電信112學生姓名：20**指導教師：**日期：2014年11目錄摘要3.1常用檢測算法3.1.1背景消除法3.1.3幀間差分法3.2空間域濾波器4.1背景減法運動目標檢測4.2閾值的選取4.3形態學濾波4.4檢測過程10六、總結與感謝12參考文獻13附錄1程序代碼14山東建筑大學課程設計說明書摘要視頻監控在安檢、交通、工業生產等方面得到了廣泛的應用。為了能實時分析、跟蹤、判別監控對象，并在異常事件發生時提示、對視頻監控中出現的行人進行檢測顯得尤為重要。本文研究基于的視頻監控中的行人檢測。尤其是要從計算機視覺的角度出發構建一個對象檢測器，對實時視頻中的對象進行搜索并對它們進行檢測。從圖像序列中找到關心的對象，即行人，從而確定圖像區域中的行人。本文的行人檢測，即首先將行人檢測出來，再對確定包含行人的圖像進行處理。關鍵詞：視頻監控行人檢測山東建筑大學課程設計說明書一、緒論課題研究背景及意義在現代社會中，視頻監控系統隨處可見。視頻監控系統使人們的工作生活更加方便，更加安全，提高了效率。然而，目前視頻監控網絡多數只停留在原始視頻的錄像階段。雖然有些系統具有移動偵測報警的功能，但實際監控任務大部分仍是由人工來完成。
隨著視頻監控規模逐漸擴大，依靠人工方式進行實時監控所暴露出來的局限性越發突出，既沒有足夠多數量的屏幕供觀看，也不可能安排足夠多的人員24小時盯著屏幕看，同時面臨著海量視頻數據檢索的問題。因此對于利用計算機視覺的相關技術實現智能化的視頻監控系統的需求越來越迫切。在自己人為設定的環境下，我們具體實現了行人檢測，驗證算法的是否有效，并且改進算法，使算法更加符合實際應用。我們的要求是在實時的視頻監控中，系統能夠實時檢測行人，沒有明顯的延時，保證監控畫面的流暢，并且有較高的正確率。山東建筑大學課程設計說明書二、設計要求與目的1．根據已知設計要求分析視頻監控中行人的檢測設計功能，確定視頻監控中行人的檢測設計的方法，畫出流程圖，編寫實現程序，并進行調試，完成系統軟件設計。2．基本教學要求：每人一臺計算機，計算機安裝、visio等軟件。三、視頻監控中行人的檢測與識別方案論證與選擇3.1常用檢測算法傳統的交通監控方法，如電磁感應環線圈式車輛檢測器，不能識別車輛的行駛方向，不能進行車輛分類等。雷達波檢測器只能檢測運動目標，但對目標緩行和目標靜止的情況不能有效地提取背景，可能無法做出準確的檢測。
近年來，國內外學者對視頻圖像的運動目標檢測和識別做了許多研究，常見的方法有背景差分法、光流場法以及圖像差分法。3.1.1背景消除法背景消除法是目前運動分割檢測中一種很常見的方法，也稱為背景差分法，通過比較當前圖像與背景圖像的差異實現目標運動區域的檢測。3.1.2光流場法檢測是利用目標隨時間變化所產生的光流特性進行檢測。光流的含義是圖像亮度狀況的運動數字圖像處理 愛課程，當目標運動時，在圖像上對應的目標的亮度也在變化，表現出一種類似運動的直觀感覺。通過光流法可以得到位移向量的光流場，從來初始化目標的輪廓，便于后續基于輪廓的跟蹤算法有效地檢測和跟蹤目標。3.1.3幀間差分法幀間差分法（也可簡稱為幀差法）可以提取出物體的運動信息。幀差法根據公式中計算需要幀的個數可以分為二幀差分法、三幀差分法等。幀差法的基本假設是在視頻序列中相鄰兩幀的視頻序列圖像是連續性，若畫面中沒有待檢測的目標，那么相鄰幀圖像的變化非常小；而有運動目標進入畫面時，會引起比較明顯的幀差。如采用前后相鄰兩幀做差，通過相鄰兩幀的差異檢測運動目標的方法成為二幀差分法，這也是運動目標檢測中最簡單也最常用的運動目標檢測方法山東建筑大學課程設計說明書常用檢測算法對比背景消除法信息目標位置、大小、形狀等目標位置、大小、形狀等目標邊界目標邊界、位置較小難點背景選取機制、背景更新復雜度高空洞空洞、滯后性情況攝像固定；實時性要求不對目標信息要求較高；有光照、光線、天氣等影響攝像固定；對目標信息要求背景已知或者容易獲取；光照、光線、天氣等影響小；攝像固定；實時性要求高；對目標信息要求不高；攝像固定；實時性要求高；對目標信息要求不太高；3.2空間域濾波器（1）均值濾波器均值濾波也被稱為“鄰域平均法”，是圖像增強算法中很實用的空間域去噪算法。
通常，圖像中相鄰像素的灰度或色彩有極強的相關性，因此灰度和色彩也能更改是連續地、緩慢變化。椒鹽噪聲表現為明顯的黑色點（椒噪聲）和白色點（鹽噪聲），這些點與周圍非噪聲點對比強烈，可以通過周圍的非噪聲點對噪聲點進行處理，達到平滑噪聲的效果，均值濾波是一種線性濾波器，但模糊效應比較嚴重，去噪的同時會引起細節信息的丟失。（2）中值濾波器中值濾波通常選取含有奇數個點的滑動模板，將模板中各點的灰度值排序，選取中值代替模板中心像素的的灰度值，（3）改進中值濾波器為了降低中值濾波帶來的模糊，本文對中值濾波算法進行了改進，對中值濾波前期進行預處理，通過統計分析和判決條件來搜索圖像的噪聲區域，把圖像分成非噪聲山東建筑大學課程設計說明書部分和噪聲部分兩類區域，對非噪聲區域不進行去噪處理，也就不會帶來模糊效應，對噪聲區域采取去噪處理，去除噪聲，改進算法在保持中值濾波原有去噪能力的基礎上進一步降低了去噪引起的模糊效應。這種改進算法更有針對性地濾波可能的椒鹽噪聲點，同時避免濾波引起的非噪聲點的模糊現象，去噪性能更好。山東建筑大學課程設計說明書四、設計內容4.1背景減法運動目標檢測背景差分算法的實質是：實時輸入的場景圖像與背景圖像進行差分，可以較準確的分割出運動目標。
但是背景差分算法也有其天然的缺陷，隨著時間的推移，場景的光線、樹葉的遮擋、或者運動物體滯留都會很大程度的破壞已經建立好的背景圖像。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。前面已經討論過相關問題，因此，本文假設背景處于理想情況下進行背景差分算法的研究。設y)是二維數字圖像的平面坐標，基于背景減法的二值化數學描述為：Di(x,y)=|Ii(x,y)－Bi(x,y)|1,Di>TMi(x,y)＝0,DiTIi(x,y)表示圖像序列中當前幀的灰度圖像，Biy)表示當前幀背景的灰度圖像,Mi(x,y)表示相減后的二值化結果，T表示對應的相減后灰度圖像的閾值，選取固定閾值T=15，基于背景減法的仿真，如圖2:()背景差分實驗山東建筑大學課程設計說明書算法計算出背景圖像，左圖為原始輸入圖像，右圖為二值化圖像，左下圖為背景差分法得出的形態學濾波的圖像。實驗結果表明：背景差分算法也可以有效地檢測出運動目標。
由于背景建模算法的引入，使得背景對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，使用背景差分算法檢測出的 運動物體輪廓，比幀間差分法的檢測結果更清晰。因此，在背景建模與背景更新處于 比較理想的狀態下，背景差分算法得到的差分結果略好于幀間差分的結果。 4.2 閾值的選取 算法提取背景及目標提取都需對圖像二值化。分割閾值的選取雖看似簡 單，但直接影響目標的分割效果，閾值T 增大，雖然可以一定量的減少環境對效果的 影響，但同時也會將差分結果中變化不明顯的區域作為前景被忽略掉；閾值T 減小，效果卻又恰恰相反。 進行閾值計算時還應注意迭代速度和精度的矛盾。 4.3 形態學濾波 由于刮風、氣流等原因數字圖像處理 愛課程，背景中部分物體小幅度晃動；光線的變化等不確定因素， 會使得視頻圖像產生大量噪聲，當差值圖像二值化后，仍然有很多無用的噪聲斑點。 因此，需要采用數學形態學方法，對分割后的二值圖像進行形態學濾波。 (1)結構元素 結構元素被形象的稱為刷子或探針，是膨脹和腐蝕操作中最基本的組成部分。 (2)腐蝕和膨脹 腐蝕和膨脹是許多形態學算法的基礎。腐蝕操作會去掉物體的邊緣點，細小物體 所有的點都會被認為是邊緣點，因此會整個被刪去。
再做膨脹時，留下來的大物體會 變回原來的大小，而被刪除的小物體則永遠消失了。膨脹操作會使物體的邊界向外擴 張，如果物體內部存在小空洞的話，經過膨脹操作這些洞將被補上，因而不再是邊界 了。再進行腐蝕操作時，外部邊界將變回原來的樣子，而這些內部空洞則永遠消失了。 (3)開啟和閉合 開啟就是相對圖像進行腐蝕，然后膨脹其結果。閉合就是先對圖像進行膨脹，然后 腐蝕其結果。開啟一般使對象的輪廓變得光滑，斷開狹窄的間斷和消除細的突出物。 閉合同樣使輪廓線變得光滑，但是開啟相反的是，它通常消除狹窄的間斷和長細的鴻 溝，消除小的孔洞，并填補輪廓線中的斷裂開啟。 山東建筑大學課程設計說明書 4.4檢測過程 山東建筑大學課程設計說明書 10 五、實驗結果及分析 1.視頻起始階段基本無光線改變，人物捕捉略正常 Image Image( ) 2.視頻中段，由于光線變化以及人手抖動，使得悲劇也被捕捉到，當然會在實際使用 中，此情況會被改善。 山東建筑大學課程設計說明書 11 Image Image( ) 3.視頻結尾光線恢復正常，但由于人工拍攝的局限性，鏡頭抖動，捕捉畫面略差。
Image Image( ) 本文著重研究了利用背景減法進行目標檢測在 中的實現方法。利用 圖像處理功能來實現經典的圖像處理方法,簡化了算法,達到了檢測目標的預期 效果,為后面的目標跟蹤、目標分類等奠定了基礎。 山東建筑大學課程設計說明書 12 六、總結與感謝 在此論文撰寫過程中，要特別感謝相同小組同學的幫助和理解，。沒有同學們的幫 助也就沒有今天的這篇論文。求知之路充滿了突然的快樂和成就感。在做課程設計得 過程中，張云楚老師不斷的激發我們對知識的探索，和對新事物的研究意識，還要感 謝楊紅娟老師和張君捧老師對我們學習的督促，讓我們不再那么懶惰。 在查詢資料時，老師給我們提供了很重要的資料，本文參考了大量的文獻資料， 在此，向各學術界的老師們表示感謝！ 山東建筑大學課程設計說明書 13 參考文獻 cf human : [J]. , 1999, 73(1):82298 常好麗．運動行人檢測與跟蹤方法研究[D]．陜西：西北工業大學，2006. 常好麗，史忠科．基于單目視覺的運動行人檢測與跟蹤方法[J]．交通運輸工程學報，2006. 何東健，耿楠，張義寬編著，數字圖像處理[M]．西安：西安電子科技大學出版社，2008.5 劉志敏,揚杰,施鵬飛．數學形態學的圖像分割算法[D]．計算機工程與科學,1998,20(4):21． 章毓晉．圖像分割．北京:科學出版社,2001．[10] 6.5輔助圖像處理[M]．電子工業出版社,2003. 山東建筑大學課程設計說明書 14 附錄1 程序代碼 clear all; close all; clc; , ′.avi′ 為待處理的視頻文件，格式為.avi (′D:\12.avi′); .;%為了避免占用太大的內存，選取200 幀的截取視頻 200;Clips floor(/);%讀取視頻的第一幀作為背景圖像 Fref (′D:\12.avi′,10);Iref =Fref.cdata; %設定閾值 Threh 定義一個結構元素se=strel(′disk′,3); 計算影片剪輯開始和結束的幀指數 -1; else ;end %從AVI 文件讀第m 個影片剪輯幀 =(′D:\12.avi′,[:]); +1) Icurr (k).cdata;%計算當前幀與參考幀之間的絕對差異 Idiff 利用檢測運動目標 Ifg Idiff>Threh; %利用 算法進行形態學濾波，去除椒點噪聲 Ifg2 (Ifg,se);(1); (2,2,1), (Icurr),title(′ Image (2,2,2),(Ifg), title(′ Image( ) (2,2,3),(Ifg2), title(′ pause(0.01);end end