数字图像处理课程报告

山东建筑大学

课程设计说明书

题目：视频监控中行人的检测

课程：数字图像处理课程设计

院（部）：信息与电气工程学院

专业：电子信息工程

班级：电信112

学生姓名：杨永林

学号：2011081237

指导教师：张运楚、杨红娟、张君捧

完成日期：2014年11月

目录

摘要 (2)

一、绪论 (3)

课题研究背景及意义 (3)

二、设计要求与目的 (4)

三、视频监控中行人的检测与识别方案论证与选择 (4)

3.1常用检测算法 (4)

3.1.1背景消除法 (4)

3.1.2光流场法 (4)

3.1.3帧间差分法 (4)

3.2空间域滤波器 (5)

四、设计内容 (7)

4.1背景减法运动目标检测 (7)

4.2阈值的选取 (8)

4.3形态学滤波 (8)

4.4检测过程 (9)

五、实验结果及分析 (10)

六、总结与感谢 (12)

参考文献 (13)

附录1程序代码 (14)

摘要

视频监控在安检、交通、工业生产等方面得到了广泛的应用。为了能实时分析、跟踪、判别监控对象，并在异常事件发生时提示、对视频监控中出现的行人进行检测显得尤为重要。

本文研究基于MATLAB的视频监控中的行人检测。尤其是要从计算机视觉的角度出发构建一个对象检测器，对实时视频中的对象进行搜索并对它们进行检测。从图像序列中找到关心的对象，即行人，从而确定图像区域中的行人。

本文的行人检测，即首先将行人检测出来，再对确定包含行人的图像进行处理。。

关键词：MATLAB 视频监控行人检测

一、绪论

课题研究背景及意义

在现代社会中，视频监控系统随处可见。视频监控系统使人们的工作生活更加方便，更加安全，提高了效率。然而，目前视频监控网络多数只停留在原始视频的录像阶段。虽然有些系统具有移动侦测报警的功能，但实际监控任务大部分仍是由人工来完成。随着视频监控规模逐渐扩大，依靠人工方式进行实时监控所暴露出来的局限性越发突出，既没有足够多数量的屏幕供观看，也不可能安排足够多的人员24小时盯着屏幕看，同时面临着海量视频数据检索的问题。因此对于利用计算机视觉的相关技术实现智能化的视频监控系统的需求越来越迫切。

在自己人为设定的环境下，我们具体实现了行人检测，验证算法的是否有效，并且改进算法，使算法更加符合实际应用。我们的要求是在实时的视频监控中，系统能够实时检测行人，没有明显的延时，保证监控画面的流畅，并且有较高的正确率。

二、设计要求与目的

1．根据已知设计要求分析视频监控中行人的检测设计功能，确定视频监控中行人的检测设计的方法，画出流程图，编写实现程序，并进行调试，完成系统软件设计。

2．基本教学要求：每人一台计算机，计算机安装matlab、visio等软件。

三、视频监控中行人的检测与识别方案论证与选择

3.1常用检测算法

传统的交通监控方法，如电磁感应环线圈式车辆检测器，不能识别车辆的行驶方向，不能进行车辆分类等。雷达波检测器只能检测运动目标，但对目标缓行和目标静止的情况不能有效地提取背景，可能无法做出准确的检测。

近年来，国内外学者对视频图像的运动目标检测和识别做了许多研究，常见的方法有背景差分法、光流场法以及图像差分法。

3.1.1背景消除法

背景消除法是目前运动分割检测中一种很常见的方法，也称为背景差分法，通过比较当前图像与背景图像的差异实现目标运动区域的检测。

3.1.2光流场法

光流场法检测是利用目标随时间变化所产生的光流特性进行检测。光流的含义是图像亮度状况的运动，当目标运动时，在图像上对应的目标的亮度也在变化，表现出一种类似运动的直观感觉。通过光流法可以得到位移向量的光流场，从来初始化目标的轮廓，便于后续基于轮廓的跟踪算法有效地检测和跟踪目标。

3.1.3帧间差分法

帧间差分法（也可简称为帧差法）可以提取出物体的运动信息。帧差法根据公式中计算需要帧的个数可以分为二帧差分法、三帧差分法等。帧差法的基本假设是在视频序列中相邻两帧的视频序列图像是连续性，若画面中没有待检测的目标，那么相邻帧图像的变化非常小；而有运动目标进入画面时，会引起比较明显的帧差。如采用前后相邻两帧做差，通过相邻两帧的差异检测运动目标的方法成为二帧差分法，这也是运动目标检测中最简单也最常用的运动目标检测方法

表1常用检测算法对比

3.2空间域滤波器

（1）均值滤波器

均值滤波也被称为“邻域平均法”，是图像增强算法中很实用的空间域去噪算法。通常，图像中相邻像素的灰度或色彩有极强的相关性，因此灰度和色彩也能更改是连续地、缓慢变化。椒盐噪声表现为明显的黑色点（椒噪声）和白色点（盐噪声），这些点与周围非噪声点对比强烈，可以通过周围的非噪声点对噪声点进行处理，达到平滑噪声的效果，均值滤波是一种线性滤波器，但模糊效应比较严重，去噪的同时会引起细节信息的丢失。

（2）中值滤波器

中值滤波通常选取含有奇数个点的滑动模板，将模板中各点的灰度值排序，选取中值代替模板中心像素的的灰度值，

（3）改进中值滤波器

为了降低中值滤波带来的模糊，本文对中值滤波算法进行了改进，对中值滤波前期进行预处理，通过统计分析和判决条件来搜索图像的噪声区域，把图像分成非噪声

部分和噪声部分两类区域，对非噪声区域不进行去噪处理，也就不会带来模糊效应，对噪声区域采取去噪处理，去除噪声，改进算法在保持中值滤波原有去噪能力的基础上进一步降低了去噪引起的模糊效应。这种改进算法更有针对性地滤波可能的椒盐噪声点，同时避免滤波引起的非噪声点的模糊现象，去噪性能更好。