搜索
基于MATLAB的运动目标检测和识别技术研究摘要：针对智能视频监控系统中视频序列图像，本课题利用matlab7.0仿真工具采取背景差分法对视频序列图像进行处理，提出了利用分块法和统计方法相结合的算法改进背景图像的提取算法，实现运动目标的检测和跟踪，并基于matlabgui编制了运动目标检测界面。abstract：analgorithmbasedonbackground-differencemethodbymatlab7.0isproposedtoprocessvideosequencesofintelligentvideosurveillancesystem，thealgorithmisthecombinationofsegmentationmethodandthestatisticalmethodtoimplementthedetectionandtrackingofmovingobject，theinterfaceofmovingtargetdetectionisestablishedbymatlabgui.关键词：目标检测；背景差分法；灰度图像keywords：targetdetection；background-differencemethod；grayimage中图分类号：tp391.4文献标识码：a文章编号：1006-4311（2013）18-0203-020引言智能视频监控[1-3]就是利用计算机视觉、数字图像处理和视频图像分析的方法，即对摄像机拍摄的视频图像序列进行分析处理，实现对视频场景中运动目标的检测、跟踪和识别，并在此基础上分析和判断目标的行为，给出对运动目标行为和动作的描述，从而指导和规划行为。智能监控系统中，在视频图像清晰连贯并且保证计算机速度的基础上，运动目标识别、检测与跟踪的效果完全取决于自动识别与跟踪算法的性能。目前在运动目标检测与跟踪方面还存在着许多问题，主要有以下几个方面的因素影响目标检测结果，光照强度的变化影响、阴影与物体的重叠与覆盖影响、非静态背景的影响和前景目标与背景相近的影响等。监控系统设计的初始阶段就是检测出运动目标，运动目标检测的目的就是将变化的区域从背景图像中提取出来，目标检测的好坏将直接影响后续的跟踪效果和处理效果。不同的目标检测需要选择不同的检测算法目前几种常用的检测方法有光流法、帧间差分法和背景差分法三种[4-5]，光流法不需要预先知道场景的信息，并在摄像头运动时能有效的检测目标，但是该算法计算方法又过于复杂，且抗干扰性差，不适合用于实时性要求很强的场合，帧间差分法对动态变化场景有较强的适应性，但一般不能很好的提取出所有的特征像素点，背景差分法一般能得到比较全面的特征数据，本课题基于背景法实现运动目标的检测。在背景的提取上采取了分块法和均值法想结合的方法得到背景图像，克服了动态场景变化和光线变化等外界干扰对背景的影响。选取最佳的图像二值化方法和阈值实现图像的二值化，利用背景相差法检测出运动目标，得到目标质心，最后编制的运动目标检测和识别界面。1原始图像的预处理1.1图像灰度化直方图均衡化是把原始图像的灰度直方图从比较集中的某个灰度区间变成在全部灰度范围内的均匀分布，这样就增加了像素灰度值的动态范围从而可达到增强图像整体对比度的效果，使图像的细节变得清晰。1.2图像滤波视频监控采集的视频图像不可避免的存在各种各样的噪声的干扰，如瑞利噪声、脉冲（椒盐）噪声、高斯噪声、伽马噪声和均值噪声等。这些噪声造成图像质量的退化、图像模糊不清、特征不明显，不利于图像的后期处理，因此去除噪声有重要的意义，是图像处理中的重要环节。最常见的噪声有高斯噪声、瑞利噪声、椒盐噪声、伽马噪声、均匀噪声和指数噪声。最常见的几种除噪方法有高通滤波、低通滤波、中值滤波等。本课题采用中值滤波和均值滤波。均值滤波器是一种最简单的线性平滑滤波器，基本方法是邻域平均法。用邻域的均值代替原图像中的各个像素值，即对待处理的当前像素点（x，y）选择一个以邻近若干像素组成的模板，用模板中像素白飞均值来替代原像素点的值。中值滤波是一种能有效抑制噪声的非线性信号处理方法，它既能有效衰减一定类型的随机椒盐噪声（即消除孤立的噪声点），又能使图像边缘细节信息得到保护。其基本原理是把数字图像或数字序列中一点的值用该点的一个邻域中各点值的中值代替。（图2）1.3二值图像处理（图3）2运动目标检测2.1背景差分法背景差分法是运动目标检测方法中最常见的一种方法。它的基本思想就是将视频图像中的某一帧当前图像与背景图像（背景图像是提前获取的没有运动目标的图像）做差，得到差值图像，通过设一阈值，得到差分图像，差分图像中的区域就是原图像中需要检测出的运动目标区域。本课题要检测的运动目标在视频序列在每一帧都存在运动目标，因此在背景图像提取上运用了分块和统计相结合的方法，既消除了目标运动对像素带来的粗大影响，又利用统计规律减小背景像素的误差，得到稳定可靠的背景图像。2.2运动目标提取本课题处理的视频序列由82幅图像组成，在提取了背景图像之后，将视频序列的每一幅图像分别与背景图像做差检测出运动目标，并对检测出的目标增强其对比度。图2即为视频序列初始帧，中间帧和结束帧检测出的运动目标。（图5）3运动目标检测界面matlab可以创建图形用户界面gui（graphicaluserinterface），它是用户和计算机之间交流的工具。gui可以在matlab中生成非常有效的应用程序，建立演示工作的交互式界面，本课题将检测程序封装成gui，形象直观地演示出运动目标的检测过程。4结论本文研究的运动目标检测与识别算法，采用matlab仿真软件验证了算法的可行性，仿真结果表明，本课题的相关算法对系统在静态背景情况下能实时有效地检测与跟踪运动目标，适用于单个摄像机及摄像机镜头位置固定的静态背景情况，当采用多个摄像机，及摄像机镜头位置随运动目标转动的动态背景情况，相关算法还需要做进一步的改进。参考文献：[1]袁国武.智能视频监控中的运动目标检测和跟踪算法研究[d].云南大学，2012年3月，103页.[2]邢少芳.智能交通监控系统中的运动目标检测研究[d].天津大学，2011年12月，55页.[3]杜晶晶.智能视频监控中运动目标检测与跟踪算法研究[d].西南交通大学，2009年5月，59页.[4]丁雪梅等.基于差分和特征不变量的运动目标检测与跟踪[j].光学精密工程，2007，15（04）：571-572.[5]李刚等.基于背景差法和帧间差法的运动目标检测方法[j].仪器仪表学报，2006，27（08）：571-572.[6]段群，吴粉侠.基于matlab的数字图像清晰化方法[j].计算机时代，2008（04）.[7]戴宝燕.基于matlab的小波图像处理技术[j].甘肃联合大学学报（自然科学版），2010（05）.[8]丛波.基于matlab的数字图像处理技术及应用[j].中国科技信息，2011（05）.[9]吴东超，崔斌.基于matlab的数字图像处理方法与实现[j].中小企业管理与科技（下旬刊），2011（11）.[10]陈乾辉，王小芬.现代图像处理技术在目标跟踪中的matlab实现[j].现代计算机（专业版），2011（26）.