基于Opencv的视频实时监测与报警系统设计..

基于opencv的视频实时监测与报警
组员:
目录
1 2 3
背景意义 主要方法
程序设计 结果分析
4
背景意义
近年来，计算机视觉的研究重点已经 从对静态图像的研究过渡到对动态图像 序列的研究上面。 视频图像序列已成为现今计算机视觉 的研究热点，其极大的促进了计算机视 觉在各领域中的应用。
视频运动分析主要应用于视频监控系 统、视频MPEG编解码技术、人机交互 感知接口、军事制导、雷达视频图像目 标分析与跟踪等。
实验结果
主要参考文献： [1] 吴晓阳. 基于OpenCV的运动目标检测与 跟踪[C]. 杭州：浙江大学， 2008. [2] 翟旭. 智能视频监控中目标检测跟踪技术 的研究[C]. 北京：北京邮电大学，2013.
程序设计
开始
初始化 运动 目标？ 打开摄像头 否 是 图像帧差 报警
目标监测
帧差图像
二值化
否
滤波
目标大于 阈值？
运动目 标检测
是
分割标记
实验结果
视频监测与报警系统的优点在于可以 实时、准确、稳定的完成室内的监测，出 现虚报、漏报、错报的概率很小等。
其不足之处在于本系统中的报警略有 延迟。
视频图像序列运动目标分析系统的难 点：实时性、鲁棒性、通用性和可移植 性的要求较高。 视频实时监测与报警系统对待监控视 频序列的内容进行自动分析和判断，对 监控过程中出现的异常行为及时做出反 应。常用于交通监控、安防监控等。
主要方法
本设计的主要包括以下几部分：图像 预处理、运动目标监测、报警。
视 频 序 列
图 像 预 处 理
运 动 目 标 监 测
报 警
百度文库
预处理的目的是为了消除图像噪声， 本文采用中值滤波与膨胀消除图像噪声。 中值滤波主要除去图像中的噪声点。 像素值为其邻域内所有像素由小到大 排列后的中间值。
对图像进行高斯金塔分解得到不同层 次的子图像，分别对子图像进行膨胀，最 后对膨胀后的子图像重构，以达到消除目 标不连续空间的目的。
LPA0 LPA1 LPA2 LPA3
运动目标检测部分有背景减除法、帧 间差分法和光流法。本设计采用帧间差分 法，其基本过程如下：
f k 1
fk
延迟
二值化
形态学滤波
连通性分析
判别
监测部分主要包括运动目标的检测与 分割。传统的分割标记方法的标记对象是 像素，为了提高运动目标分割的效率，目 前有基于边缘轮廓和线段的标记方法。 本文利用 cvFindContours()函数得 到背景差分检测出来的运动前景图像中的 目标轮廓，并得到运动目标的外接轮廓或 者外接矩形以及所处的位置。