视频信号的移动目标检测与辨识含程序完整版未改动.docx

视频信号的移动目标检测与辨识含程序完整版未改动.docx

《视频信号的移动目标检测与辨识含程序完整版未改动.docx》由会员分享，可在线阅读，更多相关《视频信号的移动目标检测与辨识含程序完整版未改动.docx（20页珍藏版）》请在冰豆网上搜索。

视频信号的移动目标检测与辨识含程序完整版未改动

视频信号的移动目标检测与辨识

专业：

姓名：

指导教师：

摘要基于视频的移动目标检测与辨识是一个重要的任务，在应用中都起到关键的作用。

基于底层视频信息的检测即是移动目标检测，对应移动区域的像素是图像处理过程中的主要考虑因素，移动地方域的提取对于移动地区的改变、移动目标的行踪等工作具有重要的意义。

移动目标检测应用广泛，例如军事侦察、交通检测和智能监控等领域。

目前最重要的问题是怎么样来提高检测算法准确度和效果。

本次论文写作主要类容是讨论如何从移动视频中提取人脸图像，以及对人脸的检测与定位辨识。

在文中总结了视频中移动目标检测与辨识的一些主要方法以及各自的优劣。

把场景辨识功能添加到新的视频信号的移动目标检测算法中，可以提高检测效率、检测速度，加快处理时间。

新算法比较于以前算法对被检测物体的多样性、适应性更强。

在分析了几种图像预处理方法之后，利用MATLAB集多种预处理方法于一体，实现了人脸图像预处理通用仿真系统，在人脸识别系统之中嵌入该系统作为图像预处理模块，同时，利用灰度图像的直方图来进行比对并实现人脸图像的定位辨识。

关键词视频，目标检测，背景差分，adaboost算法

ABSTRACT

Video-basedmovingtargetdetectionandrecognitionisanimportanttasktoplayakeyroleintheapplication.Basedonthedetectionoftheunderlyingvideoinformationthatismovingtargetdetection,Correspondingpixelofthemobileregionisamajorconsiderationinimageprocessing,Effectiveextractionofthemobileregionisofgreatsignificancefortheclassificationofmovingtargets,movingtargettracking.Movingtargetdetectioniswidelyused,Suchasmilitarysurveillance,trafficdetectionandintelligentsurveillanceareas.Themostimportantquestionishowtoimprovetheaccuracyandefficiencyofvideodetectionalgorithm.Thethesiswritingclasscapacityistodiscusshowtoextractthefaceimagefromthemobilevideo,aswellasfacedetectionandlocationidentification.Thispapersummarizesthevideomovingtargetdetectionandidentificationmethodsandtheirrespectivemerits.SceneRecognitionfeatureaddedtothenewvideosignalofmovingtargetdetectionalgorithmcanimprovethedetectionefficiency,testspeed,speedupprocessingtime.Thenewalgorithmcomparisontoisexaminedinthetraditionalalgorithmtheobjectthemultiplicity,thecompatibilityisstronger.Intheanalysisofseveralimagepreprocessingmethods,MATLABsetsavarietyofpretreatmentmethodsononefaceimagepreprocessing,general-purposesimulationsystem,thesystemisembeddedintothefacerecognitionsystemastheimagepre-processingmodule,Atthesametime,usethehistogramofthegray-scaleimagesthanthepositioningofthefaceimagerecognition.

Keyword：

VideofrequencyTargetexaminationBackgrounddifferenceAdaboostalgorithm

1.背景及现状

从目前来看，由于计算机还需要人来操作，不具备像人类思维的东西，计算机还只是一个需要人来参与的工具，接收信息还只能靠键盘、文件输入，却不能主动获取信息并像人一样能够进行自主处理。

我们发明了机器视觉来让计算机能主动从这个世界寻找信息。

发展了人工智能科学来让计算机能够判断其得到的信息并进行自主处理。

，为了使计算机可以区分和定位图像中的目标物体同时具备部分和人一样的辨识能力，就应该让计算机向人一样进行学习。

机器视觉的发展到目前为止已讲过了很长的时间。

新的信息技术跟媒体手段在研究者们的不断努力之下出现，迅速发展了人机交互方式，新型人机交互更加有效和友好，新型人机交互已不再需要依赖输入设备等。

通过降低计算机视频图像获取的成本和提高性价比，计算机视觉系统已可以发展为嵌入式系统，这标志着在所有电子系统之中已经可以嵌入计算机视觉系统。

相信用不了多久，我们在日常生活中就能因为智能电子产品安装有高级视觉系统而得到极大的方便。

对移动目标物体进行视觉处理就是目前阶段计算机视觉要处理的主要一个方面。

对可用比较敏感中用户有趣的信息能够从图像中提出来，通过算法来做出反应（譬如为了适应用户的需求可以通过检测目标物体就能够对它的图像做出相应的处理）。

由于神经科学家、工程师们已经研究了人脸面部表情许多年，因此检测与辨识人脸面部表情的研究已引起了广泛关注。

可是对其他目标物体的研究却还无人问津，毕竟还没人训练出其它的目标物体分类器，计算机也还不具备有能识别一般物体的能力。

移动目标的识别主要包括目标检测、定位和辨识。

首先要准备正样本和负样本，动态物体与模糊物体的检查也曾有人用过，新的技术在不断出现。

人脸辨别是目标辨识领域使用最多的一个应用。

脸型辨别系统与虹膜、等人的体质比较，使用者没有心理障碍且更加友好、好用。

人脸辨识前景很好，而对于一些有特殊需求的公司和用户就可以用普通物体的目标检测与辨识。

AdaBoost计算方法没被发明之前Boosting计算方法是使用最多的一种算法，直到1995年，一种基于Haar特征的AdaBoost算法才被Sch和Freund提出，适当地调整已经订好假设的错误率，检测精确度得到大幅提高同时还不降低效率，在目标检测辨识领域具有很大的意义，

2视频信号移动检测的常见计算方法

2.1图像序列差分法

如果移动图像中的对象的地方，通过相应颜色也将改变地方，没变化的地方，对象颜色发生很小的改变，此方法只需要对图像中相邻几幅图片对应的灰度进行比较，即对图片变化做出了时间上的高通滤波。

通过计算帧差的绝对值是一种算法。

针对运动报警在检测图像的S地域的决定条件如下：

（1）

式中：

图片在点处，t时刻的值为；灰度阈值为。

设计该程序复杂度也不高，算法操作起来也特别简便，实时监视容易实现。

由于基本不会受到目标阴影的改变，能较好地适应动态变化，有较短相邻帧的时间间隔。

对雨雪、光照变化较敏感是其最大的缺点，假如场景有雨雪或光照有剧烈变化的时候，效果就会不怎么好。

若要改进判别条件，就必须要考虑到阳光条件给图像带来的变化，添加对整体阳光照射的增加，因此改进后的判定条件如下：

（2）

判定

（2）式的右面比

（1）式多了：

，（3）

式中的抑制比例为。

若在假如检测地方有很多的像素的前提下，假如图像阳光照射变化不是很大，那么添加项的大小就忽略，

（2）式的值接近

（1）式。

假如增加项则改变明显，一定是图像光照发生了明显变化，如果判定条件

（2）式小于添加项，则说明增加项非常适当，判定

（2）式条件不够好，断定其是静止的，则阳光照射变化造成的改变能得到有效的抑制。

在差分列图片之中，图像变化的精确度将受到阈值准确性的影响。

若有大量的噪声被引入则选的太低，若严重碎化了运动变化区域则说明选得太高。

2.2光流法

要观察的三维运动物体上的像素点动的时侯的瞬时时速场就是光流场。

光流场物体点的挪动速度是利用二维图像来表示的。

光流法适用在以下的两个条件下：

（1）假设所观测到的所有物体点的亮度都不因为时间改变而变；

（2）假设在二维图像上相邻的点都进行相似的运动。

如果有一图像连续。

为坐标，t时间时候灰度的值，则时间以及位置的函数都能够用动态的图像序列来表示，泰嘞式如下：

（4）

公式中：

估计的速度如下：

（5）

由式（5）可以知道并行的迭代过程其实就是估计的过程，若要想达到收敛必须经过无数次的迭代，这不关浪费时间，而且在应用过程中的要求还很难以得到满足，而且很多高阶项在大部分时候并没有不见，所以忽略它必然造成估计误差。

当提前没有知道任一场景信息的时候，单独移动对象可以通过光流法检查出来，可是大部分的光流法的算法都非常困难并且耗费大量时间，检测的实时性这一基本的要求都很难得到实现。

2.3帧间差分法

帧间差分法指的是为了获得移动目标的轮廓对图像的序列之中的互相挨着的两帧进行差分运算的一种，它既可以用于有许多运动目标的情景下，也可以用于摄像机运动的情景下。

假如有异常的物体出现在被监控的区域的场景之内运动时，就会有非常明显的差别出现在两帧之间，两帧之间的图像的亮度差的绝对值的大小就可以通过帧与帧做差来得出，通过判断阈值是否小于亮度差的绝对值大小判断图像序列与视频的运动的性质，判断是不是有运动状态的物体出现在图像序列之中。

其算法如下：

（6）

（l）想要达到消除图像中的随机噪声，对图像序列作3×3中值滤波。

降低后面的运算的难易程度，消除在图像预先处理的结果之中由噪声引起的干扰；

（2）通过从视频图像序列之中选取背景图像所阢砂，让它只包含有固定背景图像；

　　（3）在视频的图像序列之中选出相邻的两帧的图像，其中，若帧的图像为，则在它前一帧的图像为；

　　（4）先通过计算得出帧与背景帧之间的差值，再从图像之中提取完整的目标；

　　（5）计下当前1帧的差得，得目标变化量；

　　（6）求与的交集，得到移动目标的粗糙的图像；

（7）通过数学型态学运算让移动的区域保持完整、连续性，同时消除背景之中的噪声。

　　帧间差分法的优点有以下几点：

第一，算法相对简单，容易实现，设计程序也简单；第二，对变化的场景不敏感，稳定性能高，在所有动态环境中都能够适应。

它的缺点有以下几点：

第一，只能够提取出边界，而对象所在位置的完整区域却不能够提取出来；第二，依赖选择的帧时间间隔。

如果物体处于快速移动状态，则选择时的时间间隔需要足够小，否则时间选择不恰当，若在相邻两帧之中没有出现重合时，则检测结果会认为它们是两个不相邻的物体。

如果物体处于很慢的移动状态，则选择时的时间间隔需要足够大，否则选择不恰当，若物体在相邻