數(shù)字圖像處理project報告

行人流量檢測數(shù)字圖像處理大作業(yè)

成果概述本組最終實現(xiàn)了對視頻中非背景目標(biāo)的檢測，能夠用圓形框出目標(biāo)，并對出現(xiàn)的目標(biāo)進(jìn)行跟蹤和計數(shù)。除了少數(shù)碰撞時間長的目標(biāo)組外，其它都可以實現(xiàn)正確跟蹤計數(shù)。問題分析題目所給的兩個視頻有不同的特點，下面給出我們分析的結(jié)果：FIT樓背景未發(fā)生改變鏡頭靜止運動目標(biāo)出現(xiàn)個數(shù)較多有少量目標(biāo)碰撞〔重合〕有拿梯子的人Bridge2.2.1背景未發(fā)生改變2.2.2鏡頭有抖動2.2.3運動目標(biāo)出現(xiàn)個數(shù)較少2.2.4有少量目標(biāo)碰撞〔重合〕2.2.5有拿傘的人我們所實現(xiàn)的系統(tǒng)主要針對Exhibitionhall，包括實現(xiàn)策略和參數(shù)配置。3系統(tǒng)框圖差分法腐蝕差分法腐蝕膨脹前景提取前景提取HHough圓檢測線性預(yù)測消失預(yù)判跟蹤線性預(yù)測消失預(yù)判跟蹤計數(shù)技術(shù)細(xì)節(jié)4.1前景提取我們用差分法完成前景提取。使用了基于灰度圖像的處理方法。實際使用時，進(jìn)行腐蝕和膨脹，通過參數(shù)調(diào)整，使得到的圖像便于后續(xù)處理。處理前處理后4.2Hough圓檢測4.2.1邊緣提取先對二值化后的圖像進(jìn)行邊緣提取處理前處理后4.2.2hough圓檢測〔a〕原理對提取的邊緣進(jìn)行逐點掃描，對每點求其與左右相鄰點的垂直平分線的交點〔即圓心〕。設(shè)圓心坐標(biāo)為〔a,b〕，半徑為r，以b,r為自變量，對求得的a進(jìn)行計數(shù)，最終選取投票數(shù)最高的十個圓〔b〕優(yōu)化為了減少計算量，對b的范圍可以進(jìn)行限制，因為頭的位置可以限定在圖像的上1/3局部，同樣，對于r，也有一定的范圍，可以限定在30~50之間在某一位置檢測出圓后，這一位置附近不再顯示圓，這樣可以減少在跟蹤時的偏差〔c〕結(jié)果處理前處理后4.3跟蹤局部這一局部參數(shù)的敏感性較高，對兩個視頻不具有通用性，以fit樓為標(biāo)準(zhǔn)進(jìn)行配置。4.3.1已判定的人的跟蹤〔a〕原理在連續(xù)兩幀中，如果兩個重心位置十分接近，那么判定其為同一個目標(biāo)。以這個假定作為判決依據(jù)。觀察視頻可以看到一個人〔目標(biāo)〕從進(jìn)入視頻到離開視頻大約需要十秒鐘，視頻分辨率為352×240，視頻幀數(shù)為30幀每秒，即一個目標(biāo)穿過300個像素左右的距離需要300幀，平均下來即每幀移動一到兩個像素。那么可以假定閾值為5，即相鄰兩幀中距離小于5個像素的重心點可判定為同一目標(biāo)?！瞓〕優(yōu)化閾值的選取對實際效果的影響很大。以5為閾值得到的實際效果并不好，主要原因有以下幾個：重心位置是直接由輪廓計算得到，而在得到輪廓之前經(jīng)過了腐蝕和膨脹處理，這使連續(xù)兩幀中同一個目標(biāo)的輪廓可能出現(xiàn)較大的變形，這可能使得重心位置出現(xiàn)一定的變化；單一目標(biāo)分裂，主要出現(xiàn)在幾個著裝顏色和背景比擬接近的目標(biāo)上。由于與背景色相近，手腳等局部的輪廓可能會與身體斷開，形成兩個或多個目標(biāo)〔即得到兩個不相連的外輪廓〕。手腳等局部由于整個面積較小，可以通過目標(biāo)判定將面積較小的局部剔除；而主體局部由于少了一塊，輪廓受到影響，對重心的位置有較大影響。連續(xù)兩幀中的同一個目標(biāo)的重心位置變化過大，如果單以重心為判斷依據(jù)，那么可能將其判定為兩個不同的目標(biāo)?？紤]到每個目標(biāo)都占有一定的空間位置，兩個目標(biāo)的重心位置一般情況下不會離得很近，那么可以將閾值適當(dāng)增大來改善效果。將閾值增大到20可以取得不錯的效果?！惨部梢詫㈤撝翟O(shè)定為與y相關(guān)的函數(shù)，可以表達(dá)在不同的y軸坐標(biāo)上目標(biāo)與攝像頭距離不同使得目標(biāo)大小不一樣產(chǎn)生的影響〕漏檢點的線性預(yù)測由于漏檢的的發(fā)生，可能造成前一幀的人在這一幀沒有對應(yīng)的點，這時就需要根據(jù)前兩幀對這一人進(jìn)行線性預(yù)測線性預(yù)測引入的“永恒點”的問題由于算法采用了對離開人進(jìn)行預(yù)判〔即當(dāng)圓心在接近某一范圍的邊界時〔這一范圍作為以參數(shù)會進(jìn)行調(diào)整〕，即將該人叢要跟蹤的數(shù)組中刪去〕，又采用了線性預(yù)測，所以引入了“永恒點”的問題，即明明該人已經(jīng)出去了，但根據(jù)線性預(yù)測，這一人的圓會永遠(yuǎn)停在一個靠近邊界的位置。為解決這一問題，需要增加一個判斷，即某個圓心連續(xù)n〔n作為參數(shù)進(jìn)行調(diào)整〕幀位置未發(fā)生改變，即認(rèn)為“離開”，將他從要跟蹤的人中期刪去?！瞔〕關(guān)鍵數(shù)據(jù)結(jié)構(gòu)為了合理的保存和使用多幀的數(shù)據(jù)，可以建立以下的結(jié)構(gòu)體。structoutperson{ inta[LEN],b[LEN]; //假定LEN=20 intl;};首先，LEN為定義的常量，為需要使用到的幀的數(shù)量，不妨假定為20，即需要使用和保存20幀的數(shù)據(jù)。結(jié)構(gòu)中x,y即為圓心的位置，l為其剩余存在時間，這幾個為下面主要用到的數(shù)據(jù)。簡歷上述結(jié)構(gòu)體的目的就是簡單對“人”這個目標(biāo)進(jìn)行模擬。通過模型的面積與寬高比可以考察檢測到的目標(biāo)是否為人，同時，這種建模對人形目標(biāo)之間的碰撞與人形目標(biāo)由于檢測而分裂的問題提供了簡單是用的處理方法。關(guān)于這種處理在后文會專門討論。考察不進(jìn)行預(yù)測的情況。結(jié)構(gòu)體中的數(shù)據(jù)按照如下規(guī)那么更新：首先為申請足夠多的結(jié)構(gòu)體供使用，如200個〔僅為方便使用，可以省去很多麻煩，而且即便200個結(jié)構(gòu)體所占用的空間也不是很多〕，以該結(jié)構(gòu)體的下標(biāo)作為不同目標(biāo)的標(biāo)志，即不同的結(jié)構(gòu)體變量代表不同的目標(biāo)。對于x,y，如果為新開的結(jié)構(gòu)體〔新出現(xiàn)的目標(biāo)〕，數(shù)據(jù)直接存入x[0]中；如果為已存在的目標(biāo)〔判定依據(jù)與前相同，以距離判定〕，那么將x[0]～x[18]的數(shù)據(jù)依次向后移動一位，即x[19]的數(shù)據(jù)刪除，x[18]的數(shù)據(jù)保存到x[19]中，…，x[0]的數(shù)據(jù)保存到x[1]中，再將當(dāng)前幀的數(shù)據(jù)保存到x[0]中。即x[0]中保存的是當(dāng)前幀的數(shù)據(jù)，x[1]～x[19]保存的是此前1～19幀的數(shù)據(jù)。當(dāng)發(fā)現(xiàn)新的目標(biāo)點〔與已有數(shù)據(jù)比擬后均不為同一目標(biāo)〕，那么將目標(biāo)存入新翻開的結(jié)構(gòu)體中；為已有目標(biāo)按上規(guī)那么更新。假設(shè)已經(jīng)存在的目標(biāo)在當(dāng)幀中沒有與其為同一目標(biāo)的目標(biāo)點〔如該目標(biāo)已經(jīng)離開視頻畫面，或由于輪廓閃爍等算法原因產(chǎn)生的誤判〕，那么已存在的數(shù)據(jù)不更新，一段時間內(nèi)保證其所保存的數(shù)據(jù)不變。l為剩余存在幀數(shù)，初始化為0。一旦數(shù)據(jù)更新那么置為20〔或更多，為需保存的幀數(shù)〕。每過一幀該數(shù)據(jù)減一。一旦l變?yōu)?那么將該結(jié)構(gòu)體初始化。即表示，一個結(jié)構(gòu)體內(nèi)的數(shù)據(jù)假設(shè)連續(xù)20幀沒有更新，那么判定該目標(biāo)已從視頻中離開〔或消失〕，將該結(jié)構(gòu)體初始化。目標(biāo)判定及計數(shù)〔a〕目標(biāo)判定建立一個數(shù)組存放疑似為新人的點。每一個元素為一個結(jié)構(gòu)體Structnewperson{StructPerson(a,b,r);存放該圓心的位置，半徑IntTtl;存放該點的生存時間，初始值是5，每經(jīng)過一幀減一Intaccu;該點被證實的次數(shù)}判定標(biāo)準(zhǔn)是：在連續(xù)5幀內(nèi)，如果一個點出現(xiàn)了兩次就認(rèn)為該點是一個新人，即當(dāng)ttl>0時，如accu>=2〔這兩個值都作為參數(shù)不斷進(jìn)行調(diào)整〕那么將該點參加到outperson中。其中，newperson中的元素為滿足邊緣條件的點，因為一個人進(jìn)入都是從邊緣進(jìn)入?！瞓〕計數(shù)所有目標(biāo)從1開始按順序計算。已不同的結(jié)構(gòu)體下標(biāo)表示不同的目標(biāo)。設(shè)置一個計數(shù)變量con，代表已經(jīng)存在的結(jié)構(gòu)體〔目標(biāo)〕。發(fā)現(xiàn)新的目標(biāo)那么con+1，并將新的目標(biāo)數(shù)據(jù)存入最新的結(jié)構(gòu)體Rect[con]中。每次掃描時可遍歷所有已存在的結(jié)構(gòu)體1～con，以此進(jìn)行判斷，對于已經(jīng)離開的目標(biāo)〔l=0〕那么不進(jìn)行判斷。這個算法雖然存在一定程度的資源浪費，但實現(xiàn)上比擬簡單。構(gòu)造結(jié)構(gòu)體之后按照上面的更新算法編寫程序，已經(jīng)能夠得到比擬好的結(jié)果。上面整個算法中所用到的判斷只有一個，即通過距離判斷兩點是否為同一個目標(biāo)點。能夠解決閃爍的問題，對單一目標(biāo)的判定效果很好。同時對于短暫相交后馬上分開的兩個目標(biāo)有較好的識別能力。這是由于當(dāng)兩個目標(biāo)相交后兩個輪廓會合為一個，其重心位置一般來說和原來的兩個重心位置距離都很遠(yuǎn)，那么會將其判定為一個新的目標(biāo)，存入一個新的結(jié)構(gòu)體中，而原來的兩個結(jié)構(gòu)體那么不更新。這樣當(dāng)兩個目標(biāo)短暫接觸又分開之后，又被判定為兩個目標(biāo)，由于接觸時間較短，那么兩個目標(biāo)移動的距離也較短，故分開后的兩個目標(biāo)重心位置與接觸之前的中心位置相距不遠(yuǎn)，可以通過距離閾值判斷為同一個目標(biāo)。〔c〕計數(shù)錯誤的原因：產(chǎn)生多余目標(biāo)的原因主要以下有幾個方面：兩目標(biāo)相交產(chǎn)生的額外結(jié)構(gòu)體。兩個目標(biāo)長時間接觸。單個目標(biāo)判斷錯誤。多個目標(biāo)的相交與別離。總結(jié)及缺乏算法的普適性我們算法的一大缺點就是過于依賴一些條件，當(dāng)這些條件不能滿足的時候，算法性能迅速惡化。究其原因，我們使用了不少先驗的數(shù)值〔例如移動速度的閾值〕，而這些先驗知識對于不同場景是不同的。要實現(xiàn)普適的跟蹤計數(shù)算法可能需要根本性的改革。6.運行環(huán)境Matlabr20097.源代碼：清單：main.m主函數(shù)