OPENCV论文基于OpenCv运动目标检测.doc

OpenCv课程论文 基于OpenCv运动目标的检测 院 （系） 理学院 专 业 信息与计算科学 班 级 111001114 姓 名 王肖程 学 号 111001114 导 师 刘建伟 2014年10月22日 1 引言： 运动目标检测是智能视频监控系统的重要组成部分它是指从视频图像序列中将变化的目标从背景中分割出来。一旦检测出目标，监控系统将产生报警信息提示管理员采取相应措施，同时开始存储该时段视频文件以备查阅，可见检测结果至关重要。运动目标检测主要包括背景提、前景检测、判断报警、背景更新等主要步骤。 目前常用的运动目标检测方法主要有3种:帧差法,对于动态环境具有较强的自适应性，稳健性较好，但一般不能完全提取出所有相关的特征像素点：光流法，能够检测独立运动的对象， 并且可用于摄像机运动的情况，但是多数计算复杂、耗时多，很难实现实时监测；背景减法，一般能够较完整地提取目标点，但对于动态场景的变化!如光照和外来无关事件的干扰等特别敏感。 2 OpenCv简介 OpenCv（Open Source Computer Vision Library ）是一种种用于数字图像处理和计算机视觉的函数库。由Intel微处理器研究实验室的视觉交互组开发。它主要用于对图像进行一些高级处理。比如特征检测与跟踪、运动分析、目标分割与识别以及 3D 重建等。 可以在VC环境下使用，操作方便。功能强大!可以大大缩短相关程序的开发周期。 OpenCv是开放的C源码，基于Intel处理器指令集开发的优化代码，具有统一的结构和功能定义、强大的图像和矩阵运算能力，方便灵活的用户接口，同时支持Windows，Linux平台等。 3 运动目标检测原理 3.1 背景的提取和检测 背景提取与更新采用以背景减法为基础，相邻帧差法为补充的检测 方法：当视频采集开始时，首先提取视频序列的一帧作为初始背景B（x,y）以后每帧通过 Img(x,y)读入,通过数帧更新得到较准确的背景图! 这里图像存储格式均采用IplImag结构，背景更新采用更新加权累计图像的方法，使用函数cvRunningAvg其定义是: void cvRunningAvg(const CvArr * image, CvArr* acc, double alpha, const CvArr* mask=NULL)。 以背景建模与更新为核心整个运动检测的流程框 图如图1所示： 图1 3.2.感兴趣区域（ROI） 视频监控运动目标检测过程中，对实时性有着非常高的要求，一般的视频采集多为 20~30（帧/秒）的速度。如果检测过程太复杂，耗时太久，就无法及时地给出报警。 因此，运动检测算法必须简单(高效）除了采用实时性好的背景模型及更新方法，还有一种方法就是采用 感兴趣区域（ROI）。 人们对于图像各个区域内容读取关注程度各不相同，关注程度较高的部分就称为 ROI，一般这些部分包含了图像的重要内容，细节比较丰富。在视频监控领域中，有时用户会指定一个区域只对其监控而不对整个图像处理。这里使用函数cvSetImagROI基于给定的矩形设置图像的ROI，另外，对于特定场景，如果只对一幅图像的某个部分进行处理就能够达到运动检测的目的，也可以使用ROI在系统进行参数初始化阶段。首先设定分块系数M和N将整幅图划分为个块M*N再根据不同目标区域的需要,选择所需要的第i块作为监控区域,其实现过程主要为: 图 2, 是摄像头采集的一段视频中的第796帧，后两幅前景图对比了没有设置 ROI和设置了 ROI的两种情况都检测到了目标的出现但是从每帧处理时间看处理时间后者快了近10ms大大提高系统的实时性能。 当然，采用ROI会带来一定的漏报率，但实验证实一般场景下合适的ROI选取可使检测率与传统方案相差很小，而时间成本得到了大幅度改善。 4 小结 本文介绍了一种基于OpenCv的视频监控运动检测系统方案,包括了背景提取、前景检测、判断报警，背景更新等主要模块。OpenCv 由大量库函数组成，且代码经过优化，是一种高效且实用的开发工具#方案通过设置感兴趣区域可以提高系统的实时性能。修正的大津法自适应阈值得到更准确的前景图 帧差法解决摇摆树叶等背景扰动以及光照的