進行判斷。如果是有效的就可以提起視頻圖像背景了，這時有多種方法可以采用，本文采用的是累加連續(xù)圖像序列求幀圖像平均值的方法。接著就可以利用背景差分法將當(dāng)前幀和背景圖像幀做絕對值差求出前景目標(biāo)小車了。為了更好的獲取前景目標(biāo)小車，還必須進行開閉和運算，腐蝕和膨脹運算分割出前景目標(biāo)小車。最后采用基于動態(tài)輪廓的思想，通過計算中心點和小車四周的點的判斷對小車進行實時跟蹤，并掃描跟蹤中心點數(shù)組，繪制出小車運動軌跡。3.7本章小結(jié)本章主要描述了智能小車視頻信號分解與處理系統(tǒng)的需求分析，通過對文件打開、背景提取、小車檢測、小車跟蹤、繪制軌跡的分析使得智能小車視頻信號分解與處理系統(tǒng)的功能明確。通過這章的內(nèi)容可以了解到智能小車視頻信號分解與處理系統(tǒng)的基本功能和所需要實現(xiàn)的目標(biāo)。

4系統(tǒng)設(shè)計本章主要介紹了智能小車視頻信號分解與處理系統(tǒng)的設(shè)計，首先是對系統(tǒng)架構(gòu)的設(shè)計，其中包括總體結(jié)構(gòu)和系統(tǒng)流程的設(shè)計，然后是分別對文件打開模塊、背景提取模塊、車輛跟蹤與檢測模塊、軌跡繪制模塊做了詳細的設(shè)計。通過本章內(nèi)容不僅可以了解智能小車視頻信號分解與處理系統(tǒng)的系統(tǒng)架構(gòu)而且可以知道此系統(tǒng)的詳細功能。4.1系統(tǒng)架構(gòu)本節(jié)主要是對智能小車視頻信號分解與處理系統(tǒng)在系統(tǒng)架構(gòu)上的說明，系統(tǒng)架構(gòu)包括總體結(jié)構(gòu)和系統(tǒng)流程兩部分，總體結(jié)構(gòu)是對系統(tǒng)各個模塊功能的說明，系統(tǒng)流程是對系統(tǒng)整個工作步驟的說明，通過這兩部分的說明將體現(xiàn)出系統(tǒng)的整個架構(gòu)和流程。4.1.1總體結(jié)構(gòu)本小節(jié)主要是對智能小車視頻信號分解與處理系統(tǒng)的總體結(jié)構(gòu)做詳細的描述，總體結(jié)構(gòu)是指系統(tǒng)中實現(xiàn)功能的分層架構(gòu)，此系統(tǒng)一共包括5個模塊，如圖4-1所示。圖4-1智能小車視頻信號分解與處理系統(tǒng)總體結(jié)構(gòu)從上圖4-1可以看出，智能小車視頻信號分解與處理系統(tǒng)的總體主要由5部分組成，分別是背景建模、智能小車檢查、智能小車分割、智能小車跟蹤、繪制軌跡。從圖中可以看出此系統(tǒng)的重難點主要就在于這5個模塊。4.1.2系統(tǒng)流程本節(jié)主要是介紹了智能小車視頻信號分解與處理系統(tǒng)系統(tǒng)流程，所謂系統(tǒng)流程就是智能小車視頻信號分解與處理系統(tǒng)從開始載入一個視頻文件，到最后視頻播放完畢繪制出軌跡的整個過程。具體的流程如下圖4-4所示：雖然系統(tǒng)載入的是視頻文件，但實質(zhì)上處理的是視頻中的幀圖像，因此首先，讀入一幀，并判斷其有效性，若是有效的，繼續(xù)進行處理，利用背景差分法獲取前景目標(biāo)，并用開閉和運算腐蝕和膨脹進一步分割出前景圖像，然后提前中心點，并用此中心點繪制圖像。4.2文件打開模塊的設(shè)計文件打開模塊主要就是打開一個視頻文件，然后從文件讀出幀文件，因為接下來需要處理的都是幀圖像，所以文件打開模塊就顯得非常重要。具體流程如下：4.3背景提取模塊的設(shè)計背景建模主要目的就是為了獲取背景圖像?，F(xiàn)目前，主要有這三種方法：通過求多幅圖像的像素點均值得到、求多幅圖像的像素點中值、建立自適應(yīng)模型。本課題選用的是通過多幅圖像的像素點均值得到的背景模型，可以用如下公式表示：其中，表示時刻的背景圖像幀，表示時刻的輸入圖像幀，表示幀的總數(shù)。為了使后續(xù)圖像的計算量小一點，還調(diào)用了灰度轉(zhuǎn)化函數(shù)，進行了圖像的灰度處理。圖像的灰度處理就是將彩色圖像轉(zhuǎn)化成為灰度圖像的過程。在彩色圖像中，R、G、B三個分量決定了每個像素的顏色，而每一個分量可以有255個值，一個像素點的顏色的變化范圍就可以達到1600多萬（255*255*255）；而灰度圖像R=G=B，一個像素點的變化范圍就只有255，因此將大大的減少后續(xù)圖像的計算量，但是卻會讓圖像失真。由于原始圖像在獲取和傳輸?shù)倪^程中會受到各種噪聲的干擾，使圖像的質(zhì)量下降，不利于分析圖像，于是使用高斯平滑對圖像進行降噪。圖像平滑處理有很多種方法，領(lǐng)域平均（CV_BLUR）、中值濾波（CV_MEDIAN）、高斯濾波（CV_GAUSSIAN）等。高斯濾波是跟根據(jù)高斯函數(shù)的形狀來選擇權(quán)值的線性平滑濾波器，對出去服從正態(tài)分布的噪聲很有效果，對圖像處理來說，常用的是二維零均值離散高斯函數(shù)，表達式如下：由于目前的還是幀圖像，要進行圖像的累加，必須進行格式轉(zhuǎn)換。接著，就可以求這多幅像素點的均值得到背景圖像了。背景獲取流程如下：為了更好的獲得背景，只讀取視頻的前140幀圖像，然后按順序獲取一幀圖像，然后判斷此幀圖像是否有效，若是有效幀，進行幀數(shù)統(tǒng)計，接著判斷是否是第一幀，若是第一幀，就要先申請內(nèi)存，進行圖像的初始化，若不是，就對圖像進行灰度處理，簡單化計算量，并用高斯平滑去噪，然后格式轉(zhuǎn)換為數(shù)組，進行圖像的累加預(yù)算，最后通過此連續(xù)圖像的累加值求平均值的方法，獲的背景圖像。4.4智能小車檢測與跟蹤模塊的設(shè)計智能小車檢測的目標(biāo)是把圖像序列當(dāng)中的運動目標(biāo)——智能小車從背景圖像中檢測出來?，F(xiàn)目前，主要分為攝像頭隨目標(biāo)移動，攝像頭相對處于靜止?fàn)顟B(tài)兩類。前者，需要始終保持目標(biāo)在圖像的中心附近，而后者，只能對視場內(nèi)的目標(biāo)進行檢測和定位。本課題選用的是第二種情況攝像頭相對處于靜止?fàn)顟B(tài)下的背景差分法。背景差分法是運動目標(biāo)檢測最常用的方法之一，利用背景建模得到的背景圖像和輸入圖像進行比較，然后得到前景運動目標(biāo)。為了接下來分割的進一步處理，還需對得到的前景運動目標(biāo)圖像進行二值化處理。二值化處理也就是讓圖像出現(xiàn)黑白效果，把圖像的像素點的灰度值設(shè)置為0或者255。圖像的二值化處理能夠使圖像變得簡單，減小圖像的數(shù)據(jù)量，凸顯出目標(biāo)的輪廓，將大大的有利于圖像的進一步處理，有助于接下來的圖像的分割。智能小車檢測流程如下：首先，從視頻結(jié)構(gòu)順序獲得一幀圖像，判斷是否有效，是有效幀，對幀圖像進行灰度處理，轉(zhuǎn)換為灰度圖像，減少圖像的計算量，接著進行平滑處理，利用高斯平滑降噪，利用背景差分法，對當(dāng)前幀圖像和上一步背景建模過程獲得背景圖像做絕對值差，得到前景目標(biāo)圖像，然后對當(dāng)前獲得前景目標(biāo)圖像進行二值化處理，黑白化灰度圖像，凸顯出目標(biāo)輪廓。智能小車目標(biāo)分割是圖像處理到圖像分析的關(guān)鍵步驟，一般要進行腐蝕和膨脹運算去除雜點。因為腐蝕可以消除邊界點，使邊界內(nèi)部收縮，腐蝕一般用來消除細小并且沒有意義的目標(biāo)。在OpenCV中可調(diào)用cvErode函數(shù)來對圖像進行腐蝕運算。而膨脹和腐蝕相反，則是合并接觸的背景點，使邊界向外擴張，填補目標(biāo)區(qū)域當(dāng)中出現(xiàn)的漏洞。在OpenCV中則通過調(diào)用cvDilate函數(shù)來實現(xiàn)。具體流程如下：利用小車檢測模塊獲得的小車前景目標(biāo)圖像，對前景目標(biāo)圖像做腐蝕和膨脹運算，去除雜點，分割出小車，達到智能小車分割的目的。智能小車的跟蹤就是在視頻圖像序列中實時地發(fā)現(xiàn)運動小車并將其標(biāo)記出來?，F(xiàn)目前，針對視頻圖像運動目標(biāo)跟蹤有很多種方法，例如：基于模型的跟蹤、基于區(qū)域的跟蹤、基于特征的跟蹤、基于動態(tài)輪廓的跟蹤等。本課題選用的是基于動態(tài)輪廓的跟蹤方法?；趧討B(tài)輪廓的跟蹤方法就是利用封閉的曲線輪廓來表達運動目標(biāo)，而且此輪廓能夠自動連續(xù)實時的更新。此方法的優(yōu)點就是完成輪廓初始化后，可以在部分遮擋的情況下繼續(xù)進行跟蹤，而缺點則是輪廓的初始化比較困難。具體流程如下：首先，對目標(biāo)圖像進行邊緣檢測，發(fā)現(xiàn)輸入圖像的邊緣并在輸出圖像中識別這些邊緣。因為是用小車的中心點坐標(biāo)來表示小車的，所以計算出小車的中心點。然后對中心點圖像進行清零，初始化為黑色。判斷是否有五個點，因為采用的中心點思想，需對車輛邊緣輪廓所以點進行統(tǒng)計，并求出中心點，考慮到汽車是長方形的，因此只需用五個點就可以表示小車了。因此用判斷是否有五個點來證明是否有運動小車，對小車進行跟蹤。然后再將這五個點設(shè)置為白色，進行標(biāo)記即可。4.5繪制軌跡模塊的設(shè)計繪制軌跡是系統(tǒng)的最終目標(biāo)。由于在跟蹤過程中已經(jīng)取得中心點，并保存進了一個專門的數(shù)組，因此只需對此數(shù)組進行掃描，讀出里面的數(shù)值，按照此數(shù)值繪制曲線就好了。需要注意的是需將軌跡背景圖像和視頻圖像的大小設(shè)置一致，保證物體實際運動路線和軌跡的對比效果。具體流程如下：首先，申請內(nèi)存，創(chuàng)建一個和背景圖像大小一致的的圖像，清零初始化圖像。然后掃描存儲小車運動軌跡的數(shù)組，按照里面的數(shù)值繪制小車運動軌跡曲線。4.6本章小結(jié)本章主要詳細介紹了智能小車視頻信號分解與處理系統(tǒng)的設(shè)計，首先介紹了系統(tǒng)的系統(tǒng)架構(gòu)其中包括總體架構(gòu)和主要流程，這是密不可分的兩個架構(gòu)，這兩個架構(gòu)只有在同時存在的情形下才能夠構(gòu)成整個框架的架構(gòu)。然后分別對每個模塊做了詳細的設(shè)計如文件打開模塊、背景提取模塊、智能小車檢測與跟蹤模塊、繪制軌跡模塊。5系統(tǒng)實現(xiàn)本章主要介紹了智能小車視頻信號分解與處理系統(tǒng)的具體實現(xiàn)過程，介紹了系統(tǒng)的開發(fā)環(huán)境的環(huán)境配置，也介紹了各個功能模塊的實現(xiàn)，例如變量定義模塊、文件打開模塊、背景提取模塊、車輛跟蹤與檢測模塊、軌跡繪制模塊的實現(xiàn)。通過本章可以對智能小車視頻信號分解與處理系統(tǒng)的整個實現(xiàn)過程有個詳細的了解。5.1環(huán)境配置本節(jié)主要介紹要使用智能小車視頻信號分解與處理系統(tǒng)所必需的環(huán)境配置，只有在正確的環(huán)境的支持下才能夠運行系統(tǒng)。在運行框架之前所必需的環(huán)境有VisualStudio、OpenCV、CMake等，系統(tǒng)環(huán)境配置的步驟如下：步驟一：編譯OpenCV。用CMake導(dǎo)出VC++項目文件運行cmake-gui，設(shè)置whereisthesourcecode路徑為OpenCV安裝路徑，并在安裝路徑的build文件夾下新建一個my文件夾，設(shè)置wheretobuildthebinaries路徑為此文件夾路徑。然后點擊Configure，在彈出的對話框中選擇VisualStudio92008。可根據(jù)操作系統(tǒng)修改選項，修改后再次選擇“Congfigure”，完成后選擇“Generate”。編譯OpenCVDebug和Release版本庫完成上一步驟后，系統(tǒng)會在my文件夾下生成OpenCV.sln的解決方案文件，啟動VisualStudio2008開發(fā)環(huán)境，打開OpenCV.sln，在Debug下，右鍵解決方案“OpenCV”，運行"重新生成解決方案"；如編譯無誤，再選擇此項目，運行“生成解決方案”。在Release下，同上操作。當(dāng)全部都運行完畢后，針對此系統(tǒng)的OpenCV庫就生成了。步驟二：配置VisualStudio2008。配置include路徑，何處去找OpenCV頭文件。選擇菜單“工具”→“選項”→“項目和解決方案”→“VC++目錄”→“包含文件”，輸入：D:\ProgramFiles\OpenCV2.3.1\opencv\build\include；D:\ProgramFiles\OpenCV2.3.1\opencv\build\include\opencv；D:\ProgramFiles\OpenCV2.3.1\opencv\build\include\opencv2配置lib路徑，何處去找OpenCV的庫文件。選擇菜單“工具”→“選項”→“項目和解決方案”→“VC++目錄”→“庫文件”，輸入：32位的操作系統(tǒng)D:\ProgramFiles\OpenCV2.3.1\opencv\build\x86\vc9\lib64位的操作系統(tǒng)D:\ProgramFiles\OpenCV2.3.1\opencv\build\x64\vc9\lib步驟三：設(shè)置環(huán)境變量。將OpenCV的dll文件所在的目錄加入Path環(huán)境變量32位操作系統(tǒng)：D:\ProgramFiles\OpenCV2.3.1\opencv\build\x86\vc9\bin64位操作系統(tǒng)：D:\ProgramFiles\OpenCV2.3.1\opencv\build\x64\vc9\bin步驟四：OpenCV編程。新建一個項目，右鍵項目，選擇屬性→鏈接器→輸入→附加依賴項，分別在Debug和Release項目，配置增加：D:\ProgramFile\opencv2.3.1\opencv\build\x86\vc9\lib下的所有l(wèi)ib文件（可根據(jù)實際需要刪減）。以上是對數(shù)字圖像處理系統(tǒng)環(huán)境配置的核心步驟說明，通過這些配置后可以開發(fā)數(shù)字圖像處理系統(tǒng)，這只是一個基本環(huán)境配置的要求。通過這些配置可以了解到智能小車視頻信號分解與處理系統(tǒng)運行環(huán)境的基本要求。5.2文件打開模塊的實現(xiàn)本節(jié)主要介紹了文件打開模塊的實現(xiàn)過程，實現(xiàn)的功能為打開一個視頻文件。實現(xiàn)代碼如下：CFileDialogdlg1(TRUE,lpszFilter,NULL,OFN_HIDEREADONLY|OFN_OVERWRITEPROMPT,lpszFilter,NULL);5.3背景提取模塊的實現(xiàn)本節(jié)介紹了背景提取模塊的實現(xiàn)，采用了求連續(xù)序列圖像的平均值的方法。首先需要對讀入的當(dāng)前幀圖像進行灰度圖像處理簡化計算量，在OpenCV中可以通過調(diào)用cvCvtColor()函數(shù)實現(xiàn)，并使用高斯平滑進行降噪處理，通過調(diào)用cvSmooth()函數(shù)。其次，因為要進行圖像的累加運算，必須先對圖像進行格式轉(zhuǎn)換，在OpenCV里可以通過調(diào)用cvCvtScale()函數(shù)實現(xiàn)，然后就可以進行累加和求均值的運算了，這里都是通過調(diào)用OpenCV中cvAcc()和cvConvertScale()函數(shù)實現(xiàn)。5.4智能小車檢測與跟蹤模塊的實現(xiàn)智能小車檢測與跟蹤模塊是智能小車視頻信號分解與處理系統(tǒng)的核心功能。這一模塊實現(xiàn)了對小車的檢測、分割、跟蹤功能。下面介紹各功能并實現(xiàn)過程。首先需要對讀入的當(dāng)前幀圖像進行灰度圖像處理簡化計算量，在OpenCV中可以通過調(diào)用cvCvtColor()函數(shù)實現(xiàn)，并使用高斯平滑進行降噪處理，通過調(diào)用cvSmooth()函數(shù)。檢測功能主要利用了背景差分法，調(diào)用OpenCV中的cvAbsDiff()函數(shù)將背景幀和當(dāng)前幀做絕對值差，求得了前景圖像。為了凸顯出前景目標(biāo)圖像的輪廓，還需對前景圖像進行二值化處理，黑白化幀圖像。通過調(diào)用cvThreshold()函數(shù)實現(xiàn)。 分割功能一般需要去除圖像雜點。因為腐蝕可以消除邊界點，使邊界內(nèi)部收縮，腐蝕一般用來消除細小并且沒有意義的目標(biāo)。在OpenCV中可調(diào)用cvErode()函數(shù)來對圖像進行腐蝕運算。而膨脹和腐蝕相反，則是合并接觸的背景點，使邊界向外擴張，填補目標(biāo)區(qū)域當(dāng)中出現(xiàn)的漏洞。在OpenCV中則通過調(diào)用cvDilate()函數(shù)來實現(xiàn)。跟蹤功能選用的是基于動態(tài)輪廓的跟蹤方法，達到實時跟蹤運動目標(biāo)的功能。首先，對目標(biāo)圖像進行邊緣檢測，可通過調(diào)用cvCanny()函數(shù)實現(xiàn)，發(fā)現(xiàn)輸入圖像的邊緣并在輸出圖像中識別這些邊緣。因為是用小車的中心點坐標(biāo)來表示小車的，所以計算出小車的中心點，可通過一個for循環(huán)實現(xiàn)。然后對中心點圖像進行清零，初始化為黑色，調(diào)用cvZero()函數(shù)就可以了。判斷是否有五個點，因為采用的中心點思想，需對車輛邊緣輪廓所以點進行統(tǒng)計，并求出中心點，考慮到汽車是長方形的，因此只需用五個點就可以表示小車了。因此用判斷是否有五個點來證明是否有運動小車，對小車進行跟蹤。然后再將這五個點設(shè)置為白色，進行標(biāo)記即可。5.5軌跡繪制模塊的實現(xiàn)繪制軌跡模塊實現(xiàn)了對小車的運動軌跡的繪制功能。繪制軌跡是系統(tǒng)的最終目標(biāo)。由于在跟蹤過程中已經(jīng)取得中心點，并保存進了一個專門的數(shù)組，因此只需對此數(shù)組進行掃描for(inti=0;i<count_center_point-1;i++)，讀出里面的數(shù)值cvLine(TrackImg,cen_point[i],cen_point[i+1],color);，按照此數(shù)值繪制曲線就好了。需要注意的是需將軌跡背景圖像和視頻圖像的大小設(shè)置一致，保證物體實際運動路線和軌跡的對比效果。5.6本章小結(jié)本章主要是對智能小車視頻信號處理與分解系統(tǒng)的基本環(huán)境的配置和一些核心的模塊做了詳細說明，通過這些說明可以看出智能小車視頻信號處理與分解系統(tǒng)中的核心功能和代碼生成的特色，在開發(fā)數(shù)字圖像處理系統(tǒng)的時候，這些基本的功能將有助于提高開發(fā)效率，為其他功能的完善節(jié)省時間。當(dāng)然，本章只介紹了系統(tǒng)實現(xiàn)的核心功能，其他的功能在這里就不作敘述了。

6應(yīng)用示例本章主要是對智能小車視頻信號分解與處理系統(tǒng)應(yīng)用的章節(jié)，在本章會舉一個例子來應(yīng)用智能小車視頻信號分解與處理系統(tǒng)，通過此示例能了解智能小車視頻信號分解與處理系統(tǒng)的核心技術(shù)，核心功能，同時能體會到智能小車視頻信號分解與處理系統(tǒng)在處理過程中的效率，也能在此基礎(chǔ)上進行擴展。6.1示例概述本節(jié)主要是對本章中示例的描述，本示例主要是對一個攝取的運動汽車視頻的應(yīng)用?；竟δ芤笥校捍蜷_一個視頻，載入視頻，獲取幀圖像能夠從視頻中提取背景圖像能夠檢測和跟蹤運動目標(biāo)，小車。能夠繪制出小車運動的軌跡對以上這些功能需求在智能小車視頻信號分解與處理系統(tǒng)中都能輕而易舉的實現(xiàn)，其實現(xiàn)過程在下一節(jié)中將詳細介紹。6.2示例實現(xiàn)過程使用系統(tǒng)本節(jié)針對小車視頻在智能小車視頻信號分解與處理系統(tǒng)中的處理過程做詳細的描述，每個步驟都有詳細的說明，下面將分步驟來描述整個實現(xiàn)過程。步驟一：讀入一個視頻點擊“文件”菜單，選擇打開，彈出一個基于windows的對話框，選中需要進行處理的視頻，單擊打開按鈕，讀入視頻文件，如圖6-1所示。如果不是AVI格式的視頻，則會顯示打開失敗，如圖6-2所示。圖6-1圖6-2從中可以看出，在錄制視頻后，需對視頻的格式進行轉(zhuǎn)換，只有轉(zhuǎn)換成AVI格式才能讀入視頻，否則就會打開失敗，不能載入視頻。步驟二：對載入的視頻進行背景提取，獲取背景幀圖像。單擊“背景提取”菜單，會彈出一個新的和視頻圖像大小一樣的新框，等待幾秒，獲取背景，如圖6-3所示。不能重復(fù)提取背景，如果提取過背景，會彈出“背景已經(jīng)提取”的對話框，如圖6-4所示。圖6-3圖6-4步驟三：檢測視頻中出現(xiàn)的運動目標(biāo)，并對其進行實時跟蹤。單擊“檢測跟蹤”菜單，此時會彈出一個新框，讀入視頻時打開的視頻開始播放，隨著小車出現(xiàn)，開始檢測和跟蹤小車，小車用一個小白點表示，如圖6-5所示。如果已經(jīng)進行過檢測與跟蹤，會彈出“車輛跟蹤已經(jīng)結(jié)束”的對話框，如圖6-6所示。圖6-5圖6-6步驟四：繪制出小車運動軌跡。單擊“繪制軌跡”菜單，此時不會彈出一個新框，直接在檢測跟蹤模塊彈出的新框的基礎(chǔ)上進行軌跡曲線的繪制。如圖6-7所示。圖6-7此時。整個視頻圖像處理結(jié)束。以上是一個完整的示例由智能小車視頻信號分解與處理系統(tǒng)處理的過程，通過這些過程就可以完成對小車視頻信號的分解與處理，并繪制出其軌跡。6.3本章小結(jié)本章通過一個小車視頻的示例講述了如何應(yīng)用智能小車視頻信號分析與處理系統(tǒng)，按步驟詳細說明了各個環(huán)節(jié)的操作流程，并且有詳細的圖解，通過本章的學(xué)習(xí)可以熟練的使用智能小車視頻信號分解與處理系統(tǒng)中的核心功能和一些擴展功能。重慶理工大學(xué)畢業(yè)論文