基于背景差分法的运动目标检测.doc

本本 科科 生生 毕毕 业业 论论 文文 题 目 基于背景差分法的运动目标检测 院 系 专 业 学生姓名 学 号 指导教师 职 称 二 一一 年 四 月 摘摘 要要 视频监控在现代社会的安保系统中发挥了非常重要的作用 由于现代社会的复 杂性 传统的那种由专门人员值守电视监控屏幕的视频监控系统已经无法满足现代 社会安保的要求 于是智能视频监控技术应运而生 智能监控技术是基于计算机视 觉的具有高度智能的自动化监控技术 其核心内容包括运动检测 目标分类 目标 跟踪 行为识别四个方面 本文针对运动目标检测这一方面进行探究 本文采用的检测方法为背景差分法 即从视频图像序列中将当前帧的图像与预先设定的背景图像做差分 则可得到运动 目标的位置和大小等信息 之后对差分图像进行阈值化和形态学处理等操作 并判 断此运动物体的大小 如果超过规定的范围 则认为出现了异常情况 将此运动目 标加上红色矩形框显示出来 做出报警 背景差分法计算复杂度适中 简单实用 易于实现 在本文的试验中 对视频 中运动目标的检测取得了良好的效果 实验结果令人满意 关键词 智能监控 运动检测 行为识别 背景差分关键词 智能监控 运动检测 行为识别 背景差分 Abstract Video surveillance in modern society plays a very important role in the security system As the complexity of modern society traditional video surveillance system which need specialized workers pay much attention on the television monitor screen has been unable to meet the security requirements of modern society so intelligent video surveillance technology came into being Intelligent monitoring technology based on computer vision is highly intelligent automated monitoring technology and its core content including motion detection object classification object tracking behavior recognition four aspects In this paper I intend to explore the area of moving target detection Detection methods used in this paper is background subtraction make difference from the current frame video sequence of images and the pre set background image then we can get the information of the moving target location and size After thresholding and morphological processing operations on differential image determine the size of the moving object If it excess the prescribed range think that the anomaly occurred mark this moving target with a red rectangle and make alarm Background subtraction has moderate computational complexity and is simple practical easy to implement In this experiment the moving object in video detection achieved good results experimental results are satisfactory Keywords Intelligent Monitoring Motion Detection Behavior Identity Background Subtraction 目目 录录 摘摘 要要 I ABSTRACT II 第一章第一章前言前言 1 1 1 课题的研究背景及其意义 1 1 2 智能视频监控技术及其应用 2 1 3 国内外研究现状 3 1 4 论文的主要内容和组织结构 4 第二章第二章运动目标检测中的图像预处理技术运动目标检测中的图像预处理技术 5 2 1彩色和灰度图像转换 5 2 2图像的去噪处理 6 2 2 1 频域去噪方法 6 2 2 2 时域去噪方法 6 2 2 3 空间域去噪方法 7 2 3图像的阈值化处理 9 2 4本章小结 10 第三章第三章运动目标检测的方法与分析运动目标检测的方法与分析 11 3 1光流法 11 3 2时域差分法 12 3 3背景差分法 13 3 4本章小结 14 第四章第四章实验结果分析及改进实验结果分析及改进 15 4 1实验环境介绍 15 4 2运动目标识别的流程 17 4 3实验过程及结果分析 18 4 2 1 图像的预处理 18 4 2 2 运动目标的提取 20 4 2 3 运动目标的识别 24 4 4本章总结 26 第五章第五章总结及展望总结及展望 27 参考文献参考文献 28 致谢致谢 29 第一章第一章前言前言 1 11 1 课题的研究背景及其意义课题的研究背景及其意义 当今社会面临着各种各样的安全问题 日益增多的城市突发事件诸如恐怖袭击 骚乱和群体性事件严重影响着公共安全 尤其在一些人口密集的公共场所 维护社 会的安全稳定是一项非常重要的任务 而视频监控系统在其中发挥了非常重要的作 用 在日常生活中 视频监控系统有着十分广泛的应用 诸如政府机关 银行和博 物馆的安保系统 还有在小区和十字路口等场所也发挥了重要的作用 1 现在的视频监控系统多是将各个监控点摄像头拍摄到的视频录像传输到监控室 的电视监控屏幕上 由专门的工作人员对这些摄像头拍摄到录像进行观察 监视 人工判断是否有异常情况 这样的由人员监控的系统虽然基本上可以满足安保的要 求 但是同时也存在着一些弊端 2 一方面 这种设备要求工作人员不停的监视屏 幕 浪费时间和精力 而且随着日益增多的监控热点 需要监控的视频录像也随之 增加 这就需要数量庞大的工作人员 工作量也不可避免的加大 而且长时间盯着 监控屏幕难免会产生视觉疲劳 监控人员的警觉性就会降低 很有可能使其作出错 误的判断 另一方面 现在的视频监控系统实时性不强 而且不具有预见性 无法 做到当异常情况出现时 及时提醒安保人员采取相关安全措施 其所监控到得视频 多作为事后查询用 由于传统视频监控系统的这些不足 监控智能化也是一个必然的趋势 智能监 控 3 基于计算机视觉 通过对摄像头采集到的视频图像序列进行分析以获取其中运 动物体的位置 速度 轨迹等信息 来实现对目标的定位 跟踪和识别 并在此基 础上通过预先设定的程序分析和判断运动目标的行为 如果图像中出现鉴定为异常 情况的情形 则及时作出报警提醒相关人员注意 智能监控技术作为一种具有高度智能的自动化监控技术 拥有广阔的应用前景 和巨大的实用价值 1 21 2 智能视频监控技术及其应用智能视频监控技术及其应用 智能视频监控技术主要分为三个大类 1 对人和物体的识别 即识别监控系统关心的内容 主要包括人脸识别 车牌号识别 车辆类型识别 飞机识别 红绿灯识别等等 4 2 对运动轨迹的识别和处理 主要包括虚拟警戒区域入侵 自动跟踪 人 群突然聚集 物体突然出现或消失等等 此类技术通常是对某个过程进行判断 若通过判断发现了异常情况 则立刻发出报警信息 提醒值班的监控人员注意 相应热点区域 3 对背景环境影响的判断和补偿 5 背景环境的影响主要包括光照变化 恶劣天气条件 摄像头抖动等 智能监控技术能够克服不良环境条件的影响 实现在恶劣视频环境情况下较为正常的监控功能 智能视频监控技术可以应用在家庭 国防 交通等生活中的各个方面 从功能上 来说 其最主要的应用是实时报警 实时警报 6 就是自动判断监控范围内发生的 异常事件 及时发出警报提醒安保人员注意并采取相关安全措施 下面是智能监控 技术一些典型的应用 1 检测物体运动的方向 速度 活动范围等属性 如果超过规定的限度则发出 警报 2 检测一些场合无人照看的遗留物体 由于近些年恐怖炸弹袭击事件时有发生 所以公共场所的遗留物检测十分有必要 3 检测是否有异常物体出现 比如高速路上对于行人的检测 4 检测人群数量和人群密度 有些场合需要控制人群的数量和密度 当人的数 量或者人口密度超过一定限度则发出警报 5 行为识别和检测 即检测人的行为并作出识别 判断是否为异常行为而后决 定是否发出警报 具体的应用为检测打架斗殴事件 或者偷窃事件 1 3 国内外研究现状 智能视频监控系统具有广阔的应用前景和巨大的经济价值 因此激发了全世界 科研人员的研究热情 各个科研机构都开展了对智能监控技术的研究与开发 国外 智能监控方面的代表项目有 1997 年美国国防部设立的视觉监控重大项目 VSAM 7 美 国 IBM 公司与马里兰大学联合开发的实时视觉监控系统 W4 8 What Where When Who 以及美国的 ARDA 机构 Advanced Research diff jpg 为差分后的图像 level graythresh I BW im2bw I level 最新可编辑 word 文档 figure imshow BW 程序中的 level 是归一化的阈值 取值在 0 1 之间 利用全局阈值法对差分图像进行处理 运行命令 level graythresh I 得到 的 level 0 4980 图像的阈值化结果如图 4 5 所示 图 4 5 全局阈值化的处理结果 由上图可以看出 全局阈值化并不能很好的将目标物体区分出来 归结于 阈值选择不适当 于是将差分后的图像 4 4 转化为直方图 从而可以更好的分 析阈值分布情况 其直方图如下所示 最新可编辑 word 文档 图 4 6 差分图像的直方图 根据直方图重新选定阈值 level 然后对差分图像进行阈值化 通过不断的 试验得到最佳的检测结果 试验结果见下图 a 当 level 0 10 时的阈值图 b 当 level 0 12 时的阈值图 最新可编辑 word 文档 c 当 level 0 14 时的阈值图 d 当 level 0 16 时的阈值图 e 当 level 0 18 时的阈值图 f 当 level 0 20 时的阈值图 图 4 7 选择不同阈值时的差分图像阈值化结果 可以看到当选择阈值为 0 20 时可以得到最佳的处理效果 运动物体可以从 背景中清晰的分割出来 由阈值化的结果可以看到 目标图像虽然被检测了出来 但是被分割开了 所以用闭操作对阈值化的结果进行处理 将被分割的部分连接起来 闭操作在 MATLAB 里面的命令为 imclose 闭操作的结果如下 图 4 8 对阈值化图像进行闭操作的结果 通过标记函数 bwlabel 对提取出来的目标进行标记 确定图像中的对象个数 labeled numObjects bwlabel bw 4 确定图像中的米粒个数 numObjects 28 最新可编辑 word 文档 接下来利用逻辑操作 将经过闭操作之后的二值图像与原目标图像的灰度 图像相乘 则提取出灰度图像下的运动物体 见下图 图 4 9 灰度图像下的运动物体提取结果 通过图像矩阵的逻辑操作将上图的背景转换为白色 得到的最终提取出来 的运动目标如下 最新可编辑 word 文档 4 10 从目标灰度图中提取出来的运动目标 4 2 3 运动目标的识别 运动目标的识别是通过判断阈值化的差分图像 如图 4 8 的米粒个数实现 的 在 MATLAB 中使用图像处理函数 bwlabel 对二值图像连通物体标记 判断 分割出来的运动物体的面积 预先设定一个值 当用 bwlabel 函数得到的标记 物体面积大于设定值时则认为当前帧出现了运动目标 这样的话就可以排除一 些背景环境的微小变化或者微小无关物体的干扰 当判断有运动物体时 使用 MATLAB 中的函数 regionprops 和 rectangle 对 物体进行标示 即用一个红色矩形框加在运动目标上面 进行报警 下面将通过上述步骤得到的红色矩形框加到此帧的原始图像上面 图 4 11 原始帧图像中运动物体的标定 至此则完成了对监控视频中运动目标的检测 最新可编辑 word 文档 然而此算法有时也会出现漏检或者检测到非运动物体的情形 一种情况是 当运动目标处于环境中某个区域 运动物体的灰度值和背景图像该区域的灰度 值相差比较小的时候 则这部分的运动物体则可能会被忽略掉 图 4 12 运动目标被漏检的情形 由上图可以看出 由于该运动中部的灰度值与背景相差不大时 这部分会 被当做背景从而被忽略掉 导致运动目标整体被分裂为两个部分 这也是背景 差分法的局限之一 还有一种情况是当环境发生变化的时候 如光照强度的变化 变化后的某 个背景区域灰度值与设定的原背区域的灰度值的差超过了阈值 则该区域也会 被认为是运动目标 从而出现误检的情况 最新可编辑 word 文档 图 4 13 非运动目标被误检的情形 进过实验验证 总体来说此算法对于运动目标的检测还是比较准确的 实 验取得了良好的效果 虽然有时会出现一些漏检或者误检的情况 但是绝大多 数情况下能够很好的将运动目标检测并标记出来 其总体效果令人满意 4 4本章总结本章总结 本章基于 Windows 操作系统和 MATLAB 软件平台进行实验仿真 通 过背景差分法对视频中的运动物体进行检测并取得了很好的效果 准确完 整的将运动目标的信息提取出来并做了标记 可以看出 背景差分法计算 复杂度适中 简单实用 易于实现 第五章第五章总结及展望总结及展望 智能视频监控技术作为数字图像处理与计算机视觉领域中一个涉及多学科 的研究前沿 具有非常重要的科学意义和广阔的应用前景 本文对智能视频监 控系统中的运动目标检测进行了初步的探究 首先阐述了智能视频监控系统的 发展历史与现状 分析了智能监控系统应用前景 之后针对运动目标检测 说 最新可编辑 word 文档 明了视频图像预处理的必要性 图像的预处理可以有效地消除噪声 改善图像 质量 使图像清晰且易于计算机识别 因此对运动目标识别的正确性提供了一 定的保证 噪声处理算法采用了中值滤波的方法 中值滤波是一种非线性滤波 方法 它不但对图像噪声消除非常有效 而且能够较好地保护图像边缘信息 因此本文用它来对视频图像进行预处理 并且取得了理想的效果 为目标的检 测提供了良好的基础 在分析和比较了几种常用的运动目标检测的方法之后 选用了背景差分法 因为这个方法可以直接得到运动对象的位置 大小 形状 等信息 能够完整准确地提取运动目标的信息 简单实用 易于实现 因此本 文采用背景差分法来实现运动目标的识别 并取得了比较理想的效果 由于智能视频监控系统有很广泛的应用前景和经济价值 所以智能视频监 控技术是一个很热门的研究课题 如何使得智能视频监控系统具有更好的准确 性和实时性 是一个需要研究的方向 该领域所涉及的研究内容十分广泛 而 本文距离一个完善的运动检测系统的要求还有比较大差距 本文尚存在一些不 足之处有待改进 1 如何在复杂环境下实现运动目标的智能识别 还是一个有待解决的 问题 2 如何排除背景环境变化的影响也是一个需要深入研究的问题 3 当运动物体的颜色和背景相近时 经过差分处理运动物体就有可能 被忽略 针对这个问题一种可行的方法就是采用双摄像头对物体进 行立体跟踪 从而提取出运动物体区域 4 阴影的检测与去除也有待研究 参考文献参考文献 1 郑南宁 计算机视觉与模式识别 M 北京 国防工业出版社 1998 2 王栓 艾海舟 何克忠 基于差分图象的多运动目标的检测与跟踪 J 中国图象图形学报 1999 4 6 470 475 3 张噪礼 赵春晖 梅晓丹 现代图像处理技术及 MATLAB 实现 M 北 最新可编辑 word 文档 京 人民大学出版社 2001 4 夏永泉 李卫丽 干甘勇 张素智 智能视频监控中的运动目标检测技 术研究 J 通信技术 2009 42 6 185 187 5 任明武 移动目标检测和视频跟踪系统 J 智能建筑论坛 2004 6 6 王素玉 沈兰荪 智能视觉监控技术研究进展 J 中国图形图像学报 2007 12 9 1505 1514 7 Collins A System for Video Surveillance and Monitoring VSAM Final