检测交通视频中运动目标的程序设计

武汉理工大学《专业综合实践》说明书专业综合实践任务书学生姓名:________专业班级:指导教师:工作单位:信息工程学院题目:检测交通视频中运动目标的程序设计初始条件:（1）提供实验室机房及其matlab软件；（2）数字图像处理的基本理论学习。要求完成的主要任务:(包括课程设计工作量及其技术要求,以及说明书撰写等具体要求):（1）学习运动目标检测的原理及方法，并利用matlab设计程序完成以下功能；（2）读取交通视频文件；（3）运用一种背景建模方法，提取背景图像；（4）读取一帧有运动目标的图像，利用背景差分法，得到差分区域；（5）对差分区域进行数学形态学处理，得到完整的运动目标区域，并显示运动目标检测结果图；（6）对检测的结果进行分析比较；（7）要求阅读相关参考文献不少于5篇；（8）根据课程设计有关规范，按时、独立完成课程设计说明书。时间安排:(1)布置课程设计任务，查阅资料，确定方案1.5天；(2)进行编程设计、调试2天；(3)完成课程设计报告书、答辩1.5天；指导教师签名:年月日系主任(或责任教师)签名:年月日武汉理工大学《专业综合实践》说明书目录摘要.....................................................................11.概述...................................................................22.设计原理...............................................................32.1背景提取与更新算法..............................................32.1.1手动背景法.................................................42.1.2统计中值法.................................................42.1.3算术平均法.................................................42.1.4Surendra算法.............................................52.2背景差分法运动目标检测..........................................62.3形态学滤波......................................................72.4总体方案设定......................................................92.4.1算术平均法与Surendra算法相结合的背景建模...................92.4.2总体程序框图...............................................103.软件编程实现..........................................................114.结果及分析............................................................135.心得体会..............................................................17参考文献................................................................18武汉理工大学《专业综合实践》说明书1摘要运动目标检测是图像处理与计算机视觉的一个小分支，在理论和实践上都有重大意义，长久以来一直被国内外学者所关注。在实际中，视频监控利用摄像机对某一特定区域进行监视，引入运动监测非常有必要。它可以减轻人的负担，并且提高了可靠性。概括起来运动监测主要包括三个内容：运动目标检测，方向判断和图像跟踪。运动目标检测是整个监测过程的基础，运动目标的提取准确与否，直接关系到后续高级过程的完成质量。本文主要内容为对监控视频进行背景建模和背影差分的方法进行运动目标检测。关键字：数字图像处理MATLAB运动目标检测背影差分法形态学处理武汉理工大学《专业综合实践》说明书21.概述运动目标检测在机器人、视频监控、交通道路检测、军事战争、模拟现实等众多的领域都有极其重要的应用和良好的发展前景。近年来运动目标检测的研究方法在计算机方面一直都处于热门性研究话题，国内外等众多的学者在运动目标检测等方面进行了不懈的努力。运动目标检测在国外，早在二十世纪美国有关部门就运动目标检测进行了监控系统项目的研究，其主要的目的是实现在一定的环境下对运动目标的检测，该系统采取了帧差分法的检测方法。此外世界知名的计算机公司如IBM以及Microsoft等也纷纷进行了监控系统研究的实验，他们研究出来的智能监控系统极大的推进了视频监控的研究，并使得智能监控系统能够应用于现实实际的需要，推进力社会现代化的进程。中国科学院是国内所有研究运动目标检测的机构中的引领者，而北京自动化研究所在运动目标检测方面则是做出了较大的贡献，交通场景的监控和行为模式识别是重点研究方向，在检测系统中有着重要的地位。为了适应社会发展的需要，于2002年第一次成功举办了全国智能视觉监控会议，本文主要描述运动目标检测的基本原理，和运用背影差分法检测运动目标的具体实现方法和比较背景建模的几种不同方法，然后选择设计一种合适的方法实现背景建模，最后用视频模拟了交通监控的过程给出实验结果和分析。武汉理工大学《专业综合实践》说明书32.设计原理对于向地面物体背景较为复杂的背景的运动目标检测，难以用阈值方法进行目标的区分，可采用帧间差分法、背影差分法、光流发等运动分割方法进行检测。帧间差分法直接比较两帧图像对应像素点的灰度值，得到运动目标；背景差分法假定图像背景是固定不变的，将每一帧图像的灰度减去背景的灰度图像得到的运动物体的灰度图像，而在此之前需要建立一个背景图像，背景图像的好坏直接决定了检测的效果，因此建立一个合适的背景图像至关重要。考虑到监控视频一般是固定的，背景除了光影和其他微小变化外不会有大面积的背景改变，故本文采用背影差分法，运用背景建模的方法及实现运动目标的检测。2.1背景提取与更新算法在进行运动目标检测时，一个很重要的步骤就是区分出运动目标和背景范围，常见的一种情况是摄像机处于静止状态并且焦距也是固定的。此时，图像中的背景区域固定不动。在这种情况下，运动目标识别无论是使用背景差法，还是使用背景差法结合帧间差法，质量良好的背景的建立显得及其重要。另外，当涉及到背景的使用时，一旦背景发生一些变化时，如背景中频繁地出现运动物体，或者光照发生变化、树叶等小物体的晃动等等，使得不能准确地提取背景作为参考图像，从而不能正确地分割出视频序列中的运动物体。为了克服上述问题，国内外众多研究人员提出了背景建立和自适应的背景模型，实现了背景模型的实时更新，能够比较准确地识别出运动目标。在能够满足实时性和实用性要求的前提下，讨论并研究下列几种算法。武汉理工大学《专业综合实践》说明书42.1.1手动背景法手动背景法需要人观察到没有前景物体时启动该帧图像，作为背景图像。这种背景提取方法增加了人力和物力的需求，而且在很多情况下很难在没有前景的情况下获得背景图像，比如高速公路的车辆监测系统、小区的门禁系统等等。这种方法不能实现自适应背景更新的功能，需要使用其他方法修正由于光线，亮度等的变化带来的背景误差。2.1.2统计中值法考虑到运动物体较少的情况下，连续多帧图像中背景的像素值占主要部分，这样在一段时间内变化缓慢，取中值便可以认为是背景图像。统计中值算法从统计学的角度统计单个像素点Ai(x,y),(i=1,2,…N)在连续帧图像中的亮度值Bi。在一段时间内对视频序列图像的亮度值(或者色彩信息)Bi进行排序，然后取中值Mi(x,y)作为背景。该算法存在的问题在于：图像帧的像素点大多以数万，数十万的数量级出现，而用于取中值的图像帧数量N也应该比较大。对如此大的数组进行排序取出中值，实现时计算量较大，处理较慢。同时需要占用大量的内存单元用于存储数据。2.1.3算术平均法采用算术平均法提取背景图像，可以总结为在特定的时间段内对像素点的亮度和色彩信息取平均值，用均值作为背景图像对应像素点数值。在读入一段视频时，对某一像素点进行观察，会发现在没有前景的运动目标通过时，该点的灰度值保持稳定，变化很小,只有当前景的运动目标通过时，该点的灰度才会发生剧烈的变化。这样就可以连续读入N帧图像，对图像各点的灰度或色彩信息进行统计的方法，使得变化剧烈的像素点变得平缓，取其平均值作为背景图像像素点的值。这样也可以滤除背景图像中的突变噪声点。其统计公式如下：NiNyxIiyxB11),(),(（2-1）武汉理工大学《专业综合实践》说明书5公式中式中：B(x,y)表示背景图像，Ii(x,y)表示第i帧序列图像，N表示平均帧数。在实际场景中，一段时间内，同一区域很少有可能总是存在运动物体。而通过平均法得到的背景就会消除亮暗分布不均匀的情况。由上述仿真实验证明，算术平均法的特点是模型简单，计算方便，可以较好的得到背景图像。但是在仿真过程中，也发现了该方法的一些问题。其中最明显的是，该算法得到背景图像需要获取的图像帧较大。受运动物体数量的影响，随着平均帧数的增加，得到的背景图像的质量越好。由于是求取序列图像的算术平均值，如果N值太小，背景图像中的运动物体不容易被滤除，很容易在背景图像中留下“影子”。而且在运动物体很多，轨迹很固定的情况下，也需要加大N的数值，以使得平均值更加接近与真实的背景图像。在这种情况下，背景的建立就需要较长的时间。本算法也有一定自适应更新功能。随着时间的推移，在背景提取后获取的图像帧也可以作为新的信息量，与背景图像进行统计平均或加权平均，实现背景的自适应更新。因此这种方法也使用于实时背景更新算法。2.1.4Surendra算法Surendra背景更新算法能够自适应地获取背景图像，该算法提取背景的思想是对差值图像的亮度值进行判断，如亮度大于阈值，背景图像对应位置的像素点保持不变，否则利用当前帧对背景图像进行替换更新。通俗的来说就是亮度变化不大时，我们认为是背景变化，因此该区域更新背景，亮度变化较大时，我们认为是运动目标，此区域不加入背景更新。其算法可以分成以下几个步骤：(1)将第1帧图像I1作为背景B1。(2)选取阈值T，迭代次数m=1，最大迭代次数MAXSTEP。(3)求当前帧的帧差分图像1|Ii－Ii-1|＞TDi=(2-2)0|Ii－Ii-1|≤T武汉理工大学《专业综合实践》说明书6(4)由二值图像Di更新背景图像BiBi-1(x,y)Di=1BI=(2-3)αIi(x,y)+(1-α)Ii-1(x,y)Di=0式中Bi(x,y)，Di(x,y)为背景图像和差分二值图像在(x,y)的灰度值，Ii(x,y)为输入的第i帧图像，α为更新速度。(5)迭代次数m=m+1，进行第(3)步的运算。当迭代次数m=MAXSTEP时结束迭代，此时Bi(x,y)可当作背景图像。在仿真研究中发现,MAXSTEP很大程度地决定了背景建立时的速度，α则决定背景更新的速度。这种背景建模和更新的方法，能够很好地解决物体长时间停留对背景的影响，因为背景的更新会将它逐步地作为背景像素点更新到背景中。但是由于它的基本处理方式是帧间差分，使得它不能将色彩、亮度相似的，大面积的运动物体完整的检测出来。这种情况下，运动物体的某些部分将作为背景区域更新到背景中。2.2背景差分法运动目标检测背景差分算法的实质是：实时输入的场景图像与背景图像进行差分，可以较准确的分割出运动目标。但是背景差分算法也有其天然的缺陷，随着时间的推移，场景的光线、树叶的遮挡、或者运动物体滞