運(yùn)動(dòng)目標(biāo)檢測(cè)

1、南 京 理 工 大 學(xué) 畢業(yè)設(shè)計(jì)說(shuō)明書(shū)(論文)作 者:學(xué) 號(hào)：學(xué)院(系):專(zhuān) 業(yè):電子科學(xué)與技術(shù)題 目:監(jiān)控系統(tǒng)中對(duì)運(yùn)動(dòng)目標(biāo)的 檢測(cè)與預(yù)警教授王利平指導(dǎo)者： (姓 名) (專(zhuān)業(yè)技術(shù)職務(wù))評(píng)閱者： (姓 名) (專(zhuān)業(yè)技術(shù)職務(wù)) 年 月畢業(yè)設(shè)計(jì)說(shuō)明書(shū)（論文）中文摘要運(yùn)動(dòng)目標(biāo)檢測(cè)是圖像處理與計(jì)算機(jī)視覺(jué)的一個(gè)分支，在理論和實(shí)踐上都有重大意義，長(zhǎng)久以來(lái)一直被國(guó)內(nèi)外學(xué)者所關(guān)注。在實(shí)際生活中，運(yùn)動(dòng)目標(biāo)的檢測(cè)與跟蹤廣泛涉及到人體跟蹤及鑒別、智能運(yùn)輸、交通流量監(jiān)測(cè)等方面。在過(guò)去幾年中，國(guó)內(nèi)外有大批學(xué)者投入到該領(lǐng)域，并且取得了大量的成果。概括起來(lái)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)

2、檢測(cè)是整個(gè)監(jiān)測(cè)過(guò)程的基礎(chǔ)，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(guò)程的完成質(zhì)量。本文先介紹了圖像預(yù)處理的相關(guān)內(nèi)容及運(yùn)動(dòng)目標(biāo)檢測(cè)的相關(guān)技術(shù)，分析了運(yùn)動(dòng)目標(biāo)檢測(cè)算法。在這些基礎(chǔ)上，運(yùn)用Matlab軟件完成實(shí)驗(yàn)，提出背景差分法和幀間差分的運(yùn)動(dòng)目標(biāo)檢測(cè)算法。關(guān)鍵字 圖像處理 運(yùn)動(dòng)目標(biāo)檢測(cè) MATLAB 畢業(yè)設(shè)計(jì)說(shuō)明書(shū)（論文）外文摘要Title The frontier inspection system moving target detection and early warning AbstractMoving target detection is a branch of image pro

3、cessing and computer vision, has great significance in the theory and practice since long scholars concern. In real life, moving target detection and tracking are widely involved in human tracking and identification, intelligent transport, traffic flow monitoring. In the past few years, a large numb

4、er of scholars at home and abroad into the field, and has made a lot of achievements. Summed up the movement monitoring mainly includes three elements: the moving target detection, orientation, judgment and image tracking. Moving object detection is the basis of the whole monitoring process, moving

5、target extraction is accurate or not directly related to the completion of the follow-up Advanced Process Quality.This article first introduced the image preprocessing and moving target detection technology, moving target detection algorithm. Matlab software to complete the experiment, proposed back

6、ground subtraction method and frame difference moving target detection algorithm based onKeywords Image processing Moving target detection MATLAB本科畢業(yè)設(shè)計(jì)說(shuō)明書(shū)（論文）第 I 頁(yè) 共 I 頁(yè)目 錄1 引言111 課題背景112 運(yùn)動(dòng)目標(biāo)檢測(cè)技術(shù)在國(guó)內(nèi)外的發(fā)展?fàn)顩r113 運(yùn)動(dòng)目標(biāo)檢測(cè)的主要應(yīng)用領(lǐng)域214 本文的主要工作32 圖像預(yù)處理321 圖像的灰度化322 圖像的濾波423 圖像的銳化53 運(yùn)動(dòng)目標(biāo)檢測(cè)技術(shù)631 概念632 運(yùn)動(dòng)目標(biāo)檢測(cè)算法73

7、2.1 幀間差分法732.2 背景差分法1133形態(tài)學(xué)濾波1434目前存在的問(wèn)題164 邊防運(yùn)動(dòng)目標(biāo)的預(yù)警系統(tǒng)1741 系統(tǒng)設(shè)計(jì)的原則1742系統(tǒng)設(shè)計(jì)的方案185 結(jié)論與展望19致 謝21參 考 文 獻(xiàn)22 本科畢業(yè)設(shè)計(jì)說(shuō)明書(shū)（論文） 第 23 頁(yè) 共 22頁(yè)1 引言11 課題背景 基于圖像序列的運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤是計(jì)算機(jī)視覺(jué)領(lǐng)域兩個(gè)比較活躍的課題,也是許多基于視覺(jué)的應(yīng)用需要解決的關(guān)鍵問(wèn)題。準(zhǔn)確地檢測(cè)與跟蹤是有效地進(jìn)行識(shí)別與決策的前提，是高級(jí)視覺(jué)系統(tǒng)的基礎(chǔ)。運(yùn)動(dòng)目標(biāo)的檢測(cè)與跟蹤技術(shù)在智能監(jiān)控、人機(jī)交互、輔助駕駛、車(chē)輛跟蹤、智能看護(hù)等應(yīng)用中起著重要的作用。但是，這兩種技術(shù)在實(shí)際應(yīng)用中還面臨著諸多

8、困難：攝像機(jī)運(yùn)動(dòng)和光照變化會(huì)增加運(yùn)動(dòng)目標(biāo)檢測(cè)的難度；而光照變化、復(fù)雜背景、目標(biāo)的非剛性形變和目標(biāo)的部分遮擋會(huì)影響跟蹤的魯棒性。另外，在現(xiàn)有的算法實(shí)現(xiàn)中，對(duì)多目標(biāo)的跟蹤還面臨著嚴(yán)重的性能瓶頸。目前，紅外目標(biāo)跟蹤技術(shù)在民用和軍事領(lǐng)域都有廣泛的應(yīng)用。比如在軍事領(lǐng)域，由于目標(biāo)具有較強(qiáng)的熱輻射，尤其夜晚使用紅外探測(cè)器對(duì)目標(biāo)的跟蹤更有效。12 運(yùn)動(dòng)目標(biāo)檢測(cè)技術(shù)在國(guó)內(nèi)外的發(fā)展?fàn)顩r國(guó)內(nèi)外學(xué)者對(duì)視頻監(jiān)控技術(shù)的研究和開(kāi)發(fā)可謂是如火如荼。華中科技大學(xué)，圖像識(shí)別與人工智能研究所，圖像信息處理與智能控制教育部重點(diǎn)實(shí)驗(yàn)室的汪國(guó)有，陳振學(xué)，李喬亮指出：復(fù)雜背景下低信噪比弱小目標(biāo)的自動(dòng)檢測(cè)是當(dāng)今目標(biāo)自動(dòng)探測(cè)研究尚未解決的一個(gè)

9、難題。目前，國(guó)內(nèi)外許多學(xué)者已經(jīng)作過(guò)大量的檢測(cè)算法研究，但還沒(méi)有建立成熟的理論體系和切實(shí)可行的實(shí)用算法，尤其是在復(fù)雜背景干擾的抑制方面，大部分研究工作所處理的還不是真正的復(fù)雜背景。在分析和總結(jié)國(guó)內(nèi)外現(xiàn)有算法研究的基礎(chǔ)上，指出了復(fù)雜背景下紅外弱小目標(biāo)檢測(cè)的發(fā)展趨勢(shì)，并提出了檢測(cè)跟蹤的一些有效技術(shù)措施。并著重研究了以下二個(gè)方面：1）具有分離特性的目標(biāo)與背景特性選擇和計(jì)算算法；2）多目標(biāo)特性的目標(biāo)顯著性與分離性融合增強(qiáng)算法。針對(duì)復(fù)雜背景和弱小目標(biāo)的雙重復(fù)雜性，提出了不同的檢測(cè)算法?？偟恼f(shuō)來(lái)，利用目標(biāo)和背景固有的特性，充分地抑制背景和增強(qiáng)目標(biāo)是提高目標(biāo)檢測(cè)性能的關(guān)鍵。對(duì)于由多個(gè)平穩(wěn)區(qū)域構(gòu)成的復(fù)雜背景，可

10、采用多閾值法將要處理的圖像分成多灰度層次區(qū)域，把處理非平穩(wěn)的復(fù)雜背景轉(zhuǎn)化為處理多個(gè)平穩(wěn)的簡(jiǎn)單背景，有助于弱小目標(biāo)的檢測(cè)。然而， 在實(shí)際應(yīng)用中，目標(biāo)和背景的復(fù)雜性遠(yuǎn)遠(yuǎn)超出了人們的想象，如何最大限度的利用目標(biāo)背景特性來(lái)有效的增強(qiáng)目標(biāo)、抑制背景仍然是當(dāng)前研究的重要課題。華中理工大學(xué)的王江安，阮玉，鄒勇華為解決?？諒?fù)雜背景下紅外弱點(diǎn)目標(biāo)的檢測(cè), 提出了基于小波變換模極大的檢測(cè)算法。該算法通過(guò)計(jì)算小波變換模極大值求出圖像中的所有奇異點(diǎn)，去除由復(fù)雜背景形成的模極大值鏈，消除云層、海浪及水天線等復(fù)雜背景。華中理工大學(xué)圖像識(shí)別與人工智能研究所的彭嘉雄就如何檢測(cè)復(fù)雜背景下低信噪比的運(yùn)動(dòng)小目標(biāo)展開(kāi)討論，提出了用空

11、間高通濾波方法改善圖像質(zhì)量，達(dá)到抑制背景噪聲，增強(qiáng)小目標(biāo)的效果，隨后用似然比檢測(cè)理論進(jìn)行目標(biāo)的初步分離，接著采用鄰域判決的方法實(shí)現(xiàn)運(yùn)動(dòng)目標(biāo)的進(jìn)一步分離，最后用圖像流分析法進(jìn)行目標(biāo)的最終檢測(cè)。中國(guó)科學(xué)院上海技術(shù)物理研究所的汪洋，鄭親波，張鈞屏針對(duì)紅外成像跟蹤系統(tǒng)的低信噪比、背景和噪聲干擾嚴(yán)重的小目標(biāo)圖像以及后續(xù)的目標(biāo)識(shí)別處理需要目標(biāo)的灰度信息的特點(diǎn)，設(shè)計(jì)了一種基于數(shù)學(xué)形態(tài)學(xué)的紅外灰度圖像小目標(biāo)檢測(cè)算法。華中科技大學(xué)圖像識(shí)別與人工智能研究所的桑農(nóng)，李正龍，張?zhí)煨蚋鶕?jù)人類(lèi)視覺(jué)感知理論，在介紹了兩種比較有代表性的視覺(jué)注意模型的基礎(chǔ)上，采用bottom-up控制策略的預(yù)注意機(jī)制和top-down控制策略

12、的注意機(jī)制，提出了一種適用于自動(dòng)目標(biāo)識(shí)別的目標(biāo)檢測(cè)算法。從輸入圖像出發(fā)，采用Gabor算子建立多尺度、多方位的多通道圖像，通過(guò)全波整流和各通道間的對(duì)比度增益控制，得到多尺度、多方位的方位特征圖，這些特征圖的線性組合則為顯著性圖。13 運(yùn)動(dòng)目標(biāo)檢測(cè)的主要應(yīng)用領(lǐng)域（1）軍事上的應(yīng)用主要包括自動(dòng)駕駛飛行器、自動(dòng)目標(biāo)跟蹤、無(wú)人駕駛車(chē)輛智能機(jī)器人任務(wù)執(zhí)行，通常機(jī)器人為了執(zhí)行某些任務(wù)，需要能夠在它的環(huán)境中跟蹤目標(biāo)。在智能機(jī)器人的應(yīng)用中，跟蹤技術(shù)用于從安裝在機(jī)器手上的運(yùn)動(dòng)的攝像機(jī)中拍攝物體，計(jì)算運(yùn)動(dòng)軌跡，選擇最佳姿態(tài)抓取物體等。（2）安全場(chǎng)合智能監(jiān)控，智能監(jiān)控系統(tǒng)的需求主要來(lái)自那些對(duì)安全要求敏感的場(chǎng)合，如銀

13、行、商店、停車(chē)場(chǎng)等。監(jiān)控?cái)z像機(jī)在商業(yè)中的應(yīng)用需要監(jiān)控系統(tǒng)能夠自動(dòng)分析攝像機(jī)捕捉的圖像數(shù)據(jù)，自動(dòng)完成對(duì)復(fù)雜環(huán)境中的人和車(chē)輛進(jìn)行實(shí)時(shí)觀測(cè)以及對(duì)感興趣目標(biāo)的行為進(jìn)行分析和描述。（3）交通監(jiān)管系統(tǒng)中的監(jiān)控，現(xiàn)代社會(huì)的高節(jié)奏生活導(dǎo)致了交通的浮燥?；诖硕霈F(xiàn)交通違規(guī)和不文明現(xiàn)象時(shí)，目標(biāo)檢測(cè)與跟蹤顯得尤其重要，從而大大減少了交通管理的麻煩。（4）醫(yī)學(xué)高科技的需求，現(xiàn)代高科技的發(fā)展促使醫(yī)學(xué)的向前躍進(jìn)，而醫(yī)學(xué)生。物微觀上的研究卻與目標(biāo)追蹤密不可分。包括對(duì)微觀細(xì)胞的追蹤觀察、人工植入器官的跟蹤觀察等。14 本文的主要工作在認(rèn)真研讀各方面的相關(guān)資料，著作和論文的基礎(chǔ)上，著重研究視頻運(yùn)動(dòng)檢測(cè)方法，進(jìn)行編程實(shí)驗(yàn)，最終

14、完成運(yùn)動(dòng)檢測(cè)方法的完整代碼。著重研究問(wèn)題：（1）完成圖像的預(yù)處理（主要是灰度，濾波和銳化）。（2）完成運(yùn)動(dòng)目標(biāo)的檢測(cè)算法研究及實(shí)現(xiàn)。（3）完成運(yùn)動(dòng)目標(biāo)的預(yù)警算法研究及實(shí)現(xiàn)。（4）整合運(yùn)動(dòng)目標(biāo)檢測(cè)與預(yù)警算法，實(shí)現(xiàn)運(yùn)動(dòng)目標(biāo)檢測(cè)及跟蹤。（5）通過(guò)MATLAB軟件實(shí)現(xiàn)算法的仿真。2 圖像預(yù)處理 在運(yùn)動(dòng)目標(biāo)檢測(cè)過(guò)程中圖像預(yù)處理尤為重要，它主要是對(duì)圖像進(jìn)行增強(qiáng)、改善或修改，為圖像分析做準(zhǔn)備，直接關(guān)系到圖像的下一步質(zhì)量。本章主要針對(duì)視頻對(duì)象的的圖像預(yù)處理常用技術(shù)，主要包括圖像灰度化、圖像濾波、圖像銳化，并對(duì)個(gè)各種圖像處理技術(shù)的常用方法做了介紹。21 圖像的灰度化在RGB模型中，如果R=G=B時(shí)，則彩色表示一

15、種灰度顏色，其中R=G=B的值叫灰度值，因此，灰度圖像每個(gè)像素只需一個(gè)字節(jié)存放灰度值（又稱(chēng)強(qiáng)度值、亮度值），灰度范圍為0-255。主要有分量法、最大值法、平均值法、加權(quán)平均法。在Matlab中，可以直接調(diào)用rgb2gray函數(shù)實(shí)現(xiàn)彩色圖像的灰度變化。用Matlab實(shí)現(xiàn)圖像的灰度變化：I = imread(C:UserszhiDesktop11.jpg); d1,d2,d3 = size(I); if(d3 1) I = rgb2gray(I);%如果是灰度圖就不用先變換 end I = double(I) / 255; I1 = uint8(255 * I * 0.5 + 0.5); imsh

16、ow(I1);imwrite(I,test.jpg)我們通過(guò)對(duì)原始圖像使用灰度化處理，實(shí)驗(yàn)結(jié)果如下圖2-1所示。（圖2-1原始圖和灰度化處理后的對(duì)比圖）22 圖像的濾波 圖像濾波是數(shù)字圖像處理過(guò)程中經(jīng)常使用的、也是最重要的處理過(guò)程，因?yàn)閳D像在攝取、傳輸?shù)冗^(guò)程中經(jīng)常會(huì)受到噪聲的干擾，反映在原本均勻和連續(xù)變化的灰度突然變大或者變小，形成一些虛假的物體邊緣或輪廓，使得圖像的后續(xù)處理容易引入誤差。因此，需要重視圖像的濾波處理。著重介紹中值濾波:中值濾波是最常見(jiàn)濾波方法,以像素鄰域內(nèi)的中值代替該像素的值。它是以局部中值代替局部均值,對(duì)處理脈沖噪聲(也稱(chēng)為椒鹽噪聲)非常有效,同時(shí)能夠良好的保存邊緣性能。方

17、法是:在灰度圖像中f中以像素值(x,y)為中心的NN窗口(3,5,7,.)內(nèi)，首先把這NN個(gè)像素點(diǎn)的灰度值按大小進(jìn)行排序，然后選取值的大小為處于正中位置的那個(gè)灰度值，使f(x,y)=。這樣，把被處理點(diǎn)的某一鄰域中像素灰度中值作為該點(diǎn)的像素灰度的估計(jì)值。程序如下：I = imread(C:UserszhiDesktop11.jpg);imshow(I);title(原圖); %顯示原圖像J=rgb2gray(I); %把彩色圖像轉(zhuǎn)化為灰度圖像imshow(J);title(灰度圖); %顯示灰度圖像 J= imnoise(J,salt & pepper,0.005); %加上椒鹽噪聲imshow

18、(J);title(椒鹽噪聲圖); %顯示加上椒鹽的圖像H=medfilt2(J); %中值濾波imshow(H);title(處理后圖); %顯示中值濾波后的圖像我們通過(guò)對(duì)原始圖像先加鹽椒噪聲再使用中值濾波，實(shí)驗(yàn)結(jié)果如下圖2-2所示。（圖2-2添加鹽椒和中值濾波處理后的對(duì)比圖）23 圖像的銳化圖像銳化(image sharpening)就是補(bǔ)償圖像的輪廓，增強(qiáng)圖像的邊緣及灰度跳變的部分，使圖像變得清晰，亦分空域處理和頻域處理兩類(lèi)。圖像平滑往往使圖像中的邊界、輪廓變得模糊，為了減少這 類(lèi)不利效果的影響，這就需要利用圖像銳化技術(shù)，使圖像的邊緣變的清晰。圖像銳化處理的目的是為了使圖像的邊緣、輪廓線

19、以及圖像的細(xì)節(jié)變的清晰，經(jīng)過(guò)平滑的圖像變得模糊的根本原因是因?yàn)閳D像受到了平均或積分運(yùn)算，因此可以對(duì)其進(jìn)行逆運(yùn)算（如微分運(yùn)算）就可以使圖像變的清晰。從頻率域來(lái)考慮，圖像模糊的實(shí)質(zhì)是因?yàn)槠涓哳l分量被衰減，因此可以用高通濾波器來(lái)使圖像清晰。對(duì)于圖像函數(shù)，其在點(diǎn)上的梯度（用幅度表示）定義為： .(2-1)常用的圖像銳化模板有：與以Laplacian算子為例，程序如下：I = imread(C:UserszhiDesktop11.jpg); imshow(I);title(原圖); %顯示原圖像 J=rgb2gray(I); %把彩色圖像轉(zhuǎn)化為灰度圖像 imshow(J);title(灰度圖); %顯示

20、灰度圖像 H = fspecial(laplacian); laplacianH = filter2(H,J); imshow(laplacianH);實(shí)驗(yàn)結(jié)果如下圖2-3所示。（圖2-3原圖和經(jīng)Laplacian算子銳化后的對(duì)比圖）3 運(yùn)動(dòng)目標(biāo)檢測(cè)技術(shù)31 概念運(yùn)動(dòng)目標(biāo)檢測(cè)(Moving Object Detection)是在一段序列圖像的每幀圖像中找到感興趣的運(yùn)動(dòng)目標(biāo)所在的位置， 其難點(diǎn)在于如何快速而可靠地從一幀圖像中匹配目標(biāo)。運(yùn)動(dòng)目標(biāo)檢測(cè)是計(jì)算機(jī)視覺(jué)研究領(lǐng)域中的一個(gè)重要且困難的課題，在實(shí)現(xiàn)運(yùn)動(dòng)補(bǔ)償、視頻壓縮編碼、視頻理解時(shí)都需要用到運(yùn)動(dòng)目標(biāo)檢測(cè)技術(shù)。運(yùn)動(dòng)目標(biāo)檢測(cè)的相關(guān)技術(shù)覆蓋了數(shù)字視頻處

21、理、數(shù)字圖像處理及分析中的各個(gè)方面，并且還涉及計(jì)算機(jī)視覺(jué)、統(tǒng)計(jì)信號(hào)分析、隨機(jī)過(guò)程及分析等諸多領(lǐng)域。作為計(jì)算機(jī)視覺(jué)基礎(chǔ)之一的“圖像序列中運(yùn)動(dòng)目標(biāo)檢測(cè)”是一個(gè)困難而又富有挑戰(zhàn)性的課題，也是近年來(lái)理論和應(yīng)用研究的熱點(diǎn)。運(yùn)動(dòng)目標(biāo)檢測(cè)算法的實(shí)時(shí)性、可靠性和普適性是衡量算法優(yōu)劣的標(biāo)準(zhǔn)，是智能視頻監(jiān)控系統(tǒng)追求的目標(biāo)。32 運(yùn)動(dòng)目標(biāo)檢測(cè)算法運(yùn)動(dòng)目標(biāo)檢測(cè)是指在序列圖像中檢測(cè)出變化區(qū)域并將運(yùn)動(dòng)目標(biāo)從背景圖像中提取出來(lái)。通常情況下，目標(biāo)分類(lèi)、跟蹤和行為理解等后處理過(guò)程僅僅考慮圖像中對(duì)應(yīng)于運(yùn)動(dòng)目標(biāo)的像素區(qū)域，因此運(yùn)動(dòng)目標(biāo)的正確檢測(cè)與分割對(duì)于后期處理非常重要然而，由于場(chǎng)景的動(dòng)態(tài)變化，如天氣、光照、陰影及雜亂背景干擾等的

22、影響，使得運(yùn)動(dòng)目標(biāo)的檢測(cè)與分割變得相當(dāng)困難。根據(jù)攝像頭是否保持靜止，運(yùn)動(dòng)檢測(cè)分為靜態(tài)背景和運(yùn)運(yùn)動(dòng)目標(biāo)檢測(cè)是指在序列圖像中檢測(cè)出變化區(qū)域并將運(yùn)動(dòng)目標(biāo)從背景圖像中提取出來(lái)。通常情況下，目標(biāo)分類(lèi)、跟蹤和行為理解等后處理過(guò)程僅僅考慮圖像中對(duì)應(yīng)于運(yùn)動(dòng)目標(biāo)的像素區(qū)域，因此運(yùn)動(dòng)目標(biāo)的正確檢測(cè)與分割對(duì)于后期處理非常重要然而，由于場(chǎng)景的動(dòng)態(tài)變化，如天氣、光照、陰影及雜亂背景干擾等的影響，使得運(yùn)動(dòng)目標(biāo)的檢測(cè)與分割變得相當(dāng)困難。根據(jù)攝像頭是否保持靜止，運(yùn)動(dòng)檢測(cè)分為靜態(tài)背景和運(yùn)動(dòng)背景兩類(lèi)。大多數(shù)視頻監(jiān)控系統(tǒng)是攝像頭固定的，因此靜態(tài)背景下運(yùn)動(dòng)目標(biāo)檢測(cè)算法受到廣泛關(guān)注，常用的方法有幀間差法、光流法、背景差分法等。下面我們

23、就這幾種常用的方法做以介紹:32.1 幀間差分法幀間差分法是最為常用的運(yùn)動(dòng)目標(biāo)檢測(cè)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(shí)間差分通過(guò)閉值化來(lái)提取出圖像中的運(yùn)動(dòng)區(qū)域。首先，將相鄰幀圖像對(duì)應(yīng)像素值相減得到差分圖像，然后對(duì)差分圖像二值化，在環(huán)境亮度變化不大的情況下，如果對(duì)應(yīng)像素值變化小于事先確定的閾值時(shí)，可以認(rèn)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(rèn)為這是由于圖像中運(yùn)動(dòng)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(yùn)動(dòng)目標(biāo)在圖像中的位置。由于相鄰兩幀間的時(shí)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(shí)時(shí)性，其背景不積累，且更新

24、速度快、算法簡(jiǎn)單、計(jì)算量小。算法的不足在于對(duì)環(huán)境噪聲較為敏感，閾值的選擇相當(dāng)關(guān)鍵，選擇過(guò)低不足以抑制圖像中的噪聲，過(guò)高則忽略了圖像中有用的變化。對(duì)于比較大的、顏色一致的運(yùn)動(dòng)目標(biāo)，有可能在目標(biāo)內(nèi)部產(chǎn)生空洞，無(wú)法完整地提取運(yùn)動(dòng)目標(biāo)。幀間差分法主要是利用視頻序列中連續(xù)的兩幀或幾幀圖像的差異來(lái)進(jìn)行目標(biāo)檢測(cè)和提取。一個(gè)最基本的幀間差分法的基本過(guò)程如圖3-1所示。圖3-1 幀間差分法的過(guò)程圖基于幀間差分的運(yùn)動(dòng)檢測(cè)即幀差法，它根據(jù)相鄰幀或隔幀圖像間亮度變化的大小來(lái)檢測(cè)運(yùn)動(dòng)目標(biāo)，幀間差分公式如下： Dt(x,y)=It(x,y)It-1(x,y) (3-1)It(x,y)，It-1(x,y)為前后兩幀圖像，幀

25、差分運(yùn)動(dòng)檢測(cè)只針對(duì)前景區(qū)域進(jìn)行，運(yùn)動(dòng)檢測(cè)公式如下，其中T為門(mén)限值。1,DtTMt(x,y)= （3-2）0,DtT式中Mt(x,y)為二值化后的圖像，Dt(x,y)為差分后的圖像，T為分割閾值，可以事先給定或者用自適應(yīng)的方法確定。首先，利用公式（3-1）計(jì)算第t幀圖像與第t-1幀圖像之間的差別，得到差分后的(x,y)圖像，然后對(duì)差分后的圖像(x,y)進(jìn)行二值化，認(rèn)為當(dāng)差分圖像中像素值大于某一給定閾值式，該像素位于前景之中，即認(rèn)為該像素可能為目標(biāo)上的一個(gè)點(diǎn)，否則認(rèn)為該像素為背景中的一個(gè)像素，二值化后得到(x,y)圖像，最后對(duì)圖像(x,y)進(jìn)行連通性分析，獲得圖像(x,y)，當(dāng)某個(gè)連通區(qū)域的面積大

26、于某一給定的閾值，則檢測(cè)到目標(biāo)，并認(rèn)為該區(qū)域就為目標(biāo)所占的區(qū)域。由于幀與幀之間的時(shí)間間隔短，目標(biāo)的運(yùn)動(dòng)速度不大，能夠?qū)\(yùn)動(dòng)目標(biāo)進(jìn)行很好的定位，是可能存在重影的現(xiàn)象，所以文中采用對(duì)稱(chēng)差分法進(jìn)行目標(biāo)定位。首先要獲取相鄰兩幀的圖像： clear;info=aviinfo(C:UserszhiDesktop視頻zipai.avi);%錄入視頻 avi中的相關(guān)信息fum=info.NumFrames;%獲取視頻中幀總數(shù)for i=1:fum mov=aviread(C:UserszhiDesktop視頻zipai.avi,i); I=mov.cdata; J=rgb2gray(I);%轉(zhuǎn)成灰度圖 J=m

27、edfilt2(J,3,3);%二維濾波 imwrite(J,strcat(int2str(i),.,bmp);%視頻打成幀圖像end然后通過(guò)差分法獲取相鄰兩幀的差分圖像，算法如下：I1= imread(C:UserszhiDesktop1112.bmp);I2 = imread(C:UserszhiDesktop1113.bmp); m=medfilt2(I1);n=medfilt2(I2); q=im2double(n); w=im2double(m); c=q-w;%差分 t=40; %閾值，此值可以調(diào)節(jié) t=t/256;%轉(zhuǎn)化為double型數(shù)據(jù) k=find(abs(c)=t);%f

28、ind函數(shù)作用是找到圖c中的值大于t的點(diǎn)坐標(biāo) c(k)=255;%二值化的一 k=find(abs(c)TMt(x,y) (3-4) 0,DtTIt(x,y)表示圖像序列中當(dāng)前幀的灰度圖像，Bt(x, y)表示當(dāng)前幀背景的灰度圖像,Mt(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。主要包括預(yù)處理、背景建模、前景檢測(cè)和后處理4個(gè)步驟：(1) 預(yù)處理是對(duì)視頻數(shù)據(jù)進(jìn)行簡(jiǎn)單的空間或時(shí)間濾波，以消除攝像機(jī)噪聲和雨雪等瞬時(shí)環(huán)境噪聲，或者降低幀大小和幀率。預(yù)處理的另一個(gè)關(guān)鍵問(wèn)題是將數(shù)據(jù)轉(zhuǎn)換成適應(yīng)特定背景減算法的格式。(2) 背景建模就是構(gòu)建背景圖像或通過(guò)構(gòu)建某種模型來(lái)表示背景，這是各種

29、背景減算法的核心所在。(3) 前景檢測(cè)也就是閾值分割，其指的是利用當(dāng)前視頻幀與背景模型的差異來(lái)檢測(cè)出運(yùn)動(dòng)區(qū)域參考像素的這個(gè)步驟。如果差值大于一定閾值，則判定該像素為組成前景運(yùn)動(dòng)目標(biāo)的像素，但不同的背景建模方法有不同的閾值分割規(guī)則。(4) 后處理就是去除不屬于真實(shí)運(yùn)動(dòng)目標(biāo)的參考像素，以便得到真正的前景運(yùn)動(dòng)目標(biāo)，比如消除小而假的前景像素、消除重影和陰影等。常見(jiàn)的背景差分法有：中值濾波法、單高斯模型。本文著重介紹中值濾波法。中值濾波法是最常用的背景圖像構(gòu)建方法之一，是基于排序統(tǒng)計(jì)理論的一種能有效抑制噪聲的非線性信號(hào)處理技術(shù)。這個(gè)方法的基本思想是在內(nèi)存中建立長(zhǎng)度為L(zhǎng)的視頻流滑動(dòng)窗口，在此滑動(dòng)窗口中緩存

30、著最近的L幀連續(xù)視頻圖像，將這L幀圖像相同坐標(biāo)位置的像素值，按照從小到大(或者從大到小)的順序排序，選取中間值作為背景模型中對(duì)應(yīng)位置的像素值。其中L一般為奇數(shù)，若為偶數(shù)，則取中間兩個(gè)值的平均值。這種方法的前提假設(shè)是，像素在背景幀中停留的時(shí)間會(huì)超過(guò)在緩存中一半以上的視頻幀中停留的時(shí)間。簡(jiǎn)單地用公式描述一下對(duì)于背景模型中每個(gè)像素點(diǎn)取值的確定： (3-5)其中是背景模型點(diǎn)的像素值，median表示取中間值運(yùn)算，表示t-L-1到t-1幀，即當(dāng)前幀之前的L幀圖像在(i ，j)點(diǎn)的對(duì)應(yīng)像素值。實(shí)驗(yàn)結(jié)果如圖3-4所示: 第12幀圖像 背景幀圖像 差分后的圖像 第50幀圖像 背景幀圖像 差分后的圖像 第90幀

31、圖像 背景幀圖像 差分后的圖像(圖3-4 背景差分)左圖為原始輸入圖像，中圖為背景圖像，右圖為背景差分法得出的圖像。實(shí)驗(yàn)結(jié)果表明：背景差分算法也可以有效地檢測(cè)出運(yùn)動(dòng)目標(biāo)。由于背景建模算法的引入，使得背景對(duì)噪聲有一定的抑制作用，在差分圖像中“雪花”較幀間差分算法有所減少。同時(shí)，使用背景差分算法檢測(cè)出的運(yùn)動(dòng)物體輪廓，比幀間差分法的檢測(cè)結(jié)果更清晰。因此，在背景建模與背景更新處于比較理想的狀態(tài)下，背景差分算法得到的差分結(jié)果略好于幀間差分的結(jié)果。33 形態(tài)學(xué)濾波由于刮風(fēng)、氣流等原因，背景中部分物體小幅度晃動(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(wú)用的噪聲斑點(diǎn)

32、，可參見(jiàn)圖3-4。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(guò)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)。其基本思想是：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(jué)特點(diǎn)有類(lèi)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)的基本運(yùn)算，對(duì)圖像進(jìn)行觀察和處理，從而達(dá)到改善圖像質(zhì)量的目的。形態(tài)學(xué)的基本運(yùn)算包括：腐蝕(Erosion)、膨脹(Dilation)、開(kāi)(Opening)和閉(Closing)運(yùn)算。

33、用這些算子及其組合來(lái)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。設(shè)用A表示圖像，B表示結(jié)構(gòu)元素(B本身也是圖像集合，A和B均為集合)，形態(tài)學(xué)運(yùn)算就是B對(duì)A 進(jìn)行操作。膨脹的運(yùn)算符為，用B對(duì)A 進(jìn)行膨脹可以記為，其定義為： (3-6)式(3-6)表明，用B膨脹A的過(guò)程就是先對(duì)B做關(guān)于遠(yuǎn)點(diǎn)的映射(注意，這里代表B的映像)，再將其平移x(注意，代表B平移x)，這里A與B的交集不能為空集。換句話說(shuō)，用B來(lái)膨脹A得到的集合的位移與A至少有一個(gè)非零元素相時(shí)B的原點(diǎn)位置的集合。根據(jù)以

34、上解釋?zhuān)?3-6)也可以寫(xiě)成 (3-7)借助卷積的概念來(lái)理解膨脹操作式很有幫助的。如果將B看成一個(gè)卷積模板，膨脹就是先對(duì)B做關(guān)于原點(diǎn)的映射，再將映像連續(xù)地在A 上移動(dòng)而實(shí)現(xiàn)的。這種運(yùn)算可以鮮明得用圖3-5來(lái)表示:(圖3-5 膨脹運(yùn)算)腐蝕的運(yùn)算符為，用B對(duì)A進(jìn)行腐蝕可以記為，其定義為 (3-8)式(3-8)表明，用B腐蝕A的過(guò)程就是對(duì)B平移運(yùn)算x，結(jié)果式所有x的集合，即B平移x后仍在A中。換句話說(shuō)，用B腐蝕A得到的集合是B完全包括在A中時(shí)B的原點(diǎn)位置集合。因?yàn)榕蛎浐透g并不互為逆運(yùn)算，所以他們可以級(jí)連接和使用。例如，可以使用同一結(jié)構(gòu)元素先對(duì)圖像進(jìn)行腐蝕運(yùn)算然后膨脹其結(jié)果，也可以對(duì)圖像進(jìn)行膨脹

35、運(yùn)算在腐蝕其結(jié)果。前者通常成為開(kāi)啟運(yùn)算，后者則稱(chēng)為閉合運(yùn)算。它們也是數(shù)學(xué)形態(tài)學(xué)的基本運(yùn)算。這種運(yùn)算可以鮮明得用圖3-6來(lái)表示:(圖3-6 腐蝕運(yùn)算)對(duì)圖3-4中各差分后圖像先進(jìn)行腐蝕再進(jìn)行膨脹，所得效果如圖3-7所示 第12幀差分后的圖像 腐蝕 膨脹 第50幀差分后的圖像 腐蝕 膨脹 第90幀差分后的圖像 腐蝕 膨脹(圖3-7 腐蝕膨脹)34 目前存在的問(wèn)題現(xiàn)有的算法多是針對(duì)某特定的場(chǎng)合提出的，各有特點(diǎn)，這些算法中也仍有許多值得改進(jìn)的地方，有的算法在檢測(cè)的精確方面需要改進(jìn)，有的算法在計(jì)算量等方面需要改進(jìn)等。經(jīng)過(guò)了多年的發(fā)展，到目前為止對(duì)目標(biāo)檢測(cè)的研究仍面臨許多沒(méi)有很好解決的問(wèn)題：(1) 視頻場(chǎng)

36、景中光線變化問(wèn)題(漸變、突變、反光等)，同樣會(huì)影響背景的提取與更新。必須不斷地對(duì)背景進(jìn)行實(shí)時(shí)估計(jì)，才能更好地完成運(yùn)動(dòng)目標(biāo)的檢測(cè)。(2) 光照條件下，目標(biāo)存在陰影。與背景不同，運(yùn)動(dòng)目標(biāo)的陰影將隨運(yùn)動(dòng)目標(biāo)移動(dòng)。檢測(cè)分割的結(jié)果可能是陰影與被檢測(cè)對(duì)象連為一個(gè)整體出現(xiàn)，使得運(yùn)動(dòng)目標(biāo)形狀失真，從而導(dǎo)致相關(guān)的聚類(lèi)工作失?。涣硪环N檢測(cè)結(jié)果是陰影與目標(biāo)分離成兩個(gè)獨(dú)立的運(yùn)動(dòng)目標(biāo)，導(dǎo)致了虛假錯(cuò)誤的運(yùn)動(dòng)目標(biāo)的出現(xiàn)。(3) 遮擋也是運(yùn)動(dòng)目標(biāo)檢測(cè)過(guò)程中一個(gè)難以解決的問(wèn)題，遮擋物很可能會(huì)作為目標(biāo)的一部分被提取出來(lái)，從而造成檢測(cè)目標(biāo)形變。嚴(yán)重時(shí)會(huì)造成運(yùn)動(dòng)目標(biāo)檢測(cè)的失敗。(4) 背景物體的干擾運(yùn)動(dòng)。背景中存在的如風(fēng)中樹(shù)葉的搖動(dòng)

37、、水面波光的閃動(dòng)、車(chē)窗玻璃的反光以及天氣的變化等許多細(xì)微活動(dòng)，同樣會(huì)影響到運(yùn)動(dòng)目標(biāo)的檢測(cè)。(5) 另外目標(biāo)運(yùn)動(dòng)過(guò)程是否連續(xù)、速度如何、是否存在往返運(yùn)動(dòng)的現(xiàn)象等問(wèn)題也關(guān)系到運(yùn)動(dòng)目標(biāo)的檢測(cè)的準(zhǔn)確性。4 邊防運(yùn)動(dòng)目標(biāo)的預(yù)警系統(tǒng)我國(guó)的邊防問(wèn)題直接關(guān)系到我國(guó)的國(guó)家安全。近年來(lái)，隨著我國(guó)國(guó)家綜合實(shí)力的迅速增強(qiáng)以及改革開(kāi)放力度的進(jìn)一步加大，我國(guó)邊防線的安全形勢(shì)更為嚴(yán)竣，國(guó)外的反華勢(shì)力以及不法份子妄圖通過(guò)突破我國(guó)的海岸邊防線，滲透進(jìn)入國(guó)內(nèi)危害我國(guó)的國(guó)家安全的事件時(shí)有發(fā)生,所以建設(shè)邊防線電子監(jiān)控系統(tǒng)是必要的,也是必須的。以高科技的手段進(jìn)一步加強(qiáng)對(duì)我國(guó)邊防線的安全監(jiān)控管理，最大程度上保障國(guó)家海岸邊防線的安全。41

38、 系統(tǒng)設(shè)計(jì)的原則(1)先進(jìn)性與適用性系統(tǒng)的技術(shù)性能和質(zhì)量指標(biāo)應(yīng)達(dá)到國(guó)際領(lǐng)先水平；同時(shí)，系統(tǒng)的安裝調(diào)試、軟件編程和操作使用又應(yīng)簡(jiǎn)便易行，容易掌握，適合中國(guó)國(guó)情和本項(xiàng)目的特點(diǎn)。該系統(tǒng)集國(guó)際上眾多先進(jìn)技術(shù)于一身，體現(xiàn)了當(dāng)前計(jì)算機(jī)控制技術(shù)與計(jì)算機(jī)網(wǎng)絡(luò)技術(shù)的最新發(fā)展水平，適應(yīng)時(shí)代發(fā)展的要求。同時(shí)系統(tǒng)是面向各種管理層次使用的系統(tǒng)，其功能的配置以能給用戶(hù)提供舒適、安全、方便、快捷為準(zhǔn)則，其操作應(yīng)簡(jiǎn)便易學(xué)。(2)經(jīng)濟(jì)性與實(shí)用性 充分考慮用戶(hù)實(shí)際需要和信息技術(shù)發(fā)展趨勢(shì)，根據(jù)用戶(hù)現(xiàn)場(chǎng)環(huán)境，設(shè)計(jì)選用功能實(shí)用、適合現(xiàn)場(chǎng)情況、符合用戶(hù)要求的系統(tǒng)配置方案，通過(guò)嚴(yán)密、有機(jī)的組合，實(shí)現(xiàn)最佳的性能價(jià)格比，以便節(jié)約工程投資，同時(shí)

39、保證系統(tǒng)功能實(shí)施的需求，經(jīng)濟(jì)實(shí)用。(3)可靠性與安全性系統(tǒng)的設(shè)計(jì)應(yīng)具有較高的可靠性，在系統(tǒng)故障或事故造成中斷后，能確保數(shù)據(jù)的準(zhǔn)確性、完整性和一致性，并具備迅速恢復(fù)的功能，同時(shí)系統(tǒng)具有一整套成熟的系統(tǒng)管理策略，可以保證系統(tǒng)的運(yùn)行安全。(4)開(kāi)放性以現(xiàn)有成熟的產(chǎn)品為對(duì)象設(shè)計(jì)，同時(shí)還考慮到周邊信息通信環(huán)境的現(xiàn)狀和技術(shù)的發(fā)展趨勢(shì)，具有標(biāo)準(zhǔn)的網(wǎng)絡(luò)通訊接口，可以很好的融入到IP網(wǎng)絡(luò)中。(5)可擴(kuò)充性系統(tǒng)設(shè)計(jì)中考慮到今后技術(shù)的發(fā)展和使用的需要，具有更新、擴(kuò)充和升級(jí)的可能。并根據(jù)今后該項(xiàng)目工程的實(shí)際要求擴(kuò)展系統(tǒng)功能，同時(shí)，本方案在設(shè)計(jì)中留有冗余，以滿(mǎn)足今后的發(fā)展要求。(6)追求最優(yōu)化的系統(tǒng)設(shè)備配置在滿(mǎn)足用戶(hù)對(duì)

40、功能、質(zhì)量、性能、價(jià)格和服務(wù)等各方面要求的前提下，追求最優(yōu)化的系統(tǒng)設(shè)備配置，以盡量降低系統(tǒng)造價(jià)。(7)保留足夠的擴(kuò)展容量該項(xiàng)目設(shè)備的控制容量上保留一定的余地，以便在系統(tǒng)中改造新的控制點(diǎn)；系統(tǒng)中還保留與其他計(jì)算機(jī)或自動(dòng)化系統(tǒng)連接的接口；也盡量考慮未來(lái)科學(xué)的發(fā)展和新技術(shù)的應(yīng)用。42 系統(tǒng)設(shè)計(jì)的方案在邊防線上安裝超清晰、大焦距、高精度的攝像機(jī)用來(lái)實(shí)現(xiàn)對(duì)邊防線的實(shí)地情況進(jìn)行視頻監(jiān)視，另外，通過(guò)一套安裝在邊防線前沿的警戒雷達(dá)系統(tǒng)與攝像機(jī)實(shí)現(xiàn)聯(lián)動(dòng)，當(dāng)警戒雷達(dá)系統(tǒng)掃描到有非法侵入邊防線的人員時(shí)，警戒雷達(dá)系統(tǒng)將目標(biāo)人員的坐標(biāo)信息發(fā)送到攝像機(jī)的控制系統(tǒng)，由攝像機(jī)的控制系統(tǒng)根據(jù)警戒雷達(dá)反饋過(guò)來(lái)的坐標(biāo)數(shù)據(jù)實(shí)現(xiàn)對(duì)目標(biāo)

41、人員的自動(dòng)視頻鎖定跟蹤，非法入侵人員的一舉一動(dòng)都將在攝像機(jī)的全程監(jiān)控之下。由于每個(gè)邊防線轄區(qū)電子監(jiān)控系統(tǒng)的中心控制室與前沿的邊防線的攝像機(jī)物理距離相隔太遠(yuǎn)，且地理環(huán)境較為惡劣，同時(shí)也基于系統(tǒng)安全性的考慮，因此前端攝像機(jī)到中心控制室不能通過(guò)鋪設(shè)同軸電纜的方式來(lái)進(jìn)行視頻圖像的傳輸。系統(tǒng)設(shè)計(jì)采用無(wú)線的方式來(lái)進(jìn)行視頻的傳輸，無(wú)線視頻傳輸系統(tǒng)由兩個(gè)方面組成，一是無(wú)線的網(wǎng)絡(luò)聯(lián)接設(shè)備，設(shè)計(jì)采用無(wú)線網(wǎng)橋作為網(wǎng)絡(luò)聯(lián)接設(shè)備，通過(guò)無(wú)線網(wǎng)橋可以建立聯(lián)接前沿的邊防線至中心控制室的無(wú)線網(wǎng)絡(luò)；另外一部分是視頻數(shù)字化設(shè)備網(wǎng)絡(luò)視頻傳輸控制主機(jī)，網(wǎng)絡(luò)視頻傳輸控制主機(jī)完成前端模擬視頻的數(shù)字化及壓縮工作，并通過(guò)無(wú)線IP網(wǎng)絡(luò)進(jìn)行數(shù)字化

42、視頻的傳輸工作。嵌入式網(wǎng)絡(luò)視頻數(shù)字化設(shè)備可在高壓縮、低帶寬的情況下傳輸較好質(zhì)量的視頻圖像，對(duì)不同網(wǎng)絡(luò)環(huán)境的適應(yīng)能力也非常強(qiáng)，非常適用本系統(tǒng)這種采用無(wú)線網(wǎng)橋建立無(wú)線網(wǎng)絡(luò)聯(lián)接時(shí)受外部環(huán)境的影響，網(wǎng)絡(luò)帶寬不穩(wěn)定的情況。在中心控制室部分，采用數(shù)字視頻模擬化設(shè)備網(wǎng)絡(luò)視頻接收主機(jī)，將邊防線前沿通過(guò)網(wǎng)絡(luò)視頻傳輸控制主機(jī)傳輸過(guò)來(lái)的數(shù)字化視頻還原成模擬的視頻信號(hào)，通過(guò)監(jiān)視器輸出進(jìn)行監(jiān)看。中心控制室的值勤人員也可直接使用PC機(jī)調(diào)看邊防線前沿的實(shí)時(shí)視頻圖像，并進(jìn)行PTZ控制。另外，在中心控制室的錄像服務(wù)器可以將邊防線前沿的實(shí)時(shí)視頻圖像直接實(shí)現(xiàn)數(shù)字化存儲(chǔ)。5 結(jié)論與展望我國(guó)的邊防問(wèn)題直接關(guān)系到我國(guó)的國(guó)家安全。近年來(lái)，

43、隨著我國(guó)國(guó)家綜合實(shí)力的迅速增強(qiáng)以及改革開(kāi)放力度的進(jìn)一步加大，我國(guó)邊防線的安全形勢(shì)更為嚴(yán)竣,而人類(lèi)對(duì)外界環(huán)境的理解和認(rèn)識(shí)很大程度上是通過(guò)視覺(jué)信息來(lái)完成的。如果計(jì)算機(jī)也具有了分析和理解視覺(jué)信息的能力，那么計(jì)算機(jī)就能夠做到更大程度上模擬人類(lèi)的行為，具有更高的智慧。和靜止的圖片信息相比，動(dòng)態(tài)的視頻信息中隱藏著運(yùn)動(dòng)信息在很多情況下，這些運(yùn)動(dòng)信息是我們最關(guān)心的，所以就產(chǎn)生了視頻序列中的運(yùn)動(dòng)分析這個(gè)研究方向。視頻序列中的扭動(dòng)分析的基本內(nèi)容是從連續(xù)的視頻圖像中檢測(cè)出運(yùn)動(dòng)目標(biāo)，同時(shí)對(duì)檢測(cè)到的運(yùn)動(dòng)目標(biāo)進(jìn)行預(yù)警，并對(duì)其行為進(jìn)行理解和描述。運(yùn)動(dòng)檢測(cè)、目標(biāo)識(shí)別和預(yù)警屬于低層次的處理，屬于圖像處理的范疇；圖像分析和理解屬

44、于高層次的處理。屬于人工智能的范疇。視頻圖像的運(yùn)動(dòng)分析屬于計(jì)算機(jī)視覺(jué)的內(nèi)容，但其本身又是以數(shù)字圖像處理為基礎(chǔ)，內(nèi)容涉及數(shù)字圖像處理、模式識(shí)別、計(jì)算視覺(jué)、人工智能等諸多領(lǐng)域和學(xué)科。作為一個(gè)跨學(xué)科的學(xué)科領(lǐng)域，視頻圖像運(yùn)動(dòng)與分析領(lǐng)域本身就存在很大的挑戰(zhàn)性，同時(shí)由于計(jì)算機(jī)視覺(jué)領(lǐng)域遠(yuǎn)還沒(méi)有達(dá)到成熟，而且還需要直接而對(duì)復(fù)雜的外界環(huán)境，這些都給視頻運(yùn)動(dòng)分析的研究帶來(lái)了許多挑戰(zhàn)，這也是本文為什么要進(jìn)行這方面內(nèi)容研究的原因。本文在參考和引證了大量國(guó)內(nèi)外文獻(xiàn)并學(xué)習(xí)了圖像處理、高斯模型等理論的基礎(chǔ)上，研究了基于視頻流的運(yùn)動(dòng)目標(biāo)檢測(cè)與預(yù)警算法，并進(jìn)行了大量的實(shí)驗(yàn)?？偨Y(jié)起來(lái)，本文所做的主要工作包括如下方面：(1) 通過(guò)學(xué)習(xí)研究，主要做了對(duì)圖像的預(yù)處理，包括圖像的灰度化、圖像的濾波,銳化處理以及形態(tài)學(xué)濾波等。(2) 研究了常用的運(yùn)動(dòng)目標(biāo)檢測(cè)算法，然后對(duì)各種運(yùn)動(dòng)目標(biāo)檢測(cè)算法進(jìn)行了實(shí)驗(yàn)分析。由于視頻中的運(yùn)動(dòng)目標(biāo)檢測(cè)與預(yù)警技術(shù)目前正處于快速發(fā)展和持續(xù)深入的階段，相關(guān)理論正在日益完善，應(yīng)用領(lǐng)域也在迅速擴(kuò)展，隨著社會(huì)的進(jìn)步，在未來(lái)的數(shù)字化生活中，基于視頻流的運(yùn)動(dòng)目標(biāo)檢測(cè)與預(yù)警技術(shù)必將發(fā)揮更加重要的作用。然而在目前運(yùn)動(dòng)目標(biāo)檢測(cè)與預(yù)警技術(shù)仍然是一個(gè)未成熟的研究領(lǐng)域，還有很多問(wèn)題有待解決。在運(yùn)動(dòng)目標(biāo)檢測(cè)方面的問(wèn)題有如，場(chǎng)景中不可避免會(huì)發(fā)生目標(biāo)遮擋的現(xiàn)象.當(dāng)遮擋發(fā)生時(shí)