一种基于背景差分算法的实时运动检测跟踪系统的设计.docVIP

一种基于背景差分算法的实时运动检测跟踪系统的设计 　　摘要：本文提出一种基于回归型背景差分算法的实时运动检测跟踪系统的设计。通过载入摄像头实时图像与建立好的背景模型进行差分运算，并对差分运算的结果进行连通域分析，检测出运动物体与摄像头的相对位置并实时准确跟踪。实验结果表明，该文设计的实时运动检测与跟踪系统，能够达到实时的、准确的、跟踪目标。 　　关键词：背景差分算法；连通域分析；运动检测 　　中图分类号：TP311 文献标识码：A 文章编号：1009-3044（2016）22-0207-03 　　随着计算机技术、通信技术、图像处理技术的不断发展，运动目标检测在智能交通流量检测、商用安防检测、模式识别等场合的作用越来越重。运动检测是运动图像分析、智能监控、可视人机交互中的重要处理步，通过运动检测可以得到图像中的运动信息，提取图像中的运动人物或目标，然后进行定位跟踪，在需要安全防范的应用场合下具有十分重要的意。 　　针对这个问题，本文设计了一种利用回归型背景差分算法进行实时运动检测与跟踪的系统。不同于对已存储视频的分析，系统直接对摄像头输出的当前帧进行分析处理，首先建立一个可靠的背景模型，然后载入摄像头的实时帧图像，对背景图像和当前帧进行初步处理后通过差分算法得到完整可靠的运动目标图像，最后用形态学滤波进行后处理，以消除噪声和背景扰动带来的影响，最后通过对连通域分析将当前视频中的运动目标检测出来并实时跟踪达到实时检测跟踪的目的，提高了实时性。 　　1系统概述 　　本系统模拟实际应用场合，系统硬件采用中博斯科技USB摄像头模组，型号XC2440，广角120度。系统软件采用在32位Windows10系统上运行的matlabR2011b。整体由固定位置的摄像头和基于matlab的图像处理程序组成，程序分为图像载入，背景模型建立，差分运算预处理，灰度处理，二值化分析，差分运算结果连通域分析，运动检测与跟踪，背景模型更新等过程，同时设计了一个交互方便的GUI，对数据监测和数据处理流程进行全方位的展示。界面设计如图1。设计了四个axes，左上角为preview，主要显示当前摄像机拍摄到的画面；右上角为Detection_minus，主要灰度处理、二值化和图像差分等操作后的图像实时显示；左下角为camera，主要用于显示读入的图片数据、拍摄照片后的图片数据；右下角为figure_centeroid，主要用于画出检测到的运动物体的质心相对于坐标轴的坐标位置。 　　2整体设计 　　2.1实时图像预处理 　　在MATLAB中采用videoinput命令读取USB摄像头数据保存到一个类中，将图像帧从YUV模式转为RGB颜色表显示。通过get函数将类中的图像数据读出，用image函数转存为图像。由于RGB是三维数据，不能直接进行差分运算，需要预先使用RGB2GRAY函数将RGB图像转为灰度图，彩色图像的像素色为RGB（R，G，B），灰度图像的像素色为RGB（r，r，r），R、G、B 可由彩色图像的颜色分解获得。R、G、B的取值范围为 0-255，所以灰度的级别只有 256 级。灰度化的处理方法主要采用加权平均值法：根据某个指标例如重要性给 R、G、B 赋予不同的权值，并使 R、G、B 等于它们的值的加权和。 　　即： R=G=B=（R*WR+G*WG+B*WB）/3 （2-1） 　　其中，WR，WG，WB分别是 R、G、B 的权值。由于人眼对绿色的敏感度最高，对红色的敏感度次之，对蓝色的敏感度最低，研究表明，当 WR=0.30，WG=0.59，WB=0.11 时，可以得到由彩色图像转换过来的最合理的灰度图。转化为灰度图像后再使用im2bw函数将图像转化为二值化图像。 　　2.2回归型背景差分算法 　　根据建立的背景模型是否具有自适应更新的功能，可以将背景建模划分成非回归型和回归型两。非回归型是预先根据若干帧图像的数据恢复出背景，这类方法运算速度较，而且对于后续的处理较为简便，缺点是不能适应后续图像中背景的渐变。回归型则是根据每次输入的图像更新背景模型，这种方法能够适应背景的渐变，排除光照等因素对检测结果造成的影。 　　假设摄像机输出图像转为灰度图后为f（x，y，t），其中t表示帧数，将t=1时设置为初始的背景模型，即f（x，y，1）；任意时刻的图像为f（x，y，t），背景差分算法则是将图像模型进行（1）运. 　　其中D（x，y，t）为当前环境下的差分图，再对其进行二值化，即设定决策阈值Th，将大于此阈值的像素点设置为1，反之为0；如式（2）所示。 　　由此可以进行像素点量化统计，如式（3）所示 　　其中TH 为二值化后图像总像素点的阈值量TH，当总像素和小于TH时即表示此时处于背景模型状态中，对ans 进行连续