检测交通视频中运动目标的程序设计

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

目录

摘要 (1)

1.概述 (2)

2.设计原理 (3)

2.1 背景提取与更新算法 (3)

2.1.1 手动背景法 (4)

2.1.2 统计中值法 (4)

2.1.3 算术平均法 (4)

2.1.4 Surendra算法 (5)

2.2 背景差分法运动目标检测 (6)

2.3 形态学滤波 (7)

2.4总体方案设定 (9)

2.4.1 算术平均法与Surendra算法相结合的背景建模 (9)

2.4.2 总体程序框图 (10)

3.软件编程实现 (11)

4.结果及分析 (13)

5.心得体会 (17)

参考文献 (18)

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

1.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。

2.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。

2.1.1 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A i (x,y),(i=1,2,…N)在连续帧图像中的亮度值B i 。

在一段时间内对视频序列图像的亮度值(或者色彩信息) B i 进行排序，然后取中

值M i (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：

∑==N

i N y x Ii y x B 11

),(),( （2-1）