基于matlab的運動目標檢測

《基于matlab的運動目標檢測》由會員上傳分享，免費在線閱讀，更多相關內容在行業(yè)資料-天天文庫。

1、河北大學2011屆本科生畢業(yè)論文（設計）1　　緒論1.1　課題研究背景及意義運動目標檢測是圖像處理與計算機視覺的一個分支，在理論和實踐上都有重大意義，長久以來一直被國內外學者所關注。在實際中，視頻監(jiān)控利用攝像機對某一特定區(qū)域進行監(jiān)視，是一個細致和連續(xù)的過程，它可以由人來完成，但是人執(zhí)行這種長期枯燥的例行監(jiān)測是不可靠，而且費用也很高，因此引入運動監(jiān)測非常有必要[1]。它可以減輕人的負擔，并且提高了可靠性。概括起來運動監(jiān)測主要包括三個內容[2]：運動目標檢測，方向判斷和圖像跟蹤。運動目標檢測是整個監(jiān)測過程的基礎，運動目標的提取準確與否，直接關系到后續(xù)高級過程的完成質量。1.2　國內

2、外研究現(xiàn)狀運動目標檢測在國外已經(jīng)取得了一些的研究成果[3]，許多相關技術已經(jīng)開始應用到實際系統(tǒng)中，但是國內研究相對落后,與國外還有較大差距。傳統(tǒng)的視頻目標提取大致可以分兩類,一類以空間同性為準則,先用形態(tài)學濾波器或其他濾波器對圖像作預處理;然后對該圖像的亮度、色度或其他信息作空間上的分割以對區(qū)域作邊緣檢測;之后作運動估計,并合并相似的運動區(qū)域以得到最終的提取結果。如光流算法、主動輪廓模型算法。此類方法結果較為準確但是運算量相對較大。另一類算法主要以時間變化檢測作為準則,這類算法主要通過幀差檢測圖像上的變化區(qū)域和不變區(qū)域,將運動物體與靜止背景進行分割。此類方法運算量小,提取結果不

3、如前類方法準確。此外,還有時空結合方法、時空亮度梯度信息結合的方法等等[4]。本文將圍繞以時間變化監(jiān)測為基礎的方法展開分析和討論。1.3　本文結構第1章介紹了本文的研究意義及國內外發(fā)展狀況；第2章分為四個部分詳細講述了運動目標檢測的方法，介紹了背景提取與更新算法，檢測算法，閾值選取，形態(tài)學濾波等；第三章對全文作出了總結。16河北大學2011屆本科生畢業(yè)論文（設計）２　　運動目標檢測的一般過程2.1　背景提取與更新算法在進行運動目標檢測時，一個很重要的步驟就是區(qū)分出運動目標和背景范圍，常見的一種情況是攝像機處于靜止狀態(tài)并且焦距也是固定的。此時，圖像中的背景區(qū)域固定不動。在這種情況

4、下，運動目標識別無論是使用背景差法，還是使用背景差法結合幀間差法，質量良好的背景的建立顯得及其重要。另外，當涉及到背景的使用時，一旦背景發(fā)生一些變化時，如背景中頻繁地出現(xiàn)運動物體，或者光照發(fā)生變化、樹葉等小物體的晃動等等，使得不能準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動物體。為了克服上述問題，國內外眾多研究人員提出了背景建立和自適應的背景模型，實現(xiàn)了背景模型的實時更新，能夠比較準確地識別出運動目標。在能夠滿足實時性和實用性要求的前提下，討論并研究下列幾種算法[5]。2.1.1　手動背景法手動背景法需要人觀察到?jīng)]有前景物體時啟動該幀圖像，作為背景圖像。這種

5、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，比如高速公路的車輛監(jiān)測系統(tǒng)、小區(qū)的門禁系統(tǒng)等等。這種方法不能實現(xiàn)自適應背景更新的功能，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)計中值法考慮到運動物體較少的情況下，連續(xù)多幀圖像中背景的像素值占主要部分，這樣在一段時間內變化緩慢，取中值便可以認為是背景圖像。統(tǒng)計中值算法從統(tǒng)計學的角度統(tǒng)計單個像素點Ai(x,y),(i=1,2,…N)在連續(xù)幀圖像中的亮度值Bi。在一段時間內對視頻序列圖像的亮度值(或者色彩信息)Bi進行排序，然后取中值Mi(x,y)作為背景。該算法存

6、在的問題在于：圖像幀的像素點大多以數(shù)萬，數(shù)十萬的數(shù)量級出現(xiàn)，而用于取中值的圖像幀數(shù)量N也應該比較大。對如此大的數(shù)組進行排序取出中值，實現(xiàn)時計算量較大，處理較慢。同時需要占用大量的內存單元用于存儲數(shù)據(jù)。2.1.3　算術平均法采用算術平均法提取背景圖像，可以總結為在特定的時間段內對像素點的亮度和色彩信息取平均值，用均值作為背景圖像對應像素點數(shù)值。在讀入一段視頻時，對某一像素點進行觀察，會發(fā)現(xiàn)在沒有前景的運動目標通過時，該點的灰度值保持穩(wěn)定，變化很小,只有當前景的運動目標通過時，該點的灰度才會發(fā)生劇烈的變化。這樣就可以連續(xù)讀入N幀圖像，對圖像各點的灰度或色彩信息進行統(tǒng)計的方法，使得變

7、化劇烈的像素點變得平緩，取其平均值作為背景圖像像素點的值。這樣也可以濾除背景圖像中的突變噪聲點。其統(tǒng)計公式如下：16河北大學2011屆本科生畢業(yè)論文（設計）（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)。在實際場景中，一段時間內，同一區(qū)域很少有可能總是存在運動物體。而通過平均法得到的背景就會消除亮暗分布不均勻的情況。選取N=120，MATLAB仿真,從序列圖像的第1、60、120幀可以看出，在第1幀至第120幀時都存在運動目標，如2-1圖。經(jīng)