视频中的行人检测课程设计说明书(编辑修改稿)

视频中的行人检测课程设计说明书(编辑修改稿)内容摘要：

而发展起新型的视频监控技术 — 智能视频监控，也称自动视频监控，在视频监控系统中处于核心地位，对于整个系统的效率提高具有重要意义。 智能视频监控的研究内容 智能视频监控的研究内容包括运动目标检测、运动目标跟踪以及对监视场景 中目标行为的理解与描述，目标检测、目标分类、目标识别是视频处理中的基础部分，而行为分析和理解则属于更高级的处理分析部分。 运动检测、目标分类和目标跟踪是研究者们关心最多的三个基本问题；而行为分析与理解因为跟应用直接相关，所以近些年成为被广泛关注的热点问题。 行人检测与跟踪 视频监控场景中行人是监控的主要对象，因此对行人的检测和跟踪是一个至关重要的问题，这属于智能视频监控系统的底层工作，其性能好坏将直接影响后续工作乃至整个系统的性能。 行人检测 行人检测就是把视频图像中的行人目标从背景中分割出来并精确定位。 基于视觉的行人检测目前仍旧是计算机视觉领域的一个公认的难题。 原因在于：行人同背景混合在一起，行人可能走， 也有可能站着或者不可预测地改变运动方向；行人所处的背景非常复杂，特别是当视觉系统基于运动云台上的摄像系统时，背景的突然改变不可避免。 到目前为止，一些人体检测系统在某些约束环境中被证明能有效地检测行山东建筑大学课程设计说明书 4 人，从而鼓舞了研究人员开展进一步的研究工作。 行人的衣着、运动姿态、光照存在着很大的差异，并且存在背景复杂、遮挡和其它运动物体的干扰，这些因素是行人检测要解决的重点问题。 行人跟踪 行人跟踪监视人体在视频中的空间和时间变化，包括人体的出现、位置变化、大小信息、形状等，在连续帧上匹配目标区域，求解时间上的 对应问题。 基于视觉的人体跟踪一般从人体检测开始，而且在后继的视频序列中需要不断地检测人体以校验跟踪和维持跟踪连续进行，它是人体的姿态估计和活动识别的基础。 跟踪过程根据应用场景中的目标数目分为单目标和多目标。 场景中目标数目的不同，跟踪的难易程度不同，所采用的技术也不同。 山东建筑大学课程设计说明书 5 二、 设计原理 智能视频监控中的行人检测与跟踪方法涉及到很多研究领域，如数字图像处理、计算机视觉、信息融合、模式识别与人工智能等。 为了后续各章内容的展开，本章系统地介绍相关的一些预备知识和常用的目标检测与跟踪方法。 图像处理基础 数字 图像处理涉及的领域相当广泛，其各种理论算法、技术应用更是不胜枚举。 篇幅起见，本节仅简要介绍相关的颜色空间、图像预处理和形态学方法等内容。 颜色空间 颜色空间也称彩色模型，又称彩色空间或彩色系统，它的用途是在某些标准下用通常可接受的方式对彩色加以说明。 本质上，彩色模型是坐标系统和子空间的阐述，位于系统的每种颜色都由单个点表示。 颜色空间从提出到现在已经有上百种，大部分只是局部的改变或专用于某一领域，现在采用的大多数颜色模型都是面向硬件或面向应用的。 数字图像处理中常用的是 RGB、 HSI 和 HSV模型。 （ 1） RGB 彩色模型 RGB 彩色模型是工业界最为常见的颜色模型，它也是人们最为熟悉常见的颜色模型。 它以红、绿、蓝为原色，建立三维直角坐标系，通过混合各个原色以产生各种复合色彩。 通过对红、绿、蓝三种颜色施加变化以及叠加可以得到各种颜色。 RGB 即是代表红、绿、蓝三种色彩组成的颜色空间，这一颜色空间几乎包括人类能感知的所有颜色，因而应用最为广泛。 RGB 颜色空间的设计是以颜色发光为原理的，简单理解其颜色混合方式就好像有红、绿、蓝三盏不同颜色的彩灯，当三盏灯的光相互混合的时候，其色彩相混，而亮度等于三者总 和 ,也即满足加法混合。 知道其原理后，在很多图像处理软件中进行的 RGB 颜色设定就很容易理解了。 图 21 形象地显示了 RGB 颜色空间。 山东建筑大学课程设计说明书 6 图 21 RGB 颜色空间 （ 2） HSV 模型 RGB 和 CMY 彩色模型对硬件实现很理想，另外它同人眼对红、绿、蓝三原色的强烈感觉相匹配，但是这一模型不能很好地解释实际的颜色。 观察一个彩色物体时，人们用色调、色饱和度和强度来描述它，相比较而言， HSV 颜色模型是面向用户的，该模型对应于圆柱坐标系的一个圆锥形子集。 色调 H：与光波的波长有关，它表示人的感官对不同颜色的感受，如红色、绿色、蓝色等，它也可表示一定范围的颜色，如暖色、冷色等。 饱和度 S：表示颜色的纯度，纯光谱色是完全饱和的，加入白光会稀释饱和度。 饱和度越大，颜色看起来就会越鲜艳，反之亦然。 强度 V：对应成像亮度和图像灰度，是颜色的明亮程度。 HSV 颜色空间如图 22 所示，其空间模型为一个圆锥。 圆锥的顶面对应的强度 V 为 1，代表最亮的颜色。 绕 V 轴的旋转角代表色彩 H，红、黄、蓝分别对应于 0176。 、 120176。 、240176。 在这一颜色模型中，每一种颜色和 其补色相差 180176。 由圆心向圆周移动时，饱和度 S 的取值从 0 变化到 1。 由于 HSV 颜色模型所代表的颜色域是属于 CIE 色度图的一个子集，所以其最大饱和度的颜色的纯度值并不到 100％。 在下方的圆锥顶点处， V 为 0， H 和 S 无定义，代表黑色。 圆锥顶面中心处 S 为 0， V 为 1， H 无定义，代表白色，从该点到顶点代表亮度渐暗的白色，即不同灰度的白色。 所有 V、 S 都为 1 的颜色都是纯色。 山东建筑大学课程设计说明书 7 图 22 HSV 彩色空间 HSV 颜色 模型类似画家配色时采用的方法。 而画家常通过改变色深和色浓来从纯色中得到各种色调的颜色。 具体做法为：在纯色中加入黑色可以改变色深，加入白色可以改变色浓，同时加入一定比例的黑色、白色即可得到某种色调的颜色。 （ 3）颜色空间变换 颜色空间变换可以分为从 RGB 到 HSV 转换以及从 HSV 到 RGB 的转换两种。 从 RGB 到 HSV 转换时，设 (r,g,b)分别是一个颜色的红、绿和蓝坐标，它们的值是 0 到 1 之间的实数。 设 max 等价于 r,g 和 b 中的最大者。 设 min 等于这些值中的最小者。 要 找到在 HSL 空间中的 (h,s,v)值，这里的 h∈ [0,360）是角度的色相角，而 s,v∈ [0,1]是饱和度和亮度。 图像预处理 常用的图像预处理过程都涉及到一些滤波的方法。 由于图像在拍摄过程中往往会由传感器引入噪声，因此需要在目标分割前对图像进行预处理，来减除噪声的干扰，增强目标提取的效果。 通常可采用低通滤波的方法来消除噪声。 低通滤波既可在频域进行也可在 时 域进行。 常见的频域低通滤波器有巴特沃兹低通滤波器和高斯低通滤波器。 常见的空域低通滤波器主要有均值滤波器、加权均值滤波器和中值滤波器。 形态学方法 形态学原本代表的是生物学的一个学科，在这里介绍的是数学形态学。 作为山东建筑大学课程设计说明书 8 一种图像处理工具，它被用于对图像区域进行处理，以提取对于表示和描述有用的图像分量。 下面要介绍的是图像处理中常用到的膨胀和腐蚀，以及开操作和闭操作。 运动目标检测方法 运动目标检测是指将运动区域从视频图像中分割出来。 运动目标检测从视频图像序列中检测出运动目标，减小图像处理计算量，得到所需的目标信息，为后续的识别和跟踪奠定基础。 由于运动目标的正确检测与否将直接影响后续的目标跟踪与分类效果，所以它也成为智能视频监控系 统相关技术中深受关注的研究重点。 运动目标检测过程包括运动目标检测的预处理和运动目标的分割两大步。 目前常用的运动目标检测方法有四种：背景差分法，光流法，边缘检测法等。 背景差分法 背景差分法简单易于实现，属于最受青睐的运动目标检测方法之一。 它的基本思想是采用一定方法获取视频中背景图片并进行背景更新，然后通过当前帧与背景做差得到所加载视频中的前景目标，具体步骤如图 23所示。 视频采集图像预处理提取背景背景差分二值化获取前景图片 图 23 背景差分算法框图 该算法包括读取视频、图像预处理、 提取背景、背景差分、二值化和获取前景图片六部分组成。 视频采集包括摄像器材的选择、光源的选择等：图像预处理是按照获取的视频参数，进行图像增强、滤波等操作来提高采集的视频质量；是否能提取完整、清晰的背景是该算法成败的关键，目前背景建模的方法很多，常用的有非线性中值滤波法、线性卡尔曼滤波法、帧间差分法、高斯混合模型等，但因一天中环境光照的变化、背景的多态性、运动目标自身的投影等原因，一般建模后的背景并非十分干净清晰，这也是目前研究中的一个难点。 背景差分是用当前帧减去背景来获取视频中的运动目标，定义为视频中第 k帧图 片， B 为背景山东建筑大学课程设计说明书 9 图片， E。