畢業(yè)設(shè)計(jì)（論文）：智能小車(chē)視頻信號(hào)分解與處理

摘要隨著社會(huì)的不斷進(jìn)步以及城市化建設(shè)的逐步普及，越來(lái)越多的家庭開(kāi)始擁有汽車(chē)，汽車(chē)的數(shù)量也越來(lái)越多，在帶給我們便利和迅捷的同時(shí)，也讓我們不得不面對(duì)日益提升的交通密度、日益嚴(yán)重的交通堵塞和交通安全等難題，對(duì)我們的交通運(yùn)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(shí)時(shí)、準(zhǔn)確、高效地進(jìn)行交通運(yùn)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(duì)的首要問(wèn)題就是對(duì)交通信息的采集和處理，也就是對(duì)汽車(chē)進(jìn)行檢測(cè)和跟蹤。在眾多的車(chē)輛檢測(cè)和跟蹤方法中，視頻檢測(cè)和跟蹤以其高效、低廉、維護(hù)簡(jiǎn)單等優(yōu)點(diǎn)，具有更好和更為廣泛的應(yīng)用前景，因此對(duì)智能小車(chē)視頻信號(hào)的分解與處理的研究將有巨大的價(jià)值和意義。本論文旨在研究智能小車(chē)視頻信號(hào)的分解與處理，主要涉及到背景圖像的獲取、目標(biāo)的檢測(cè)和分割、目標(biāo)的實(shí)時(shí)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(duì)其中的優(yōu)缺點(diǎn)進(jìn)行了比較和闡述。在目標(biāo)的檢測(cè)和分割研究方面，通過(guò)背景圖像建模，利用相鄰序列圖像對(duì)視頻中不變的或有規(guī)律變化的背景進(jìn)行估計(jì)，將輸入圖像和背景圖像進(jìn)行比較，從中分割出前景運(yùn)動(dòng)目標(biāo)。并對(duì)目前常見(jiàn)的運(yùn)動(dòng)目標(biāo)的檢測(cè)方法進(jìn)行了介紹和優(yōu)缺點(diǎn)的比較和闡述。在目標(biāo)的實(shí)時(shí)跟蹤以及軌跡繪制研究方面，由于車(chē)輛運(yùn)動(dòng)中外環(huán)境會(huì)不斷變化，車(chē)輛的輪廓也會(huì)出現(xiàn)不規(guī)則變化，考慮到車(chē)輛是長(zhǎng)方形的，可以采用中心點(diǎn)的思想，對(duì)車(chē)輛邊緣輪廓上的所有點(diǎn)進(jìn)行統(tǒng)計(jì)，求出這些點(diǎn)的中心點(diǎn)，用其中心點(diǎn)及其周?chē)膫€(gè)點(diǎn)來(lái)表示運(yùn)動(dòng)物體，根據(jù)中心點(diǎn)位置移動(dòng)繪制車(chē)輛軌跡。關(guān)鍵詞：智能交通系統(tǒng)背景圖像目標(biāo)檢測(cè)和分割實(shí)時(shí)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\u1426摘要 1538Abstract 22151目錄 3193251緒論 5254011.1本課題研究意義 541591.1.1智能交通的背景、現(xiàn)狀和意義 599631.1.2車(chē)輛檢測(cè)和跟蹤技術(shù)的發(fā)展趨勢(shì) 6231381.2本論文的結(jié)構(gòu) 7101082關(guān)鍵技術(shù) 9245432.1常用目標(biāo)檢測(cè)算法 953942.1.1幀差法 9251032.1.2背景差分法 10241362.1.3運(yùn)動(dòng)場(chǎng)估計(jì)法 1113442.2常用目標(biāo)跟蹤算法 13117472.2.1基于模型的跟蹤 13189502.2.2基于動(dòng)態(tài)輪廓跟蹤 13100892.2.3基于區(qū)域跟蹤 13240762.2.4基于特征的跟蹤 14248732.3其他技術(shù) 14267372.3.1灰度圖像處理 14203982.3.2高斯平滑 14219972.3.3二值化處理 15137572.3.4開(kāi)閉和運(yùn)算 1529062.4本章小結(jié) 1513523系統(tǒng)需求分析 16228733.1系統(tǒng)功能需求分析 16166433.2系統(tǒng)處理流程分析 1787343.7本章小結(jié) 18111244系統(tǒng)設(shè)計(jì) 20273124.1系統(tǒng)架構(gòu) 20142634.1.1總體結(jié)構(gòu) 2069434.1.2系統(tǒng)流程 2144424.2文件打開(kāi)模塊的設(shè)計(jì) 2234604.3背景提取模塊的設(shè)計(jì) 22317224.4智能小車(chē)檢測(cè)與跟蹤模塊的設(shè)計(jì) 25188744.5繪制軌跡模塊的設(shè)計(jì) 2841484.6本章小結(jié) 28317995系統(tǒng)實(shí)現(xiàn) 29195275.1環(huán)境配置 29267455.2文件打開(kāi)模塊的實(shí)現(xiàn) 34216825.3背景提取模塊的實(shí)現(xiàn) 34235005.4智能小車(chē)檢測(cè)與跟蹤模塊的實(shí)現(xiàn) 34308755.5軌跡繪制模塊的實(shí)現(xiàn) 3529535.6本章小結(jié) 35224296應(yīng)用示例 36250796.1示例概述 36162776.2示例實(shí)現(xiàn)過(guò)程 3659986.3本章小結(jié) 40188767結(jié)束語(yǔ) 4185667.1本文工作總結(jié) 41147947.2進(jìn)一步的研究課題及展望 424085參考文獻(xiàn) 441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(huì)的不斷進(jìn)步以及城市化建設(shè)的逐步普及，整個(gè)社會(huì)對(duì)交通運(yùn)輸?shù)男枨笕找嬖黾樱絹?lái)越多的家庭開(kāi)始擁有汽車(chē)，汽車(chē)的數(shù)量也越來(lái)越多，城市公路交通系統(tǒng)的壓力不斷地增大。出現(xiàn)了諸如堵車(chē)、交通事故等大量的公路交通問(wèn)題，為了解決這些棘手的難題，更好的進(jìn)行交通運(yùn)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，于是將整合了各種先進(jìn)的技術(shù)，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(guó)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(shí)施了開(kāi)發(fā)計(jì)劃。歐洲的研究是由官方與民間并行進(jìn)行的，1994年完成了DRIVE計(jì)劃，用于提高道路設(shè)施的服務(wù)水平。該計(jì)劃主要進(jìn)行需求管理、車(chē)輛輔助駕駛、城市間綜合交通情況管理、單個(gè)城市綜合交通管理等內(nèi)容的研究。而美國(guó)，于1991年，國(guó)會(huì)投票通過(guò)了旨在利用高新技術(shù)和合理最優(yōu)交通分配方案來(lái)使整個(gè)交通網(wǎng)絡(luò)變得高效的“綜合地面運(yùn)輸效率方案”，并為此撥款6.6億美元，用于進(jìn)行相關(guān)的研究工作。地方政府還和聯(lián)邦政府共同提供經(jīng)費(fèi)，在全美一共建立了3個(gè)致力于從事智能交通系統(tǒng)研究的研究中心。2001年，美國(guó)在華盛頓召開(kāi)了智能交通系統(tǒng)的全國(guó)范圍的高層討論會(huì)，為智能交通系統(tǒng)的在二十一世紀(jì)前十年的發(fā)展制定了總體規(guī)劃。日本和新加坡等國(guó)家也分別制定了其相應(yīng)的計(jì)劃。日本財(cái)政2001年度預(yù)算中用于智能交通系統(tǒng)計(jì)劃的資金就達(dá)到了883億日元。目前有五個(gè)機(jī)構(gòu)致力于并負(fù)責(zé)智能交通系統(tǒng)相關(guān)的活動(dòng)，并聯(lián)合其他組織和機(jī)構(gòu)共同來(lái)促進(jìn)智能交通系統(tǒng)的發(fā)展。而且智能交通系統(tǒng)的商品化發(fā)展已經(jīng)逐漸形成產(chǎn)業(yè)。新加坡于1995年，就已經(jīng)組織完成了諸如綠波系統(tǒng)、交通掃描系統(tǒng)、道路信息管理系統(tǒng)等項(xiàng)目。已經(jīng)擁有了一個(gè)比較成熟的綜合工作平臺(tái)。我國(guó)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(kāi)始了這一領(lǐng)域的國(guó)際交流與合作，支持這一領(lǐng)域在我國(guó)的研究和發(fā)展。1999年，成立智能交通系統(tǒng)協(xié)調(diào)小組，提供了一個(gè)能夠基于指導(dǎo)文件的組織機(jī)構(gòu)。2000年，制訂了體系框架的研究和規(guī)范標(biāo)準(zhǔn)，建立了與國(guó)際接軌的標(biāo)準(zhǔn)體系，為我國(guó)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，并且確定了諸如通信協(xié)議、系統(tǒng)構(gòu)成、功能模塊和接口等內(nèi)容。2005年，于上海召開(kāi)第一屆“中國(guó)智能交通年會(huì)”，為智能交通技術(shù)的各方面都提供了可靠的支持，例如從開(kāi)發(fā)研究、產(chǎn)品開(kāi)發(fā)到最后的產(chǎn)業(yè)化等方面。然而我國(guó)只完成了一些基礎(chǔ)性的工作，在開(kāi)發(fā)和應(yīng)用方面僅僅處于初級(jí)階段，還有很多地方都需要進(jìn)行提高。在實(shí)際的開(kāi)發(fā)和應(yīng)用方面，已經(jīng)取得了一些成功的成果，并在一些局部地區(qū)形成了智能交通系統(tǒng)的雛形，或?qū)崿F(xiàn)了其中的部分功能。在國(guó)內(nèi)使用的比較多的電子收費(fèi)系統(tǒng)就是智能交通系統(tǒng)應(yīng)用的一個(gè)良好的體現(xiàn)，已經(jīng)得到了廣泛的好評(píng)。此外，不單單引進(jìn)國(guó)外先進(jìn)技術(shù)和產(chǎn)品，同時(shí)也和國(guó)外的廠商進(jìn)行交流與合作，大大的提高了我國(guó)在這方面的技術(shù)水平，為我國(guó)智能交通系統(tǒng)的發(fā)展提供了技術(shù)支持。最近幾年來(lái)，我國(guó)建成了各種各樣的城際或者城內(nèi)高斯公路，并且始終保持著前所未有的高速的發(fā)展速度，讓世界各國(guó)矚目。隨著我國(guó)經(jīng)濟(jì)水平的持續(xù)快速提高，我國(guó)的汽車(chē)數(shù)量不斷地在增大，伴隨著城市化進(jìn)程的不斷加快，出現(xiàn)了各種各樣的交通問(wèn)題，體現(xiàn)了交通對(duì)城市經(jīng)濟(jì)的發(fā)展的重要性，也讓我們不得不面對(duì)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(bào)告，2004年年底，我國(guó)已經(jīng)達(dá)到了2742萬(wàn)輛的汽車(chē)保有量，達(dá)到了12.4%的增長(zhǎng)率?，F(xiàn)有的城市公路交通設(shè)施已經(jīng)沒(méi)有辦法滿足車(chē)輛數(shù)量增長(zhǎng)的需求了。（2）消耗巨大的能源問(wèn)題。現(xiàn)目前，我國(guó)公路交通運(yùn)輸?shù)闹饕獎(jiǎng)恿δ茉慈匀灰揽康氖鞘秃吞烊粴狻?005年，我國(guó)的石油消耗量達(dá)到了驚人的2.5億噸，按照如此的消耗量，不單單會(huì)消耗掉我們的油氣資源，同時(shí)還會(huì)增加我國(guó)對(duì)于國(guó)外油氣資源的依賴(lài)性。（3）交通事故頻發(fā)、擁堵嚴(yán)重、市民缺乏安全感。據(jù)統(tǒng)計(jì)，2005年，我國(guó)交通事故共發(fā)生了45萬(wàn)余起，共造成9萬(wàn)8千余人死亡，47萬(wàn)人受傷，直接的經(jīng)濟(jì)損失就達(dá)到了驚人的18.1億元。（4）環(huán)境污染問(wèn)題。汽車(chē)尾氣污染已經(jīng)是一個(gè)眾所周知的問(wèn)題，近年來(lái)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(yán)重的影響著老百姓的身體健康，也制約了城市的發(fā)展，大大降低了城市的形象。而智能交通技術(shù)的出現(xiàn)，給我們帶來(lái)了希望。首先，公路交通的利用效率提高了，公路交通的安全性也提高了。據(jù)專(zhuān)家估計(jì)，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)，減少交通的擁堵現(xiàn)象，提高公路交通利用率。其次，降低了能源的消耗率。擁堵現(xiàn)象減少了，汽車(chē)中途繞道行駛的現(xiàn)象減少了，油耗自然也跟著減少了。再者，提高了公路交通網(wǎng)絡(luò)的使用頻率，提高了運(yùn)輸效率，達(dá)到了效益最大化，對(duì)經(jīng)濟(jì)的高速發(fā)展也產(chǎn)生了積極的影響。最后，還可以帶來(lái)新的市場(chǎng)，提供大量的就業(yè)崗位，促進(jìn)就業(yè)。因此，對(duì)智能交通系統(tǒng)技術(shù)的研究是大勢(shì)所趨，對(duì)我們的經(jīng)濟(jì)發(fā)展有著巨大的作用，深遠(yuǎn)的意義。1.1.2車(chē)輛檢測(cè)和跟蹤技術(shù)的發(fā)展趨勢(shì) 早期的交通情況監(jiān)測(cè)采用的是人工的方式，耗時(shí)耗力，而且統(tǒng)計(jì)數(shù)據(jù)單一，效率低下，不利于進(jìn)行長(zhǎng)久的車(chē)輛監(jiān)測(cè)。 第二代交通情況監(jiān)測(cè)采用的是地感線圈。由于能夠進(jìn)行自動(dòng)檢測(cè)，對(duì)于監(jiān)測(cè)人的需求就沒(méi)那么多了，降低了監(jiān)測(cè)人員的數(shù)量，降低了人工成本。但是這種方式的缺點(diǎn)是儀器容易損壞、維修不易，而且地感線圈的安裝位置固定，檢測(cè)的精度低，檢測(cè)參數(shù)少，無(wú)法識(shí)別出監(jiān)測(cè)車(chē)輛的基本信息，只能進(jìn)行簡(jiǎn)單的車(chē)流量的統(tǒng)計(jì)。而且此檢測(cè)設(shè)備需要在關(guān)閉相應(yīng)道路的情況下才能進(jìn)行感應(yīng)器的安裝與維修，感應(yīng)器使用壽命有限，需要重新翻開(kāi)路面才可以再次進(jìn)行安裝或維修，不利于公路的保養(yǎng)和維護(hù)。 第三代交通情況監(jiān)測(cè)采用了視頻檢測(cè)和圖像識(shí)別的技術(shù)，更加智能，更加簡(jiǎn)便。第三代交通情況監(jiān)測(cè)系統(tǒng)一般是由電子攝像機(jī)、數(shù)字圖像采集卡和計(jì)算機(jī)等部分組成。首先，由攝像機(jī)對(duì)一定區(qū)域范圍內(nèi)的道路進(jìn)行攝像，獲取的圖像再經(jīng)傳輸線路導(dǎo)入數(shù)字圖像采集卡，進(jìn)行模數(shù)轉(zhuǎn)換和格式轉(zhuǎn)換等，再交由計(jì)算機(jī)進(jìn)行數(shù)字圖像的處理，實(shí)時(shí)識(shí)別出經(jīng)過(guò)這一區(qū)域范圍的車(chē)輛，并判別其車(chē)型，對(duì)其他交通控制參數(shù)作進(jìn)一步的推導(dǎo)。還可以根據(jù)需要由計(jì)算機(jī)向監(jiān)控系統(tǒng)中的主控機(jī)提供信號(hào)，并根據(jù)此信號(hào)確定控制方式，接著發(fā)出控制命令給執(zhí)行機(jī)構(gòu)。而且由于是對(duì)攝像機(jī)獲取的圖像進(jìn)行識(shí)別和監(jiān)測(cè)，因此可以可以進(jìn)行遠(yuǎn)程無(wú)線的監(jiān)測(cè)，不但可以監(jiān)測(cè)車(chē)流量，對(duì)于車(chē)輛的基本信息同樣可以進(jìn)行監(jiān)測(cè)，有利于進(jìn)行交通管制。最重要的是，此視頻交通監(jiān)測(cè)系統(tǒng)不用破壞路面，對(duì)基本交通影響大不，而且拆裝簡(jiǎn)便，成本相較于感應(yīng)線圈低很多，現(xiàn)在已經(jīng)逐步取代環(huán)形線圈監(jiān)測(cè)系統(tǒng)成為主要的監(jiān)測(cè)手段。在現(xiàn)代交通控制系統(tǒng)中視頻交通檢測(cè)系統(tǒng)可以說(shuō)是未來(lái)的智能交通系統(tǒng)發(fā)展的基礎(chǔ)。但是目前存在著很多的問(wèn)題，比如，圖像處理的實(shí)時(shí)性差、整個(gè)系統(tǒng)軟硬件對(duì)車(chē)輛的檢測(cè)精度的限制等等。盡管如此，伴隨著數(shù)字圖像處理技術(shù)的日益進(jìn)步和發(fā)展，視頻交通檢測(cè)技術(shù)將會(huì)得到更加廣泛的應(yīng)用和不斷的提高。 因此，視頻交通檢測(cè)技術(shù)得到了世界各國(guó)從事智能交通系統(tǒng)研究人士的高度重視，有著廣闊的應(yīng)用前景。視頻車(chē)輛檢測(cè)系統(tǒng)在現(xiàn)代交通系統(tǒng)中有著很重要的地位，可以說(shuō)是未來(lái)的智能交通系統(tǒng)發(fā)展的基礎(chǔ)。 基于視頻技術(shù)的交通檢測(cè)技術(shù)重點(diǎn)研究的是如何提高圖像識(shí)別的準(zhǔn)確性和實(shí)時(shí)性。目前，基于圖像處理的視頻交通檢測(cè)技術(shù)正處于研究的開(kāi)發(fā)階段，隨著技術(shù)的不斷完善，不但可以解決交通擁堵的頑疾，還可以預(yù)測(cè)和發(fā)現(xiàn)交通事故。因此，基于視頻技術(shù)的交通檢測(cè)技術(shù)的研究，必將成為未來(lái)交通檢測(cè)技術(shù)的一部分，并產(chǎn)生重要影響?；谝曨l技術(shù)的交通檢測(cè)是計(jì)算機(jī)視覺(jué)技術(shù)應(yīng)用于智能交通系統(tǒng)的一個(gè)典型的實(shí)例，基于視頻技術(shù)的交通檢測(cè)通過(guò)攝像機(jī)拍攝道路交通圖像，采用圖像處理技術(shù)對(duì)道路交通圖像進(jìn)行處理，自動(dòng)檢測(cè)車(chē)輛。應(yīng)用廣泛，可用于路口交通監(jiān)控系統(tǒng)、車(chē)輛自動(dòng)導(dǎo)航系統(tǒng)、車(chē)輛輔助駕駛系統(tǒng)、停車(chē)場(chǎng)車(chē)輛調(diào)度監(jiān)控系統(tǒng)等等，機(jī)動(dòng)靈活，優(yōu)點(diǎn)繁多，有很大的應(yīng)用前景。具體如下：（1）監(jiān)測(cè)效率高。相較于人工檢測(cè)方法，基于視頻技術(shù)的交通教程提高了監(jiān)測(cè)效率，節(jié)省了許多人力，物力，降低了成本；同時(shí)還能進(jìn)行其他違章行為的監(jiān)測(cè)，比如闖紅燈、交通事故等。（2）監(jiān)測(cè)范圍大。可同時(shí)進(jìn)行路口和路段的監(jiān)測(cè)。（3）施工方便、周期短。不需進(jìn)行路面改造，不會(huì)損害公路設(shè)施，降低了施工時(shí)間，縮短了施工周期。（4）信號(hào)傳輸方式多，傳輸速度快?？梢岳猛S電纜、雙絞線、光纖或者無(wú)線射頻等多種方式進(jìn)行視頻信號(hào)的傳輸，傳輸速度更加快捷。（5）可進(jìn)行后續(xù)處理。能夠提供現(xiàn)場(chǎng)情況錄像，可供專(zhuān)家進(jìn)行現(xiàn)場(chǎng)情況后續(xù)分析。1.2本論文的結(jié)構(gòu)，本文緒論部分。主要闡述了智能交通系統(tǒng)的背景、現(xiàn)狀和意義以及車(chē)輛檢測(cè)和跟蹤技術(shù)的發(fā)展趨勢(shì)，還介紹了論文的結(jié)構(gòu)安排。，詳細(xì)介紹了目前常用的目標(biāo)檢測(cè)算法和目標(biāo)跟蹤算法，還對(duì)系統(tǒng)中涉及到了一些關(guān)鍵技術(shù)進(jìn)行了簡(jiǎn)單介紹，根據(jù)各自的優(yōu)缺點(diǎn)選取最適合的方法進(jìn)行實(shí)現(xiàn)。，系統(tǒng)需求分析。本章通過(guò)對(duì)圖像處理系統(tǒng)的功能分析，提出了智能小車(chē)視頻信號(hào)分解與處理系統(tǒng)的主要功能需求，分別是文件打開(kāi)、背景提取、小車(chē)檢測(cè)、小車(chē)跟蹤、繪制軌跡。通過(guò)對(duì)這些功能的描述使得智能小車(chē)視頻信號(hào)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(jì)。本章主要介紹了智能小車(chē)視頻信號(hào)分解與處理系統(tǒng)的設(shè)計(jì)，首先是對(duì)系統(tǒng)架構(gòu)的設(shè)計(jì)，其中包括總體結(jié)構(gòu)和系統(tǒng)流程的設(shè)計(jì)，然后是分別對(duì)文件打開(kāi)模塊、背景提取模塊、車(chē)輛跟蹤與檢測(cè)模塊、軌跡繪制模塊做了詳細(xì)的設(shè)計(jì)。通過(guò)本章內(nèi)容不僅可以了解智能小車(chē)視頻信號(hào)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(xì)功能。，系統(tǒng)實(shí)現(xiàn)。本章主要介紹了智能小車(chē)視頻信號(hào)分解與處理系統(tǒng)的具體實(shí)現(xiàn)過(guò)程，介紹了系統(tǒng)的開(kāi)發(fā)環(huán)境的環(huán)境配置，也介紹了各個(gè)功能模塊的實(shí)現(xiàn)，例如變量定義模塊、文件打開(kāi)模塊、背景提取模塊、車(chē)輛跟蹤與檢測(cè)模塊、軌跡繪制模塊的實(shí)現(xiàn)。通過(guò)本章可以對(duì)智能小車(chē)視頻信號(hào)分解與處理系統(tǒng)的整個(gè)實(shí)現(xiàn)過(guò)程有個(gè)詳細(xì)的了解。，應(yīng)用示例。本章主要是對(duì)智能小車(chē)視頻信號(hào)分解與處理系統(tǒng)應(yīng)用的章節(jié)，在本章會(huì)舉一個(gè)例子來(lái)應(yīng)用智能小車(chē)視頻信號(hào)分解與處理系統(tǒng)，通過(guò)此示例能了解智能小車(chē)視頻信號(hào)分解與處理系統(tǒng)的核心技術(shù)，核心功能，同時(shí)能體會(huì)到智能小車(chē)視頻信號(hào)分解與處理系統(tǒng)在處理過(guò)程中的效率，也能在此基礎(chǔ)上進(jìn)行擴(kuò)展。，結(jié)束語(yǔ)。對(duì)論文進(jìn)行總結(jié)，并指出進(jìn)一步的研究課題和未來(lái)展望。

2關(guān)鍵技術(shù)2.1常用目標(biāo)檢測(cè)算法日常生活中，運(yùn)動(dòng)的目標(biāo)無(wú)處不在，利用獲取的圖像對(duì)目標(biāo)進(jìn)行檢測(cè)和識(shí)別能夠被應(yīng)用于各個(gè)領(lǐng)域中，有著巨大的實(shí)用價(jià)值?；谟?jì)算機(jī)視覺(jué)的對(duì)運(yùn)動(dòng)目標(biāo)的檢測(cè)和識(shí)別已經(jīng)具備了技術(shù)可行性和經(jīng)濟(jì)可行性，對(duì)此的研究也越來(lái)越多，而運(yùn)動(dòng)目標(biāo)檢測(cè)和識(shí)別已經(jīng)發(fā)展成為計(jì)算機(jī)視覺(jué)中的一個(gè)基礎(chǔ)的、關(guān)鍵的任務(wù)，甚至可以說(shuō)是視覺(jué)系統(tǒng)的一個(gè)重要功能。智能小車(chē)檢測(cè)的目標(biāo)是把圖像序列當(dāng)中的運(yùn)動(dòng)目標(biāo)——智能小車(chē)從背景圖像中檢測(cè)出來(lái)。現(xiàn)目前，主要分為攝像頭隨目標(biāo)移動(dòng)以及攝像頭相對(duì)處于靜止?fàn)顟B(tài)兩類(lèi)。前者，需要始終保持目標(biāo)在圖像的中心附近，例如制導(dǎo)系統(tǒng)，攝像頭必須安裝在導(dǎo)彈上，并隨導(dǎo)彈實(shí)時(shí)移動(dòng)。而后者，只能對(duì)視場(chǎng)內(nèi)的目標(biāo)進(jìn)行檢測(cè)和定位，例如路口電子警察，攝像頭安裝于路燈或?qū)Ｓ脵z測(cè)區(qū)域。目前絕大多數(shù)小車(chē)檢測(cè)跟蹤算法的研究都是基于第二種情況的。然而，要實(shí)現(xiàn)對(duì)運(yùn)動(dòng)目標(biāo)的檢測(cè)卻有很多的困難，例如圖像獲取時(shí)的光照的變化、光照下運(yùn)動(dòng)目標(biāo)的影子、攝像機(jī)錄制過(guò)程出現(xiàn)抖動(dòng)等等，都會(huì)對(duì)目標(biāo)的正確檢測(cè)產(chǎn)生影響。同時(shí)，為了進(jìn)行進(jìn)一步的跟蹤處理，必須正確快速地檢測(cè)出運(yùn)動(dòng)目標(biāo)。因此，對(duì)于運(yùn)動(dòng)目標(biāo)的檢測(cè)和識(shí)別是計(jì)算機(jī)視覺(jué)研究中的一項(xiàng)重要課題。目前常見(jiàn)的運(yùn)動(dòng)目標(biāo)的檢測(cè)方法主要有幀差分法、背景差分法。如下所述：2.1.1幀差法幀差法是目前最為常用的一種運(yùn)動(dòng)目標(biāo)檢測(cè)和分割方法。基本思想就是：通過(guò)對(duì)一個(gè)圖像序列連續(xù)相鄰的兩幀或者三幀間的圖像像素做差，去除掉其中靜止或移動(dòng)相對(duì)緩慢的物體，得到一個(gè)差值圖像，然后對(duì)該差值圖像進(jìn)行二值化處理，若此時(shí)的像素值大于某一閾值，則可以用此像素值表示運(yùn)動(dòng)目標(biāo)，達(dá)到檢測(cè)的目的。由于連續(xù)相鄰兩幀間的時(shí)間間隔很短，用當(dāng)前幀的前一幀圖像作為背景模型進(jìn)行差值計(jì)算有很好的實(shí)時(shí)性，而且背景實(shí)時(shí)更新，且計(jì)算量很小、速度很快、算法的實(shí)現(xiàn)相對(duì)簡(jiǎn)單，還可以避免光照變化影響。但是缺點(diǎn)就是不能對(duì)靜止不動(dòng)的車(chē)輛進(jìn)行檢測(cè)，必須要是運(yùn)動(dòng)的車(chē)輛才可以進(jìn)行檢測(cè)，處理的效果和車(chē)速相關(guān)，車(chē)速必須適中，才能檢測(cè)，過(guò)快，可能會(huì)對(duì)目標(biāo)圖像進(jìn)行誤分割，達(dá)不到檢測(cè)的效果，而過(guò)慢，會(huì)造成圖像的覆蓋過(guò)多，對(duì)檢測(cè)產(chǎn)生影響。幀差法原理如下：圖2-1幀差法原理2.1.2背景差分法背景差分法也是目前最為常用的一種運(yùn)動(dòng)目標(biāo)檢測(cè)方法，通過(guò)對(duì)圖像序列中的當(dāng)前幀圖像（輸入圖像）和背景參考模型（背景圖像）的圖像像素做差，從中分割出前景目標(biāo)來(lái)檢測(cè)運(yùn)動(dòng)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(cè)的效果。由于圖像很容易受到外界其他因素的干擾，例如：光照、攝像機(jī)抖動(dòng)等，使得背景的提取變得比較困難。其原理如下：圖2-2背景差分法原理相較于幀差方法，背景差分法有不受車(chē)速快慢的限制、可以檢測(cè)出短時(shí)間內(nèi)處于靜止?fàn)顟B(tài)的車(chē)輛、簡(jiǎn)化算法降低計(jì)算量和滿足視頻檢測(cè)的實(shí)時(shí)性要求等優(yōu)點(diǎn)。但是在實(shí)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(jì)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?qǐng)D像像素灰度值進(jìn)行從小到大的排序，選取中間值作為背景圖像中對(duì)應(yīng)像素點(diǎn)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。2.2常用目標(biāo)跟蹤算法運(yùn)動(dòng)目標(biāo)跟蹤就是在視頻圖像序列中實(shí)時(shí)地發(fā)現(xiàn)并標(biāo)記運(yùn)動(dòng)目標(biāo)，在幀與幀之間建立車(chē)輛運(yùn)動(dòng)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(jì)算出運(yùn)動(dòng)目標(biāo)的軌跡。目前運(yùn)動(dòng)目標(biāo)跟蹤的方法有很多，針對(duì)視頻圖像中運(yùn)動(dòng)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(lái)表達(dá)運(yùn)動(dòng)目標(biāo)?；诹Ⅲw模型的跟蹤方法被應(yīng)用于估計(jì)運(yùn)動(dòng)目標(biāo)的運(yùn)動(dòng)，從二維圖像中推斷出運(yùn)動(dòng)目標(biāo)的立體形狀?；谀Ｐ偷姆椒ǖ膬?yōu)點(diǎn)是能夠利用模型知識(shí)在復(fù)雜駕駛和明顯交通堵塞等情形下也能跟蹤到結(jié)果，缺點(diǎn)是計(jì)算工作量大，實(shí)時(shí)性較差、穩(wěn)健性不夠高，攝像機(jī)的微小角度變化就可能造成檢測(cè)失敗、遮擋情況下會(huì)發(fā)生誤檢。2.2.2基于動(dòng)態(tài)輪廓跟蹤基于動(dòng)態(tài)輪廓跟蹤的思想就是利用封閉的曲線輪廓來(lái)表達(dá)目標(biāo)，并可以自動(dòng)連續(xù)的進(jìn)行輪廓更新?；趧?dòng)態(tài)輪廓的方法相較于基于區(qū)域，計(jì)算復(fù)雜度小，如果開(kāi)始階段能夠合理的分開(kāi)每個(gè)運(yùn)動(dòng)目標(biāo)并實(shí)現(xiàn)輪廓初始化，在部分遮擋的情況下也能連續(xù)進(jìn)行跟蹤，只是不易于對(duì)輪廓進(jìn)行初始化。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(gè)物體與某個(gè)運(yùn)動(dòng)區(qū)域相聯(lián)系，然后對(duì)該區(qū)域進(jìn)行跟蹤。區(qū)域跟蹤實(shí)現(xiàn)較為簡(jiǎn)單，在許多系統(tǒng)中得到了廣泛的應(yīng)用。基于區(qū)域的跟蹤方法對(duì)遮擋問(wèn)題不敏感，能夠改善圖像的分割，而且該方法是在跟蹤目標(biāo)之前完成最后的圖像分割，在形狀突變或者目標(biāo)突然消失的情形下也能正確分割圖像，缺點(diǎn)是出現(xiàn)大車(chē)影子對(duì)小車(chē)地遮擋情況將不利于車(chē)輛的跟蹤。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(guò)程。在彩色圖像中，R、G、B三個(gè)分量決定了每個(gè)像素的顏色，每個(gè)分量有255個(gè)值，每個(gè)像素點(diǎn)的變化范圍就可以達(dá)到1600多萬(wàn)（255*255*255）；而灰度圖像中，R=G=B，一個(gè)像素點(diǎn)的變化范圍就只有255，因此對(duì)圖像進(jìn)行灰度處理將大大的減少后續(xù)圖像的計(jì)算量，不足之處就是會(huì)使圖像失真。灰度圖像處理一般可用求R、G、B分量的平均值和RBG與YUV顏色空間的變化關(guān)系兩種方法來(lái)實(shí)現(xiàn)。2.3.2高斯平滑由于攝像機(jī)獲取的視頻是來(lái)源于室外環(huán)境，不可避免的會(huì)受到噪聲、光照變化等客觀因素的影響，數(shù)字化后的圖像肯定會(huì)多多少少帶有噪聲，因此在圖像處理中都會(huì)進(jìn)行濾波降噪處理，而高斯平滑是其中比較常用的方法。在圖像處理中，一般通過(guò)離散化窗口滑窗卷積和傅里葉變換兩種方式實(shí)現(xiàn)。2.3.3二值化處理圖像的二值化，就是將圖像上的像素點(diǎn)的灰度值設(shè)置為0或255，讓整個(gè)圖像只呈現(xiàn)黑白的視覺(jué)效果，在一幅圖像中，不單有目標(biāo)物體和背景，還有噪聲等其他因素，為了更好的直接提取出目標(biāo)物體，通過(guò)設(shè)定一個(gè)閾值T，將圖像的數(shù)據(jù)分成大于T和小于T的兩個(gè)像素群，分別反映圖像整體和局部的特征。二值化的應(yīng)用非常的廣泛，是圖像處理的基本操作。2.3.4開(kāi)閉和運(yùn)算數(shù)學(xué)形態(tài)學(xué)是以形態(tài)為基礎(chǔ)對(duì)圖像進(jìn)行分析的數(shù)學(xué)工具，其中的開(kāi)閉運(yùn)算一般被用來(lái)完成對(duì)二值化后的圖像的補(bǔ)空洞的處理?；镜男螒B(tài)學(xué)運(yùn)算就是膨脹和腐蝕。腐蝕運(yùn)算可以消除邊界點(diǎn)，使邊界內(nèi)部收縮，腐蝕一般用來(lái)消除細(xì)小并且沒(méi)有意義的目標(biāo)。在OpenCV中可調(diào)用cvErode函數(shù)來(lái)對(duì)圖像進(jìn)行腐蝕運(yùn)算。而膨脹運(yùn)算和腐蝕運(yùn)算相反，則是合并接觸的背景點(diǎn)，使邊界向外擴(kuò)張，填補(bǔ)目標(biāo)區(qū)域當(dāng)中出現(xiàn)的漏洞。在OpenCV中則通過(guò)調(diào)用cvDilate函數(shù)來(lái)實(shí)現(xiàn)。2.4本章小結(jié)本章對(duì)智能小車(chē)視頻信號(hào)分解與處理系統(tǒng)中用到的關(guān)鍵技術(shù)，視頻圖像中運(yùn)動(dòng)目標(biāo)的檢測(cè)與跟蹤技術(shù)做了詳細(xì)敘述，并對(duì)系統(tǒng)中出現(xiàn)的一些算法做了簡(jiǎn)單的敘述，介紹了各自的優(yōu)缺點(diǎn)以及使用范圍。

3系統(tǒng)需求分析需求分析是一項(xiàng)重要且困難的工作。本章通過(guò)對(duì)圖像處理系統(tǒng)的功能分析，提出了智能小車(chē)視頻信號(hào)分解與處理系統(tǒng)的主要功能需求，分別是文件打開(kāi)、背景提取、小車(chē)檢測(cè)、小車(chē)跟蹤、繪制軌跡。通過(guò)對(duì)這些功能的描述使得智能小車(chē)視頻信號(hào)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(chē)視頻信號(hào)分解與處理是基于windows的應(yīng)用程序，主要處理的是AVI格式的視頻文件，并對(duì)視頻文件中的運(yùn)動(dòng)目標(biāo)進(jìn)行實(shí)時(shí)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(duì)視頻前幾幀進(jìn)行處理，獲取背景圖像。通過(guò)背景差分法得到前景目標(biāo)圖像。對(duì)前景圖像進(jìn)行處理，檢測(cè)和分割出目標(biāo)圖像。對(duì)目標(biāo)圖像進(jìn)行實(shí)時(shí)跟蹤，并繪制出軌跡。圖3-1系統(tǒng)總體結(jié)構(gòu)3.2系統(tǒng)處理流程分析本系統(tǒng)是一個(gè)應(yīng)用程序，主要實(shí)現(xiàn)上述對(duì)視頻文件的中運(yùn)動(dòng)目標(biāo)的分解與處理，達(dá)到檢測(cè)與跟蹤的效果。從載入一個(gè)視頻文件到最后得到視頻文件中運(yùn)動(dòng)小車(chē)的軌跡，整個(gè)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(gè)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(duì)幀圖像的有效性要進(jìn)行判斷。如果是有效的就可以提取視頻圖像背景了，這時(shí)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(duì)值差求出前景目標(biāo)小車(chē)了。為了更好的獲取前景目標(biāo)小車(chē)，還必須進(jìn)行開(kāi)閉和運(yùn)算，腐蝕和膨脹運(yùn)算對(duì)處理過(guò)程的空洞部分進(jìn)行填補(bǔ)。最后采用基于動(dòng)態(tài)輪廓的思想，通過(guò)計(jì)算中心點(diǎn)和小車(chē)四周的點(diǎn)的判斷對(duì)小車(chē)進(jìn)行實(shí)時(shí)跟蹤，并掃描跟蹤中心點(diǎn)數(shù)組，繪制出小車(chē)運(yùn)動(dòng)軌跡。圖3-2系統(tǒng)流程圖3.7本章小結(jié)本章主要描述了智能小車(chē)視頻信號(hào)分解與處理系統(tǒng)的需求分析，通過(guò)對(duì)文件打開(kāi)、背景提取、小車(chē)檢測(cè)、小車(chē)跟蹤、繪制軌跡的分析使得智能小車(chē)視頻信號(hào)分解與處理系統(tǒng)的功能明確。通過(guò)這章的內(nèi)容可以了解到智能小車(chē)視頻信號(hào)分解與處理系統(tǒng)的基本功能和所需要實(shí)現(xiàn)的目標(biāo)。

4系統(tǒng)設(shè)計(jì)本章主要介紹了智能小車(chē)視頻信號(hào)分解與處理系統(tǒng)的設(shè)計(jì)，首先是對(duì)系統(tǒng)架構(gòu)的設(shè)計(jì)，其中包括總體結(jié)構(gòu)和系統(tǒng)流程的設(shè)計(jì)，然后是分別對(duì)文件打開(kāi)模塊、背景提取模塊、車(chē)輛跟蹤與檢測(cè)模塊、軌跡繪制模塊做了詳細(xì)的設(shè)計(jì)。通過(guò)本章內(nèi)容不僅可以了解智能小車(chē)視頻信號(hào)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(xì)功能。4.1系統(tǒng)架構(gòu)本節(jié)主要是對(duì)智能小車(chē)視頻信號(hào)分解與處理系統(tǒng)在系統(tǒng)架構(gòu)上的說(shuō)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(duì)系統(tǒng)各個(gè)模塊功能的說(shuō)明，系統(tǒng)流程是對(duì)系統(tǒng)整個(gè)工作步驟的說(shuō)明，通過(guò)這兩部分的說(shuō)明將體現(xiàn)出系統(tǒng)的整個(gè)架構(gòu)和流程。4.1.1總體結(jié)構(gòu)本小節(jié)主要是對(duì)智能小車(chē)視頻信號(hào)分解與處理系統(tǒng)的總體結(jié)構(gòu)做詳細(xì)的描述，總體結(jié)構(gòu)是指系統(tǒng)中實(shí)現(xiàn)功能的分層架構(gòu)，此系統(tǒng)一共包括5個(gè)模塊，如圖4-1所示。圖4-1智能小車(chē)視頻信號(hào)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(chē)視頻信號(hào)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(chē)檢查、智能小車(chē)分割、智能小車(chē)跟蹤、繪制軌跡。從圖中可以看出此系統(tǒng)的重難點(diǎn)主要就在于這5個(gè)模塊。4.1.2系統(tǒng)流程本節(jié)主要是介紹了智能小車(chē)視頻信號(hào)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(chē)視頻信號(hào)分解與處理系統(tǒng)從開(kāi)始載入一個(gè)視頻文件，到最后視頻播放完畢繪制出軌跡的整個(gè)過(guò)程。具體的流程如下圖4-4所示：圖4-2系統(tǒng)流程雖然系統(tǒng)載入的是視頻文件，但實(shí)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(jìn)行處理，利用背景差分法獲取前景目標(biāo)，并用開(kāi)閉和運(yùn)算腐蝕和膨脹進(jìn)一步分割出前景圖像，然后提前中心點(diǎn)，并用此中心點(diǎn)繪制圖像。4.2文件打開(kāi)模塊的設(shè)計(jì)文件打開(kāi)模塊主要就是打開(kāi)一個(gè)視頻文件，然后從文件讀出幀文件，因?yàn)榻酉聛?lái)需要處理的都是幀圖像，所以文件打開(kāi)模塊就顯得非常重要。具體流程如下：圖4-3文件打開(kāi)模塊流程4.3背景提取模塊的設(shè)計(jì)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(guò)求多幅圖像的像素點(diǎn)均值得到、求多幅圖像的像素點(diǎn)中值、建立自適應(yīng)模型。本課題選用的是通過(guò)多幅圖像的像素點(diǎn)均值得到的背景模型，可以用如下公式表示：其中，表示時(shí)刻的背景圖像幀，表示時(shí)刻的輸入圖像幀，表示幀的總數(shù)。一般通過(guò)攝像機(jī)采集的圖像，不僅增大了內(nèi)存的開(kāi)銷(xiāo)，也大大的降低了處理速度。為了使后續(xù)圖像的計(jì)算量小一點(diǎn)，還調(diào)用了灰度轉(zhuǎn)化函數(shù)，進(jìn)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(guò)程。在彩色圖像中，R、G、B三個(gè)分量決定了每個(gè)像素的顏色，每個(gè)分量有255個(gè)值，每個(gè)像素點(diǎn)的變化范圍就可以達(dá)到1600多萬(wàn)（255*255*255）；而灰度圖像中，R=G=B，一個(gè)像素點(diǎn)的變化范圍就只有255，因此對(duì)圖像進(jìn)行灰度處理將大大的減少后續(xù)圖像的計(jì)算量，不足之處就是會(huì)使圖像失真?；叶葓D像處理一般可用求R、G、B分量的平均值和RBG與YUV顏色空間的變化關(guān)系兩種方法來(lái)實(shí)現(xiàn)。由于原始圖像在獲取和傳輸?shù)倪^(guò)程中會(huì)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(duì)圖像進(jìn)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(lái)選擇權(quán)值的線性平滑濾波器，對(duì)出去服從正態(tài)分布的噪聲很有效果，對(duì)圖像處理來(lái)說(shuō)，常用的是二維零均值離散高斯函數(shù)，表達(dá)式如下：由于目前的還是幀圖像，要進(jìn)行圖像的累加，必須進(jìn)行格式轉(zhuǎn)換。接著，就可以求這多幅像素點(diǎn)的均值得到背景圖像了。背景獲取流程如下：圖4-4背景獲取模塊流程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(jìn)行幀數(shù)統(tǒng)計(jì)，接著判斷是否是第一幀，若是第一幀，就要先申請(qǐng)內(nèi)存，進(jìn)行圖像的初始化，若不是，就對(duì)圖像進(jìn)行灰度處理，簡(jiǎn)單化計(jì)算量，并用高斯平滑去噪，然后格式轉(zhuǎn)換為數(shù)組，進(jìn)行圖像的累加預(yù)算，最后通過(guò)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(chē)檢測(cè)與跟蹤模塊的設(shè)計(jì)智能小車(chē)檢測(cè)的目標(biāo)是把圖像序列當(dāng)中的運(yùn)動(dòng)目標(biāo)——智能小車(chē)從背景圖像中檢測(cè)出來(lái)。現(xiàn)目前，主要分為攝像頭隨目標(biāo)移動(dòng)，攝像頭相對(duì)處于靜止?fàn)顟B(tài)兩類(lèi)。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(duì)視場(chǎng)內(nèi)的目標(biāo)進(jìn)行檢測(cè)和定位。本課題選用的是第二種情況攝像頭相對(duì)處于靜止?fàn)顟B(tài)下的背景差分法。背景差分法是運(yùn)動(dòng)目標(biāo)檢測(cè)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(jìn)行比較，然后得到前景運(yùn)動(dòng)目標(biāo)。為了接下來(lái)分割的進(jìn)一步處理，還需對(duì)得到的前景運(yùn)動(dòng)目標(biāo)圖像進(jìn)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(diǎn)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(jiǎn)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(jìn)一步處理，有助于接下來(lái)的圖像的分割。智能小車(chē)檢測(cè)流程如下：圖4-5檢測(cè)模塊流程首先，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(duì)幀圖像進(jìn)行灰度處理，轉(zhuǎn)換為灰度圖像，減少圖像的計(jì)算量，接著進(jìn)行平滑處理，利用高斯平滑降噪，利用背景差分法，對(duì)當(dāng)前幀圖像和上一步背景建模過(guò)程獲得背景圖像做絕對(duì)值差，得到前景目標(biāo)圖像，然后對(duì)當(dāng)前獲得前景目標(biāo)圖像進(jìn)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(chē)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(jìn)行腐蝕和膨脹運(yùn)算去除雜點(diǎn)。因?yàn)楦g可以消除邊界點(diǎn)，使邊界內(nèi)部收縮，腐蝕一般用來(lái)消除細(xì)小并且沒(méi)有意義的目標(biāo)。在OpenCV中可調(diào)用cvErode()函數(shù)來(lái)對(duì)圖像進(jìn)行腐蝕運(yùn)算。而膨脹和腐蝕相反，則是合并接觸的背景點(diǎn)，使邊界向外擴(kuò)張，填補(bǔ)目標(biāo)區(qū)域當(dāng)中出現(xiàn)的漏洞。在OpenCV中則通過(guò)調(diào)用cvDilate()函數(shù)來(lái)實(shí)現(xiàn)。具體流程如下：圖4-6分割模塊流程利用小車(chē)檢測(cè)模塊獲得的小車(chē)前景目標(biāo)圖像，對(duì)前景目標(biāo)圖像做腐蝕和膨脹運(yùn)算，去除雜點(diǎn)，分割出小車(chē)，達(dá)到智能小車(chē)分割的目的。智能小車(chē)的跟蹤就是在視頻圖像序列中實(shí)時(shí)地發(fā)現(xiàn)運(yùn)動(dòng)小車(chē)并將其標(biāo)記出來(lái)?，F(xiàn)目前，針對(duì)視頻圖像運(yùn)動(dòng)目標(biāo)跟蹤有很多種方法，比較常用的有基于模型、基于區(qū)域、基于特征和基于動(dòng)態(tài)輪廓等方法。本課題選用的是基于動(dòng)態(tài)輪廓的跟蹤方法。在基于動(dòng)態(tài)輪廓方法中，為了表達(dá)運(yùn)動(dòng)運(yùn)動(dòng)目標(biāo)，利用的是一個(gè)能夠自動(dòng)連續(xù)實(shí)時(shí)更新的封閉的曲線輪廓。此方法的優(yōu)點(diǎn)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(jìn)行跟蹤，而缺點(diǎn)則是輪廓的初始化比較困難。具體流程如下：圖4-7車(chē)輛跟蹤模塊流程首先，對(duì)目標(biāo)圖像進(jìn)行邊緣檢測(cè)，發(fā)現(xiàn)輸入圖像的邊緣并在輸出圖像中識(shí)別這些邊緣。因?yàn)槭怯眯≤?chē)的中心點(diǎn)坐標(biāo)來(lái)表示小車(chē)的，所以計(jì)算出小車(chē)的中心點(diǎn)。然后對(duì)中心點(diǎn)圖像進(jìn)行清零，初始化為黑色。判斷是否有五個(gè)點(diǎn)，因?yàn)椴捎玫闹行狞c(diǎn)思想，需對(duì)車(chē)輛邊緣輪廓所以點(diǎn)進(jìn)行統(tǒng)計(jì)，并求出中心點(diǎn)，考慮到汽車(chē)是長(zhǎng)方形的，因此只需用五個(gè)點(diǎn)就可以表示小車(chē)了。因此用判斷是否有五個(gè)點(diǎn)來(lái)證明是否有運(yùn)動(dòng)小車(chē)，對(duì)小車(chē)進(jìn)行跟蹤。然后再將這五個(gè)點(diǎn)設(shè)置為白色，進(jìn)行標(biāo)記即可。4.5繪制軌跡模塊的設(shè)計(jì)繪制軌跡是系統(tǒng)的最終目標(biāo)。由于在跟蹤過(guò)程中已經(jīng)取得中心點(diǎn)，并保存進(jìn)了一個(gè)專(zhuān)門(mén)的數(shù)組，因此只需對(duì)此數(shù)組進(jìn)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(shí)際運(yùn)動(dòng)路線和軌跡的對(duì)比效果。具體流程如下：圖4-8軌跡繪制模塊流程首先，申請(qǐng)內(nèi)存，創(chuàng)建一個(gè)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(chǔ)小車(chē)運(yùn)動(dòng)軌跡的數(shù)組，按照里面的數(shù)值繪制小車(chē)運(yùn)動(dòng)軌跡曲線。4.6本章小結(jié)本章主要詳細(xì)介紹了智能小車(chē)視頻信號(hào)分解與處理系統(tǒng)的設(shè)計(jì)，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(gè)架構(gòu)，這兩個(gè)架構(gòu)只有在同時(shí)存在的情形下才能夠構(gòu)成整個(gè)框架的架構(gòu)。然后分別對(duì)每個(gè)模塊做了詳細(xì)的設(shè)計(jì)如文件打開(kāi)模塊、背景提取模塊、智能小車(chē)檢測(cè)與跟蹤模塊、繪制軌跡模塊。5系統(tǒng)實(shí)現(xiàn)本章主要介紹了智能小車(chē)視頻信號(hào)分解與處理系統(tǒng)的具體實(shí)現(xiàn)過(guò)程，介紹了系統(tǒng)的開(kāi)發(fā)環(huán)境的環(huán)境配置，也介紹了各個(gè)功能模塊的實(shí)現(xiàn)，例如變量定義模塊、文件打開(kāi)模塊、背景提取模塊、車(chē)輛跟蹤與檢測(cè)模塊、軌跡繪制模塊的實(shí)現(xiàn)。通過(guò)本章可以對(duì)智能小車(chē)視頻信號(hào)分解與處理系統(tǒng)的整個(gè)實(shí)現(xiàn)過(guò)程有個(gè)詳細(xì)的了解。5.1環(huán)境配置本節(jié)主要介紹要使用智能小車(chē)視頻信號(hào)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(yùn)行系統(tǒng)。在運(yùn)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(xiàng)目文件運(yùn)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(gè)my文件夾，設(shè)置wheretobuildthebinaries路徑為此文件夾路徑。然后點(diǎn)擊Configure，在彈出的對(duì)話框中選擇VisualStudio92008?？筛鶕?jù)操作系統(tǒng)修改選項(xiàng)，修改后再次選擇“Congfigure”，完成后選擇“Generate”。圖5-1CMake主界面編譯OpenCVDebug和Release版本庫(kù)完成上一步驟后，系統(tǒng)會(huì)在my文件夾下生成OpenCV.sln的解決方案文件，啟動(dòng)VisualStudio2008開(kāi)發(fā)環(huán)境，打開(kāi)OpenCV.sln，在Debug下，右鍵解決方案“OpenCV”，運(yùn)行"重新生成解決方案"；如編譯無(wú)誤，再選擇此項(xiàng)目，運(yùn)行“生成解決方案”。在Release下，同上操作。當(dāng)全部都運(yùn)行完畢后，針對(duì)此系統(tǒng)的OpenCV庫(kù)就生成了。圖5-2OpenCV庫(kù)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(xiàng)”→“項(xiàng)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圖5-3配置包含文件配置lib路徑，何處去找OpenCV的庫(kù)文件。選擇菜單“工具”→“選項(xiàng)”→“項(xiàng)目和解決方案”→“VC++目錄”→“庫(kù)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圖5-4配置庫(kù)文件步驟三：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圖5-5配置環(huán)境變量步驟四：OpenCV編程。新建一個(gè)項(xiàng)目，右鍵項(xiàng)目，選擇屬性→鏈接器→輸入→附加依賴(lài)項(xiàng)，分別在Debug和Release項(xiàng)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(shí)際需要?jiǎng)h減）。圖5-6鏈接附加依賴(lài)項(xiàng)以上是對(duì)數(shù)字圖像處理系統(tǒng)環(huán)境配置的核心步驟說(shuō)明，通過(guò)這些配置后可以開(kāi)發(fā)數(shù)字圖像處理系統(tǒng)，這只是一個(gè)基本環(huán)境配置的要求。通過(guò)這些配置可以了解到智能小車(chē)視頻信號(hào)分解與處理系統(tǒng)運(yùn)行環(huán)境的基本要求。5.2文件打開(kāi)模塊的實(shí)現(xiàn)本節(jié)主要介紹了文件打開(kāi)模塊的實(shí)現(xiàn)過(guò)程，實(shí)現(xiàn)的功能為從攝像機(jī)或視頻文件中讀取幀所需的信息。在打開(kāi)一個(gè)視頻的時(shí)候，可以選擇是用攝像頭直接獲取，也可以讀取一個(gè)錄好的視頻。用攝像頭直接獲取，在OpenCV中通過(guò)調(diào)用CvCaptureFromCAM(-1)函數(shù)實(shí)現(xiàn)；而讀入一個(gè)錄好的視頻，通過(guò)調(diào)用CvCaptureFromFile()函數(shù)實(shí)現(xiàn),其中的參數(shù)為視頻文件的存儲(chǔ)路徑。5.3背景提取模塊的實(shí)現(xiàn)本節(jié)介紹了背景提取模塊的實(shí)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(duì)讀入的當(dāng)前幀圖像進(jìn)行灰度圖像處理簡(jiǎn)化計(jì)算量，在OpenCV中可以通過(guò)調(diào)用cvCvtColor()函數(shù)實(shí)現(xiàn)，并使用高斯平滑進(jìn)行降噪處理，通過(guò)調(diào)用cvSmooth()函數(shù)。其次，因?yàn)橐M(jìn)行圖像的累加運(yùn)算，必須先對(duì)圖像進(jìn)行格式轉(zhuǎn)換，在OpenCV里可以通過(guò)調(diào)用cvCvtScale()函數(shù)實(shí)現(xiàn)，然后就可以進(jìn)行累加和求均值的運(yùn)算了，這里都是通過(guò)調(diào)用OpenCV中cvAcc()和cvConvertScale()函數(shù)實(shí)現(xiàn)。5.4智能小車(chē)檢測(cè)與跟蹤模塊的實(shí)現(xiàn)智能小車(chē)檢測(cè)與跟蹤模塊是智能小車(chē)視頻信號(hào)分解與處理系統(tǒng)的核心功能。這一模塊實(shí)現(xiàn)了對(duì)小車(chē)的檢測(cè)、分割、跟蹤功能。下面介紹各功能并實(shí)現(xiàn)過(guò)程。首先需要對(duì)讀入的當(dāng)前幀圖像進(jìn)行灰度圖像處理簡(jiǎn)化計(jì)算量，在OpenCV中可以通過(guò)調(diào)用cvCvtColor()函數(shù)實(shí)現(xiàn)，并使用高斯平滑進(jìn)行降噪處理，通過(guò)調(diào)用cvSmooth()函數(shù)。檢測(cè)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(duì)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(duì)前景圖像進(jìn)行二值化處理，黑白化幀圖像。通過(guò)調(diào)用cvThreshold()函數(shù)實(shí)現(xiàn)。 分割功能一般需要去除圖像雜點(diǎn)。因?yàn)楦g可以消除邊界點(diǎn)，使邊界內(nèi)部收縮，腐蝕一般用來(lái)消除細(xì)小并且沒(méi)有意義的目標(biāo)。在OpenCV中可調(diào)用cvErode()函數(shù)來(lái)對(duì)圖像進(jìn)行腐蝕運(yùn)算。而膨脹和腐蝕相反，則是合并接觸的背景點(diǎn)，使邊界向外擴(kuò)張，填補(bǔ)目標(biāo)區(qū)域當(dāng)中出現(xiàn)的漏洞。在OpenCV中則通過(guò)調(diào)用cvDilate()函數(shù)來(lái)實(shí)現(xiàn)。跟蹤功能選用的是基于動(dòng)態(tài)輪廓的跟蹤方法，達(dá)到實(shí)時(shí)跟蹤運(yùn)動(dòng)目標(biāo)的功能。首先，對(duì)目標(biāo)圖像進(jìn)行邊緣檢測(cè)，可通過(guò)調(diào)用cvCanny()函數(shù)實(shí)現(xiàn)，發(fā)現(xiàn)輸入圖像的邊緣并在輸出圖像中識(shí)別這些邊緣。因?yàn)槭怯眯≤?chē)的中心點(diǎn)坐標(biāo)來(lái)表示小車(chē)的，所以計(jì)算出小車(chē)的中心點(diǎn)，可通過(guò)一個(gè)for循環(huán)實(shí)現(xiàn)。然后對(duì)中心點(diǎn)圖像進(jìn)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(gè)點(diǎn)，因?yàn)椴捎玫闹行狞c(diǎn)思想，需對(duì)車(chē)輛邊緣輪廓所以點(diǎn)進(jìn)行統(tǒng)計(jì)，并求出中心點(diǎn)，考慮到汽車(chē)是長(zhǎng)方形的，因此只需用五個(gè)點(diǎn)就可以表示小車(chē)了。因此用判斷是否有五個(gè)點(diǎn)來(lái)證明是否有運(yùn)動(dòng)小車(chē)，對(duì)小車(chē)進(jìn)行跟蹤。然后再將這五個(gè)點(diǎn)設(shè)置為白色，進(jìn)行標(biāo)記即可。5.5軌跡繪制模塊的實(shí)現(xiàn)繪制軌跡模塊實(shí)現(xiàn)了對(duì)小車(chē)的運(yùn)動(dòng)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(guò)程中已經(jīng)取得中心點(diǎn)，并保存進(jìn)了一個(gè)專(zhuān)門(mén)的數(shù)組，因此只需對(duì)此數(shù)組進(jìn)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(shí)際運(yùn)動(dòng)路線和軌跡的對(duì)比效果。5.6本章小結(jié)本章主要是對(duì)智能小車(chē)視頻信號(hào)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(xì)說(shuō)明，通過(guò)這些說(shuō)明可以看出智能小車(chē)視頻信號(hào)處理與分解系統(tǒng)中的核心功能和代碼生成的特色，在開(kāi)發(fā)數(shù)字圖像處理系統(tǒng)的時(shí)候，這些基本的功能將有助于提高開(kāi)發(fā)效率，為其他功能的完善節(jié)省時(shí)間。當(dāng)然，本章只介紹了系統(tǒng)實(shí)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(duì)智能小車(chē)視頻信號(hào)分解與處理系統(tǒng)應(yīng)用的章節(jié)，在本章會(huì)舉一個(gè)例子來(lái)應(yīng)用智能小車(chē)視頻信號(hào)分解與處理系統(tǒng)，通過(guò)此示例能了解智能小車(chē)視頻信號(hào)分解與處理系統(tǒng)的核心技術(shù)，核心功能，同時(shí)能體會(huì)到智能小車(chē)視頻信號(hào)分解與處理系統(tǒng)在處理過(guò)程中的效率，也能在此基礎(chǔ)上進(jìn)行擴(kuò)展。6.1示例概述本節(jié)主要是對(duì)本章中示例的描述，本示例主要是對(duì)一個(gè)攝取的運(yùn)動(dòng)汽車(chē)視頻的應(yīng)用。基本功能要求有：打開(kāi)一個(gè)視頻，獲取幀圖像能夠從視頻中提取背景圖像能夠檢測(cè)和跟蹤運(yùn)動(dòng)目標(biāo)，小車(chē)能夠繪制出小車(chē)運(yùn)動(dòng)的軌跡對(duì)以上這些功能需求在智能小車(chē)視頻信號(hào)分解與處理系統(tǒng)中都能輕而易舉的實(shí)現(xiàn)，其實(shí)現(xiàn)過(guò)程在下一節(jié)中將詳細(xì)介紹。6.2示例實(shí)現(xiàn)過(guò)程使用系統(tǒng)本節(jié)針對(duì)小車(chē)視頻在智能小車(chē)視頻信號(hào)分解與處理系統(tǒng)中的處理過(guò)程做詳細(xì)的描述，每個(gè)步驟都有詳細(xì)的說(shuō)明，下面將分步驟來(lái)描述整個(gè)實(shí)現(xiàn)過(guò)程。圖6-1程序主界面步驟一：讀入一個(gè)視頻點(diǎn)擊“文件”菜單，選擇打開(kāi)，彈出一個(gè)基于windows的對(duì)話框，選中需要進(jìn)行處理的視頻，單擊打開(kāi)按鈕，讀入視頻文件，如圖6-2所示。如果不是AVI格式的視頻，則會(huì)顯示打開(kāi)失敗，如圖6-3所示。圖6-2讀入視頻圖6-3打開(kāi)文件失敗從中可以看出，在錄制視頻后，需對(duì)視頻的格式進(jìn)行轉(zhuǎn)換，只有轉(zhuǎn)換成AVI格式才能讀入視頻，否則就會(huì)打開(kāi)失敗，不能載入視頻。步驟二：對(duì)載入的視頻進(jìn)行背景提取，獲取背景幀圖像。單擊“背景提取”菜單，會(huì)彈出一個(gè)新的和視頻圖像大小一樣的新框，等待幾秒，獲取背景，如圖6-4所示。不能重復(fù)提取背景，如果提取過(guò)背景，會(huì)彈出“背景已經(jīng)提取”的對(duì)話框，如圖6-5所示。圖6-4背景圖像圖6-5已提取背景步驟三：檢測(cè)視頻中出現(xiàn)的運(yùn)動(dòng)目標(biāo)，并對(duì)其進(jìn)行實(shí)時(shí)跟蹤。單擊“檢測(cè)跟蹤”菜單，此時(shí)會(huì)彈出一個(gè)新框，讀入視頻時(shí)打開(kāi)的視頻開(kāi)始播放，隨著小車(chē)出現(xiàn)，開(kāi)始檢測(cè)和跟蹤小車(chē)，小車(chē)用一個(gè)小白點(diǎn)表示，如圖6-6所示。如果已經(jīng)進(jìn)行過(guò)檢測(cè)與跟蹤，會(huì)彈出“車(chē)輛跟蹤已經(jīng)結(jié)束”的對(duì)話框，如圖6-7所示。圖6-6車(chē)輛跟蹤圖6-7車(chē)輛跟蹤結(jié)束步驟四：繪制出小車(chē)運(yùn)動(dòng)軌跡。單擊“繪制軌跡”菜單，此時(shí)不會(huì)彈出一個(gè)新框，直接在檢測(cè)跟蹤模塊彈出的新框的基礎(chǔ)上進(jìn)行軌跡曲線的繪制。如圖6-8所示。圖6-8運(yùn)動(dòng)軌跡此時(shí)。整個(gè)視頻圖像處理結(jié)束。以上是一個(gè)完整的示例由智能小車(chē)視頻信號(hào)分解與處理系統(tǒng)處理的過(guò)程，通過(guò)這些過(guò)程就可以完成對(duì)小車(chē)視頻信號(hào)的分解與處理，并繪制出其軌跡。6.3本章小結(jié)本章通過(guò)一個(gè)小車(chē)視頻的示例講述了如何應(yīng)用智能小車(chē)視頻信號(hào)分析與處理系統(tǒng)，按步驟詳細(xì)說(shuō)明了各個(gè)環(huán)節(jié)的操作流程，并且有詳細(xì)的圖解，通過(guò)本章的學(xué)習(xí)可以熟練的使用智能小車(chē)視頻信號(hào)分解與處理系統(tǒng)中的核心功能和一些擴(kuò)展功能。重慶理工大學(xué)畢業(yè)論文（題目、小五、宋體）PAGE頁(yè)碼居中，以阿拉伯?dāng)?shù)字順序排列PAGE75PAGE717結(jié)束語(yǔ)7.1本文工作總結(jié)智能交通系統(tǒng)將會(huì)是未來(lái)交通的發(fā)展方向，而基于視頻圖像處理的檢測(cè)和跟蹤技術(shù)是其關(guān)鍵技術(shù)之一，在實(shí)時(shí)交通數(shù)據(jù)采集、車(chē)輛自動(dòng)跟隨與自動(dòng)駕駛、自動(dòng)收費(fèi)等方面具有廣闊的應(yīng)用前景。本文應(yīng)用統(tǒng)計(jì)模型、圖像處理以及計(jì)算機(jī)視覺(jué)技術(shù)系統(tǒng)的分析和研究了車(chē)輛檢測(cè)與跟蹤問(wèn)題，基本實(shí)現(xiàn)了各種交通監(jiān)視應(yīng)用中的車(chē)輛檢測(cè)與跟蹤。在車(chē)輛檢測(cè)方面，本文主要介紹了兩種檢