数字图像处理课程报告.docVIP

山东建筑大学 课 程 设 计 说 明 书 题 目：课 程：院 （部）：专 业：班 级：学生姓名：学 号：指导教师：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有哪些信誉好的足球投注网站并对它们进行检测。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功能确定，画出，完成系统设计。 2．基本教学要求：每人一台计算机，计算机安装、等软件。 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，但对缓行和静止的情况无法检测。 近年来，国内外学者对视频图像的运动目标检测了许多研究，常的方法有背景差分法、光流场法图像差分法。 背景消除法是目前运动分割中，当前图像与背景图像的区域。 光流法检测目标随时间变化光流特性。光流是图像亮度的运动，当运动时，在图像上对应的亮度也在运动。光流法可以位移向量光流场初始化目标的轮廓，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 帧间差分法可以提取出物体的运动信息 表1常用检测算法对比 背景消除法 光流场法 二帧差法 三帧差法 所得信息 目标位置、大小、形状等 目标位置、大小、形状等 目标边界 目标边界、位置 复杂度 小 大 小 较小 难点 背景选取机制、背景更新 复杂度高 空洞 空洞、滞后性 适用情况 摄像固定； 实时性要求不高； 对目标信息要求较高； 有光照、光线、天气等影响 摄像固定； 对目标信息要求高； 背景已知或者容易获取； 光照、光线、天气等影响小； 摄像固定； 实时性要求高； 对目标信息要求不高； 摄像固定； 实时性要求高； 对目标信息要求不太高； 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有哪些信誉好的足球投注网站图像的噪声区域，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