基于DirectShow和OpenCV的系统智能监控系统设计研究报告方案.doc

基于DirectShow和OpenCV的智能监控系统的设计和研究 超宇林 郁亮汤 计算机科学系 通信工程系 厦门大学 厦门大学 厦门，中国 厦门，中国 lcytc2005@ tyl@ 摘要： 随着视频监控的逐步发展，从传统的安防监控向智能化监视，以便找到一个智能监控模式，便于实施和推广，我们提出了一个方法，通过使用基于DirectShow框架下的OpenCV执行运动对象检测，这将使智能监控结果更加真实。在本文中，它首先引入实时优先级的和一些提高运动目标检测的方法。其次，过滤器以运动对象检测功能部件将通过DirectShow和OpenCV的相结合的方法设计的封装技术。最后，将展示出在此基础上系统设计的方法及其智能楼宇监控系统的优点。 关键词 ：DirectShow；OpenCV；运动目标检测；智能监控 一．简介 随着互联网和多媒体技术的迅速发展，图像处理为基础的智能监控系统被广泛应用于各种监测点。移动检测对象为智能监控系统中的重要组成部分，现在有大量的移动物体的检测方法，然而，由于大多数算法的复杂性和较差的实时功能，这是难以使之实现的工程。因此，本文提出了数字图像在强大的OpenCV的组合处理和DirectShow技术，以建立一个新的智能监控系统。 OpenCV的（开源计算机视觉库）是一个数字图像处理和计算机视觉的库，由英特尔视觉互动小组的微处理器研究实验室发展开的[1]。 OpenCV的可以在Windows系统和Linux系统中使用，该库是开源的。 OpenCV的提供了许多标准图像处理算法，这些算法，可以直接使用在特定的视频发展项目，科研开发人员可以完成大型复杂的任务，只需加入他们自己写的程序，这就是所谓的“事半功倍”。 DirectShow技术是新一代对象模型（COM）多媒体开发的标准，由微软公司基于Windows的[ 2 ] ActiveMovie和视频框架。由于其硬件是相互独立的，多线程的功能和灵活的组件匹配方法，它使得DS技术成为一个虚拟的媒体应用系统开发标准，在视频监控方面，它也逐渐取代了传统的发展模式[ 3,4 ]。 DirectShow框架下，它的发展具有一些独特的操作算法，而不只是简单地移植。本文的第一部分别研究实时运动目标检测的算法原理与建立在DirectShow上实现该算法模型框架，然后介绍了实现本算法封装为DirectShow组件；它最终将构建一个基于智能监控系统奠定了基础。 运动目标检测的原理 A.运动目标检测方法 目前，有三种主要的运动目标的检测方法 [ 5,6?]：光流法，帧间差分法和背景减法。 ?光流法：光流的方法是可以独立检测关于运动对象之前的任何信息。但是它的计算变得复杂，处理时间长，抗噪声能力差，很难满足在特殊的硬件支持的情况下实时检测的要求。 ?帧差法：这是一个获取方法，使运动的物体在视频图像序列帧间通过微分算子得来的。虽然它的适应性强，它要求更高微分时间框架和移动对象适当的速度。如果速度太快，和选定的时间间隔太大，会造成两个框架之间无覆盖和不可分移动的物体。如果速度太慢，而间隔太小，被检测对象将出现空。最坏的情况是将对象几乎完全覆盖，无法检测到所有的对象。 ?背景差分法：这是最简单的方法，可以完全分割出运动对象。它将存储推进的背景图像，由于在不同的灰度和色彩之间的背景图像和移动对象，通过背景图像和现有的图像相减，结果比较减少每个像素的值与预先设定的阈值，如果像素值大于阈值，我们认为这是一个点，或一个背景点。 B.背景提取与更新 进行背景差异之前，我们首先必须确保控制环境的背景，和更新时的背景环境的变化。如果背景环境监测是固定的对象则更简单。首先提取图像的相机初始背景B0（x，y），然后阅读每个后续框架由I(x，y)，它可以通过更新和更准确收集相邻帧的背景图像，在那里图像存储格式中使用OpenCV的图像结构。用加权累积的背景更新方法更新，使用函数cvrunningavg（），它定义为： BK(X,Y)=(1-α)?BK-1(x,y)+ α? I(X,Y) (1) 公式（1）：BK（x，y）是相同的图像通道输入的积累值，这是当前的背景图像；α是背景的更新率；BK-1(x,y)是背景图像前一刻；I（X，Y）是当前输入帧。 C．背景减法的运动目标检测 当移动物体出现时，由于背景会因为对象被封锁，这将不可避免地导致帧间在图像数据的差异，我们可以通过检测移动物体使用此规则[7]，以及通过函数