《视频图像中运动物体检测》由会员分享，可在线阅读，更多相关《视频图像中运动物体检测（41页珍藏版）》请在金锄头文库上搜索。
1、摘 要运动目标检测处于整个视觉检测系统的最底层，是各种后续高级处理如目标分类、行为理解等的基础。运动目标检测是指从视频流中实时提取目标，一般是确定目标所在区域和颜色特征等。目标检测的结果是一种“静态”目标前景目标，由一些静态特征所描述。在论文的第一部分介绍了运动目标检测的基本理论以及实现方法；在论文的第二部分简述了模式识别，数学形态学以及边缘检测的概念，重点介绍了数学形态学中的腐蚀和膨胀以及 canny算子用于边缘检测的方法。通过观察所需检测的图像的性质，笔者首先使用连通性的概念，进行了算法一的尝试；在不成功后，笔者又利用数学形态学和模式识别结合的方法，在canny算子边缘检测的基础上，进行了
2、算法二的初步尝试，得出了检测结果。并通过对比试验，检测了算法的效果。关键词：运动目标检测，数学形态学，模式识别，边缘检测AbstractThe locomotion target detecting is placed in the understratum of the whole sense of vision detecting system, it is also the base of every kind of follow-up advanced dispose such as the target sorting, behavior comprehending and so o
3、n. The locomotion target detecting is pick-uping target in real time from the video stream; it is commonly making sure the region and color characteristic etc. Of the target. The result of the target detecting is a kind of static target foreground target, being described by some static characteristi
4、c.The basic theoretics and realization method of the locomotion target detecting is introduced in the first part of the thesis; in the second part of the thesis it is simply depicting the conception of pattern identify, mathematical morphology and the edge deetecting,it is mostly introduced the meth
5、od of the eroding and dilating of mathematical morphology, and the edge detecting using canny operator. Acrossing the character of the observing a kind of picture needing detecting, the author firstly uses the conception of connectedness, and proceed according to the method of connectedness target d
6、etecting, but it is unsuccessful, the author according the method of uniting mathematical morphology and pattern identify, on the basis of edge detecting using canny operator, proceed according to the method of difference of two frames threshold value and educe the detecting result. At last , the au
7、thor according contrast experimentation, detect effect of the arithmetic.Key Words: target detecting, mathematical morphology, pattern identify,edge detecting 引 言在当今信息时代，社会的发展突飞猛进，各行各业都离不开信息，尤其是图像信息。图像信息处理作为一门跨学科的前沿科技已经广泛的应用在各个领域。运动目标检测是图像信息处理中的重要课题，运动目标检测的结果,常常是下一步的目标跟踪、模式识别、图像理解等高级后处理的输入图像。在许多场合,比
8、如说交通流量的监测等,我们往往对运动的物体更感兴趣。因此研究只对运动目标敏感的检测与跟踪系统是很有意义的。 纵观全文，本论文主要完成了以下工作：首先，介绍了边缘检测的基本概念，边缘检测算子的处理，并特别着重介绍了canny算子；其次，介绍了数学形态学和模式识别，特别详细介绍了腐蚀，膨胀，连通性和阈值分割的概念和算法；最后，介绍了作者所使用的两种算法，并做出了对比实验。目录摘 要IAbstractII引 言III第一章绪言1.1 引 言1.2运动目标检测的主要方法1.3 论文的主要内容第二章 视频图像中运动目标检测2.1数学形态学2.1.1腐蚀2.1.2膨胀2.1.3连通性2.2边缘检测2.2.
9、1Robert算子2.2.2Sobel算子2.2.3Prewitt算子2.2.4LOG算子2.2.5canny算子2.3基于阈值的图像分割2.4视频图像运动目标检测算法2.4.1基于连通性运动目标检测2.4.1.1算法框图2.4.1.2算法描述2.4.2基于帧间差阈值法的运动目标检测2.4.2.1算法框图2.4.2.2算法描述第三章 仿真实验3.1单运动目标检测3.2多运动目标检测第四章 结束语参考文献附录源程序致谢第一章 绪言1.1 引 言当前是信息时代，信息的获得，加工，处理和应用等都有了飞跃发展。图像信息处理是一门跨学科的前沿科技。已经广泛的应用在遥感，文件处理，工业检测，机器人视觉，军
10、事，生物医学，地质，海洋，气象，农业，灾害治理，货物检测，邮政编码，金融，公安，银行，工矿企业，冶金，渔业，机械，交通，电子商务，多媒体网络通信等领域。数字图像处理的主要研究目的在于通过对原始图像的再加工，使之能具备更好的视觉效果或能满足某些应用的特定需求。在处理上主要包括图像的采集，编码，存储和传输，图像的合成，图像的增强，变换和复原，模式识别，图像分割，目标的检测，以及数学形态学等诸多内容。图像处理着重强调图像之间进行的各类变换，以及对图像中感兴趣的目标进行的特征提取与目标的分割。这些过程一般可用算法的形式加以表述。图像处理技术近几年发展非常迅猛，每年均有数以百计的新算法诞生，其中包括小波
11、变换等多种有相当影响的算法，这些算法在设计时大量运用了数学，数字信号处理，信息论以及色度学的有关知识，而且不少新算法还充分吸取了神经网络，遗传算法，人工智能以及模糊逻辑等相关理论的一些思想，开阔了进行图像处理的设计思路。然而，在现有的为数众多的图像处理算法中，至今仍没有一种通用的处理算法，大多都是针对某一种或某一类图像而提出来的，在处理时对被处理的图像有很大的依赖性。图像处理技术随着计算机技术的不断发展，得到很大的提高，已经具有自己的技术特色，并形成了较完善的学科体系。近几年来,随着多媒体技术的迅猛发展与计算机性能的不断提高,动态图像处理技术日益受到人们的青睐,并且取得了丰硕的成果,广泛应用于
12、交通管理、军事目标跟踪、生物医学等领域。目标监测系统,可以用计算机代替值班人员在仓库、变电站、银行等重要地方进行监控。由于静态图像处理技术有一定的局限性,而动态图像比静态图像包含更多的信息,因此,引入运动监测很有必要。运动目标检测是机器视觉、视频信息处理和应用视觉研究等领域中的重要课题。在实际应用中,利用运动目标检测算法进行图像分割的结果,常常是下一步的目标跟踪、模式识别、图像理解等高级后处理的输入图像。在现实生活中,大量的有意义的视觉信息包含在运动之中,甚至有些动物的眼睛经过进化,只能看见运动的物体。尽管人类视觉既能看见运动又能看见静止的物体,但是在许多场合,比如说交通流量的监测、重要场所的
13、保安、航空和军用飞行器的制导、汽车的自动驾驶或辅助驾驶等,我们往往对运动的物体更感兴趣。因此研究只对运动目标敏感的检测与跟踪系统是很有意义的。此外,运动目标的研究对象是图像序列,而对图像序列的研究一般要比对单帧图像作静态分析容易。1.2运动目标检测的主要方法目前,检测运动目标的方法主要有光流法和帧间差阈值法。一种常用的运动检测算法为“光流场分割法”。该算法计算场景中的二维速度分布,在目标与背景的速度不同时,将目标从背景中分割出来。光流法的优点是能够检测独立运动的对象,不需要预先知道场景的任何信息,并且可用于摄像机运动的情况,但多数光流法计算复杂耗时,很难实现实时检测。一般情况下,由计算量较大,
14、该算法在图像分辨率很高时只有被固化到硬件中才可以实时应用。由于噪声、多光源、阴影、透明性和遮挡性等原因,使得计算出的光流场分布不是十分可靠和精确,光流场的计算实时性和实用性较差。另一种最直接的运动检测算法“基于差分图像的直接算法”就是求出场景中当前图像f(x,y,t)与参考图像fr(x,y)相减得到的差分图像f(x,y,t),并对其进行滤波、取阈和连通性处理。根据背景是否固定,该算法又可分为固定背景法和相继图像差分法。(1)当前图像与固定背景图象之间的差分;固定背景法适用于摄像机固定、场景环境条件相对稳定的场合,参考图像可取为一定时间内的背景图像。固定背景法检测物体的优点是位置精确、速度快,因
15、为它只需获取当前的一幅图像。不足之处是受环境光线变化的影响,在非受控环境下需要加入背景图象更新机制,且不适用于摄像头运动或者背景灰度变化很大的情况。(2)当前连续两幅图像(时间间隔)之间的差分。相继图像差分法取参考图像为前一帧图像f(x,y,t-1),所以它只检测与背景有相对运动的物体。由于参考图像不断更新,该算法不易受光线变化的影响,其缺点是检测出目标的位置的精确性受目标相对运动速度的影响。相继图像差分法的优点是它只对运动物体敏感,实际上它只检测相对运动的物体,而且因2幅图像的时间间隔较短,差分图像受光线变化影响小,检测有效而稳定;缺点是检测出的物体的位置不精确,其外接矩形在运动方向上被拉伸,这实际上是由相对运动与物体位置并非完全一致引起的。相对运动受物体本身的运动速度及相继图像之间的时间间隔影响。.提出了一种获取运动物体精确位置的方法,但该方法需要连续3帧图像,并要计算梯度图像,算法的计算量大且有一帧时间的滞后性。运动目标的跟踪是确定同一物体在不同帧中位置的过程,当运动物体被正确检测出来时,它就是
