檢測(cè)交通視頻中運(yùn)動(dòng)目標(biāo)的程序設(shè)計(jì)

專業(yè)綜合實(shí)踐任務(wù)書學(xué)生姓名:________專業(yè)班級(jí):指導(dǎo)教師:工作單位:信息工程學(xué)院題目:檢測(cè)交通視頻中運(yùn)動(dòng)目標(biāo)的程序設(shè)計(jì)初始條件:提供實(shí)驗(yàn)室機(jī)房及其matlab軟件；數(shù)字圖像處理的根本理論學(xué)習(xí)。要求完成的主要任務(wù):(包括課程設(shè)計(jì)工作量及其技術(shù)要求,以及說明書撰寫等具體要求):〔1〕學(xué)習(xí)運(yùn)動(dòng)目標(biāo)檢測(cè)的原理及方法，并利用matlab設(shè)計(jì)程序完成以下功能；〔2〕讀取交通視頻文件；〔3〕運(yùn)用一種背景建模方法，提取背景圖像；〔4〕讀取一幀有運(yùn)動(dòng)目標(biāo)的圖像，利用背景差分法，得到差分區(qū)域；〔5〕對(duì)差分區(qū)域進(jìn)行數(shù)學(xué)形態(tài)學(xué)處理，得到完整的運(yùn)動(dòng)目標(biāo)區(qū)域，并顯示運(yùn)動(dòng)目標(biāo)檢測(cè)結(jié)果圖；〔6〕對(duì)檢測(cè)的結(jié)果進(jìn)行分析比擬；〔7〕要求閱讀相關(guān)參考文獻(xiàn)不少于5篇；〔8〕根據(jù)課程設(shè)計(jì)有關(guān)標(biāo)準(zhǔn)，按時(shí)、獨(dú)立完成課程設(shè)計(jì)說明書。時(shí)間安排:(1)布置課程設(shè)計(jì)任務(wù)，查閱資料，確定方案1.5天；(2)進(jìn)行編程設(shè)計(jì)、調(diào)試2天；(3)完成課程設(shè)計(jì)報(bào)告書、辯論1.5天；指導(dǎo)教師簽名:年月日系主任(或責(zé)任教師)簽名:年月日目錄TOC\o"1-3"\h\u摘要11.概述22.設(shè)計(jì)原理32.1背景提取與更新算法32.1.1手動(dòng)背景法42.1.2統(tǒng)計(jì)中值法42.1.3算術(shù)平均法42.1.4Surendra算法52.2背景差分法運(yùn)動(dòng)目標(biāo)檢測(cè)62.3形態(tài)學(xué)濾波72.4總體方案設(shè)定92.4.1算術(shù)平均法與Surendra算法相結(jié)合的背景建模92.4.2總體程序框圖103.軟件編程實(shí)現(xiàn)114.結(jié)果及分析135.心得體會(huì)17參考文獻(xiàn)18摘要運(yùn)動(dòng)目標(biāo)檢測(cè)是圖像處理與計(jì)算機(jī)視覺的一個(gè)小分支，在理論和實(shí)踐上都有重大意義，長(zhǎng)久以來一直被國(guó)內(nèi)外學(xué)者所關(guān)注。在實(shí)際中，視頻監(jiān)控利用攝像機(jī)對(duì)某一特定區(qū)域進(jìn)行監(jiān)視，引入運(yùn)動(dòng)監(jiān)測(cè)非常有必要。它可以減輕人的負(fù)擔(dān)，并且提高了可靠性。概括起來運(yùn)動(dòng)監(jiān)測(cè)主要包括三個(gè)內(nèi)容：運(yùn)動(dòng)目標(biāo)檢測(cè)，方向判斷和圖像跟蹤。運(yùn)動(dòng)目標(biāo)檢測(cè)是整個(gè)監(jiān)測(cè)過程的根底，運(yùn)動(dòng)目標(biāo)的提取準(zhǔn)確與否，直接關(guān)系到后續(xù)高級(jí)過程的完成質(zhì)量。本文主要內(nèi)容為對(duì)監(jiān)控視頻進(jìn)行背景建模和背影差分的方法進(jìn)行運(yùn)動(dòng)目標(biāo)檢測(cè)。關(guān)鍵字：數(shù)字圖像處理MATLAB運(yùn)動(dòng)目標(biāo)檢測(cè)背影差分法形態(tài)學(xué)處理1.概述運(yùn)動(dòng)目標(biāo)檢測(cè)在機(jī)器人、視頻監(jiān)控、交通道路檢測(cè)、軍事戰(zhàn)爭(zhēng)、模擬現(xiàn)實(shí)等眾多的領(lǐng)域都有極其重要的應(yīng)用和良好的開展前景。近年來運(yùn)動(dòng)目標(biāo)檢測(cè)的研究方法在計(jì)算機(jī)方面一直都處于熱門性研究話題，國(guó)內(nèi)外等眾多的學(xué)者在運(yùn)動(dòng)目標(biāo)檢測(cè)等方面進(jìn)行了不懈的努力。運(yùn)動(dòng)目標(biāo)檢測(cè)在國(guó)外，早在二十世紀(jì)美國(guó)有關(guān)部門就運(yùn)動(dòng)目標(biāo)檢測(cè)進(jìn)行了監(jiān)控系統(tǒng)工程的研究，其主要的目的是實(shí)現(xiàn)在一定的環(huán)境下對(duì)運(yùn)動(dòng)目標(biāo)的檢測(cè)，該系統(tǒng)采取了幀差分法的檢測(cè)方法。此外世界知名的計(jì)算機(jī)公司如IBM以及Microsoft等也紛紛進(jìn)行了監(jiān)控系統(tǒng)研究的實(shí)驗(yàn)，他們研究出來的智能監(jiān)控系統(tǒng)極大的推進(jìn)了視頻監(jiān)控的研究，并使得智能監(jiān)控系統(tǒng)能夠應(yīng)用于現(xiàn)實(shí)實(shí)際的需要，推進(jìn)力社會(huì)現(xiàn)代化的進(jìn)程。中國(guó)科學(xué)院是國(guó)內(nèi)所有研究運(yùn)動(dòng)目標(biāo)檢測(cè)的機(jī)構(gòu)中的引領(lǐng)者，而北京自動(dòng)化研究所在運(yùn)動(dòng)目標(biāo)檢測(cè)方面那么是做出了較大的奉獻(xiàn)，交通場(chǎng)景的監(jiān)控和行為模式識(shí)別是重點(diǎn)研究方向，在檢測(cè)系統(tǒng)中有著重要的地位。為了適應(yīng)社會(huì)開展的需要，于2002年第一次成功舉辦了全國(guó)智能視覺監(jiān)控會(huì)議，本文主要描述運(yùn)動(dòng)目標(biāo)檢測(cè)的根本原理，和運(yùn)用背影差分法檢測(cè)運(yùn)動(dòng)目標(biāo)的具體實(shí)現(xiàn)方法和比擬背景建模的幾種不同方法，然后選擇設(shè)計(jì)一種適宜的方法實(shí)現(xiàn)背景建模，最后用視頻模擬了交通監(jiān)控的過程給出實(shí)驗(yàn)結(jié)果和分析。2.設(shè)計(jì)原理對(duì)于向地面物體背景較為復(fù)雜的背景的運(yùn)動(dòng)目標(biāo)檢測(cè)，難以用閾值方法進(jìn)行目標(biāo)的區(qū)分，可采用幀間差分法、背影差分法、光流發(fā)等運(yùn)動(dòng)分割方法進(jìn)行檢測(cè)。幀間差分法直接比擬兩幀圖像對(duì)應(yīng)像素點(diǎn)的灰度值，得到運(yùn)動(dòng)目標(biāo)；背景差分法假定圖像背景是固定不變的，將每一幀圖像的灰度減去背景的灰度圖像得到的運(yùn)動(dòng)物體的灰度圖像，而在此之前需要建立一個(gè)背景圖像，背景圖像的好壞直接決定了檢測(cè)的效果，因此建立一個(gè)適宜的背景圖像至關(guān)重要?？紤]到監(jiān)控視頻一般是固定的，背景除了光影和其他微小變化外不會(huì)有大面積的背景改變，故本文采用背影差分法，運(yùn)用背景建模的方法及實(shí)現(xiàn)運(yùn)動(dòng)目標(biāo)的檢測(cè)。2.1背景提取與更新算法在進(jìn)行運(yùn)動(dòng)目標(biāo)檢測(cè)時(shí)，一個(gè)很重要的步驟就是區(qū)分出運(yùn)動(dòng)目標(biāo)和背景范圍，常見的一種情況是攝像機(jī)處于靜止?fàn)顟B(tài)并且焦距也是固定的。此時(shí)，圖像中的背景區(qū)域固定不動(dòng)。在這種情況下，運(yùn)動(dòng)目標(biāo)識(shí)別無論是使用背景差法，還是使用背景差法結(jié)合幀間差法，質(zhì)量良好的背景的建立顯得及其重要。另外，當(dāng)涉及到背景的使用時(shí)，一旦背景發(fā)生一些變化時(shí)，如背景中頻繁地出現(xiàn)運(yùn)動(dòng)物體，或者光照發(fā)生變化、樹葉等小物體的晃動(dòng)等等，使得不能準(zhǔn)確地提取背景作為參考圖像，從而不能正確地分割出視頻序列中的運(yùn)動(dòng)物體。為了克服上述問題，國(guó)內(nèi)外眾多研究人員提出了背景建立和自適應(yīng)的背景模型，實(shí)現(xiàn)了背景模型的實(shí)時(shí)更新，能夠比擬準(zhǔn)確地識(shí)別出運(yùn)動(dòng)目標(biāo)。在能夠滿足實(shí)時(shí)性和實(shí)用性要求的前提下，討論并研究以下幾種算法。2.1.1手動(dòng)背景法手動(dòng)背景法需要人觀察到?jīng)]有前景物體時(shí)啟動(dòng)該幀圖像，作為背景圖像。這種背景提取方法增加了人力和物力的需求，而且在很多情況下很難在沒有前景的情況下獲得背景圖像，比方高速公路的車輛監(jiān)測(cè)系統(tǒng)、小區(qū)的門禁系統(tǒng)等等。這種方法不能實(shí)現(xiàn)自適應(yīng)背景更新的功能，需要使用其他方法修正由于光線，亮度等的變化帶來的背景誤差。2.1.2統(tǒng)計(jì)中值法考慮到運(yùn)動(dòng)物體較少的情況下，連續(xù)多幀圖像中背景的像素值占主要局部，這樣在一段時(shí)間內(nèi)變化緩慢，取中值便可以認(rèn)為是背景圖像。統(tǒng)計(jì)中值算法從統(tǒng)計(jì)學(xué)的角度統(tǒng)計(jì)單個(gè)像素點(diǎn)Ai(x,y),(i=1,2,…N)在連續(xù)幀圖像中的亮度值Bi。在一段時(shí)間內(nèi)對(duì)視頻序列圖像的亮度值(或者色彩信息)Bi進(jìn)行排序，然后取中值Mi(x,y)作為背景。該算法存在的問題在于：圖像幀的像素點(diǎn)大多以數(shù)萬，數(shù)十萬的數(shù)量級(jí)出現(xiàn)，而用于取中值的圖像幀數(shù)量N也應(yīng)該比擬大。對(duì)如此大的數(shù)組進(jìn)行排序取出中值，實(shí)現(xiàn)時(shí)計(jì)算量較大，處理較慢。同時(shí)需要占用大量的內(nèi)存單元用于存儲(chǔ)數(shù)據(jù)。2.1.3算術(shù)平均法采用算術(shù)平均法提取背景圖像，可以總結(jié)為在特定的時(shí)間段內(nèi)對(duì)像素點(diǎn)的亮度和色彩信息取平均值，用均值作為背景圖像對(duì)應(yīng)像素點(diǎn)數(shù)值。在讀入一段視頻時(shí)，對(duì)某一像素點(diǎn)進(jìn)行觀察，會(huì)發(fā)現(xiàn)在沒有前景的運(yùn)動(dòng)目標(biāo)通過時(shí)，該點(diǎn)的灰度值保持穩(wěn)定，變化很小,只有當(dāng)前景的運(yùn)動(dòng)目標(biāo)通過時(shí)，該點(diǎn)的灰度才會(huì)發(fā)生劇烈的變化。這樣就可以連續(xù)讀入N幀圖像，對(duì)圖像各點(diǎn)的灰度或色彩信息進(jìn)行統(tǒng)計(jì)的方法，使得變化劇烈的像素點(diǎn)變得平緩，取其平均值作為背景圖像像素點(diǎn)的值。這樣也可以濾除背景圖像中的突變?cè)肼朁c(diǎn)。其統(tǒng)計(jì)公式如下：〔2-1〕公式中式中：B(x,y)表示背景圖像，Ii(x,y)表示第i幀序列圖像，N表示平均幀數(shù)。在實(shí)際場(chǎng)景中，一段時(shí)間內(nèi)，同一區(qū)域很少有可能總是存在運(yùn)動(dòng)物體。而通過平均法得到的背景就會(huì)消除亮暗分布不均勻的情況。由上述仿真實(shí)驗(yàn)證明，算術(shù)平均法的特點(diǎn)是模型簡(jiǎn)單，計(jì)算方便，可以較好的得到背景圖像。但是在仿真過程中，也發(fā)現(xiàn)了該方法的一些問題。其中最明顯的是，該算法得到背景圖像需要獲取的圖像幀較大。受運(yùn)動(dòng)物體數(shù)量的影響，隨著平均幀數(shù)的增加，得到的背景圖像的質(zhì)量越好。由于是求取序列圖像的算術(shù)平均值，如果N值太小，背景圖像中的運(yùn)動(dòng)物體不容易被濾除，很容易在背景圖像中留下“影子”。而且在運(yùn)動(dòng)物體很多，軌跡很固定的情況下，也需要加大N的數(shù)值，以使得平均值更加接近與真實(shí)的背景圖像。在這種情況下，背景的建立就需要較長(zhǎng)的時(shí)間。本算法也有一定自適應(yīng)更新功能。隨著時(shí)間的推移，在背景提取后獲取的圖像幀也可以作為新的信息量，與背景圖像進(jìn)行統(tǒng)計(jì)平均或加權(quán)平均，實(shí)現(xiàn)背景的自適應(yīng)更新。因此這種方法也使用于實(shí)時(shí)背景更新算法。2.1.4Surendra算法Surendra背景更新算法能夠自適應(yīng)地獲取背景圖像，該算法提取背景的思想是對(duì)差值圖像的亮度值進(jìn)行判斷，如亮度大于閾值，背景圖像對(duì)應(yīng)位置的像素點(diǎn)保持不變，否那么利用當(dāng)前幀對(duì)背景圖像進(jìn)行替換更新。通俗的來說就是亮度變化不大時(shí)，我們認(rèn)為是背景變化，因此該區(qū)域更新背景，亮度變化較大時(shí)，我們認(rèn)為是運(yùn)動(dòng)目標(biāo)，此區(qū)域不參加背景更新。其算法可以分成以下幾個(gè)步驟：(1)將第1幀圖像I1作為背景B1。(2)選取閾值T，迭代次數(shù)m=1，最大迭代次數(shù)MAXSTEP。(3)求當(dāng)前幀的幀差分圖像1|Ii－Ii-1|＞T0|Ii－Ii-1|≤TDi=(2-2)0|Ii－Ii-1|≤T(4)由二值圖像Di更新背景圖像BiBi-1(x,y)Di=1BI=(2-3)αIi(x,y)+(1-α)Ii-1(x,y)Di=0式中Bi(x,y)，Di(x,y)為背景圖像和差分二值圖像在(x,y)的灰度值，Ii(x,y)為輸入的第i幀圖像，α為更新速度。(5)迭代次數(shù)m=m+1，進(jìn)行第(3)步的運(yùn)算。當(dāng)?shù)螖?shù)m=MAXSTEP時(shí)結(jié)束迭代，此時(shí)Bi(x,y)可當(dāng)作背景圖像。在仿真研究中發(fā)現(xiàn),MAXSTEP很大程度地決定了背景建立時(shí)的速度，α那么決定背景更新的速度。這種背景建模和更新的方法，能夠很好地解決物體長(zhǎng)時(shí)間停留對(duì)背景的影響，因?yàn)楸尘暗母聲?huì)將它逐步地作為背景像素點(diǎn)更新到背景中。但是由于它的根本處理方式是幀間差分，使得它不能將色彩、亮度相似的，大面積的運(yùn)動(dòng)物體完整的檢測(cè)出來。這種情況下，運(yùn)動(dòng)物體的某些局部將作為背景區(qū)域更新到背景中。2.2背景差分法運(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。為了解決這些問題，最好的方法便是使用背景建模和背景更新算法來彌補(bǔ)。前面已經(jīng)討論過相關(guān)問題，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)|(2-4)1,Di>T1,Di>TMi(x,y)＝Mi(x,y)＝0000,Di≤TIi(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。2.3形態(tài)學(xué)濾波由于刮風(fēng)、氣流等原因，背景中局部物體小幅度晃動(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。數(shù)學(xué)形態(tài)學(xué)的主要用途是獲取物體拓?fù)浜徒Y(jié)構(gòu)信息。它通過物體和機(jī)構(gòu)元素相互作用的某些運(yùn)算，得到物體更本質(zhì)的形態(tài)。其根本思想是：利用一個(gè)成為結(jié)構(gòu)元素的“探針”收集圖像信息。這種基于探測(cè)的思想與人的視覺特點(diǎn)有類似之處：總是關(guān)注一些感興趣的物體或者結(jié)構(gòu)，并有意識(shí)地尋找圖像中的這些結(jié)構(gòu)。數(shù)字形態(tài)學(xué)在本文所涉及到的圖像處理中，主要作用包括利用形態(tài)學(xué)的根本運(yùn)算，對(duì)圖像進(jìn)行觀察和處理，從而到達(dá)改善圖像質(zhì)量的目的。形態(tài)學(xué)的根本運(yùn)算包括：腐蝕(Erosion)、膨脹(Dilation)、開(Opening)和閉(Closing)運(yùn)算。用這些算子及其組合來進(jìn)行圖像形狀和結(jié)構(gòu)的分析及處理，包括圖像分割、特征提取、邊界檢測(cè)、圖像濾波、圖像增強(qiáng)與恢復(fù)等方面的工作。形態(tài)學(xué)一般以二值圖像為處理對(duì)象，但也可以用在某些灰度圖像的應(yīng)用中。(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根本的組成局部。它用于測(cè)試輸入圖像，通常比待處理圖像小得多。本文使用3×3的結(jié)構(gòu)元素，經(jīng)開運(yùn)算處理后，可提取出移動(dòng)物體。二維結(jié)構(gòu)元素由一個(gè)數(shù)值為0或1矩陣組成。結(jié)構(gòu)元素的原點(diǎn)指定了圖像中需要處理的像素范圍，結(jié)構(gòu)元素?cái)?shù)值為1的點(diǎn)決定結(jié)構(gòu)元素的領(lǐng)域像素在腐蝕或膨脹操作是需要參與計(jì)算。(2)腐蝕和膨脹腐蝕和膨脹是許多形態(tài)學(xué)算法的根底。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)，留下來的大物體會(huì)變回原來的大小，而被刪除的小物體那么永遠(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的樣子，而這些內(nèi)部空洞那么永遠(yuǎn)消失了。通常設(shè)Ｘ為圖像矩陣，Ｂ為結(jié)構(gòu)元素矩陣，數(shù)學(xué)形態(tài)學(xué)運(yùn)算時(shí)，用Ｂ對(duì)Ｘ進(jìn)行操作。實(shí)際上，結(jié)構(gòu)元素本身也是一個(gè)圖像矩陣。這里對(duì)每個(gè)結(jié)構(gòu)元素矩陣B指定一個(gè)原點(diǎn)origin。X被B腐蝕的定義為：(2-6)這個(gè)公式說明，使用B對(duì)X進(jìn)行腐蝕是所有B中包含于A中的點(diǎn)的集合用x移。X被B膨脹的定義為：(2-7)這個(gè)公式表示用B膨脹X的過程是，相對(duì)B做關(guān)于中心像素的映射，在將其映射平移x，這里X與B映像的交集不為空集。2.4總體方案設(shè)定鑒于背景差分算法也有其天然的缺陷，即如果背景固定，隨著時(shí)間的推移，場(chǎng)景的光線、樹葉的遮擋、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。這里可以不考慮某一種單一的背景建模方法，我們嘗試用多種背景建模方法結(jié)合的方式來互相彌補(bǔ)各種方法的缺乏。2.4.1算術(shù)平均法與Surendra算法相結(jié)合的背景建模為了解決這些問題，最好的方法便是使用背景建模和背景更新算法來彌補(bǔ)。我們使用算術(shù)平均法與Surendra算法相結(jié)合的改良的背景建模，此模型初始就可以有一個(gè)較好的背景模型，由于運(yùn)用了Surendra算法更新背景，使這個(gè)背景模型對(duì)場(chǎng)景的光線、樹葉的遮擋、或者運(yùn)動(dòng)物體滯留都會(huì)很好的適應(yīng)作用。其算法步驟為：先由算術(shù)平均法給出一個(gè)初始的背景，然后用Surendra算法實(shí)時(shí)的更新背景圖像。2.4.2總體程序框圖圖2.1總體程序框圖3.軟件編程實(shí)現(xiàn)clearclcnStar=1;nNUM=30;%%%%60幀算數(shù)平均作為初始背景%%%%%%%%%%%im=im2double(imread('m1.bmp'));fork=2:1:60im=im+im2double(imread(['m',int2str(k),'.bmp']));endim=im/60;figure(1),imshow(im,[]);title('初始背景圖');im=rgb2gray(im);im=double(im.*255);Background=im;%初始背景%%%%%%%%%%%%Surendra算法背景更新過程%%%%%%%%%%%%%fork=nStar+1:1:nNUMCurrentImage=double(rgb2gray(imread(['m',int2str(k),'.bmp'])));%當(dāng)前幀figure(2),imshow(CurrentImage,[]);title('當(dāng)前幀圖像');BW=zeros(size(CurrentImage));[m,n]=size(CurrentImage);fori=1:mforj=1:nifabs((CurrentImage(i,j))-(Background(i,j)))>10%適當(dāng)閾值BW(i,j)=1;elseBW(i,j)=0;endend;end;alpha=0.3;%背景更新的速度CurrentBack=Background.*BW+(alpha.*CurrentImage+(1-alpha).*Background).*(1-BW);%相對(duì)背景有較大變化的區(qū)域不更新，無明顯變化的區(qū)域更新到背景中去Background=CurrentBack;%執(zhí)行背景更新%%%%%%%背影差分檢測(cè)運(yùn)動(dòng)目標(biāo)%%%%%%%%%%%%[m,n]=size(CurrentImage);fori=1:mforj=1:nifabs((CurrentImage(i,j))-(Background(i,j)))>30%檢測(cè)閾值BW(i,j)=1;elseBW(i,j)=0;endend;end;figure(3),imshow(BW),title('差分后的二值化圖像');%%%%%%%%%形態(tài)學(xué)處理二值圖像%%%%%%%%%%%%%%%SE=strel('square',3);BWCutero=imerode(BW,SE);%腐蝕figure(4),imshow(BWCutero),title('腐蝕后的圖像');BWCuterodil=bwmorph(BW,'dilate',3);%膨脹figure(5),imshow(BWCuterodil),title('膨脹后的圖像');%%%%%%%%運(yùn)動(dòng)目標(biāo)標(biāo)記%%%%%%%%%%5[L,nm]=bwlabel(BWCuterodil,8);%找出圖像中的八連通區(qū)域，視為車輛所在的區(qū)域fori=1:nm[r,c]=find(L==i);left=min(c);right=max(c);top=min(r);buttom=max(r);width=right-left+1;height=buttom-top+1;rectangle('Position',[left,top,width,height],'EdgeColor','r');%對(duì)車輛用矩形標(biāo)記pause(0.005);endend4.結(jié)果及分析運(yùn)行程序程序，前60幀算數(shù)均值得到的初始背景圖圖4-1初始背景第91幀后背景更新的背景圖圖4-2更新后的背景圖第91幀圖圖4-3第91幀圖差分二值化后的圖圖4-4差