贵州大学科技学院本科毕业论文（设计） 第 6 页
图2.2 功能模块图
智能视频监控系统通过视频数据采集模块、模块、存储模块与警报、智能视频分析模块和其他组件。从智能模块、警告地区入侵检测模块 墙隧道检测和跟踪组件的窗口检测算法爬。报警模块它也是小区智能视频监控系统的重要组成部分，然而，常用的报警形式也有三种形式:声光报警、显示报警、声音报警。
贵州大学科技学院本科毕业论文（设计） 第 7 页
3 视频图像的目标检测
3.1 引言
将原有图像中出现的不一样的区域图像找出来叫做视频图像的目标检测，它是运动目标分析和辨别的基础。准确、快速、完整的识别出运动目标不一样的地方，那么就可以保证在后面的目标跟踪的测量更加准确。
3.2 运动目标检测
运动目标检测它是自动跟踪的关键和前提，判断它是不是能有效、准确地检测出运动的目标，这直接影响到我们后面工作，也影响系统的整体性能和难易的程度。现目前有很多的算法都是用于检测运动的目标，它们有它们不同的复杂程度和检验出的效果。然而在实际中，运动目标的采集不只是运用一种方法，一般都会综合好几种类似的算法来达到最好的结果。不管它采用哪种算法，都应该满足下面的几个条件：操作简单、能适应实时的系统的要求；还要能够从整张图像中准确的找出运动目标；该算法还要对光线等环境的变化、天气的变化等不敏感，并且对于摄像机振动或者由于其他引起的噪声有都会有很好的处理；这种算法所需要的初始信息应尽量少。所以，从分析看来，最主要的检测有三种方法：帧间差分法、背景差分法、光流法[11]。 3.2.1帧间差分法
在现今的许多应用中，图像序列检测的连续帧图像中的差异是很重要的一步。只要运动可以观察在现场可以表达上所做的更改在场景图像序列，只要检测到更改，您可以分析它的运动特性。除帧差法方程 3.1 操作过程所示。
现在第一次与公式 3.1 计算两帧图像的穷人，得到图像 Dk?x,y?再根据公式 3.2 差分图像的二值和数学形态滤波处理，Dk?x,y?，它的结果 Rk?x,y?为区域性别分析，只要其中连接的区域面积大于设置的阈值所以它将有可能成为检测目标，并认为这区域的区域范围内的目标，将可以确定目标的最小外接矩形。
DK?x,y??fk?x,y??fk?1?x,y? （3.1）
其中fk(x,y)，fk-1(x,y)为连续两帧图像；Dk?x,y?为帧差图像。
，uDnk?dx,y??T?0,Backgro Rk?x,y??? （3.2）
Dkn?xd,y??T?1,Foregro,u
贵州大学科技学院本科毕业论文（设计） 第 8 页
其中T是二值化设定阈值。
算法实现简单，编程的复杂程度低，但是这种方法在使用过程中的存在两个问题： 第一是两个帧中目标的部分检测出比实际目标的相对变化大一些，存在更多的伪目标点;第二是两个帧之间目标的重叠部分不容易被检测出来，因为直接与相邻的两个帧相减后，保留下来的部分。以上是连续帧差法的运动目标检测，基于它的主要优点。通常在这些有限差分图像的实际应用中含有大量的噪声、 简单噪声去除方法是使用标准的筛选和过滤元件的规模小，但可能有一些有用的信号滤波，如那些从缓慢运动或运动物体的小差分信号[12]。 3.2.2背景差分法
背景差法是一种高效的算法的运动目标检测与已知的案情，一种用于检测运动技术的背景。其基本思想是：第一，使用预先存储或背景图像序列的实时统计建模的每个获得背景模型 FB（x，y）;第二，当前 FK（x，y）的每个帧和背景模型 FB（x，y）中减去，偏差从大的背景图像的图像中的像素。后续处理步骤和帧差分法的一样，直到确定目标最小外接矩形。
Dk?x,y??fk?x,y??fb?x,y? (3.3)
其中，fk?x,y?为某一帧图像，fb?x,y?为背景图像，Db?x,y?为帧差图像。 这种方法的主要特点是，你必须使用静态背景被监视而运动对象检测基于背景图像差值比连续帧差法提取更完整的图像，但易受环境光线影响当前的环境。
3.3 图像分割
到不同地区特征及提取物的技术和过程图像 ROI 的图像。图像分割的一般定义是，如下所示。
离散的图像信号 f?m,n?段f划分成几个链接，非 null 分区F1，F2，.....FP 和满足均匀性的下列原则之一：?i?1Fi?F；Fi是互相连通的； ?i均一性原则 Ef都是满足的；对任何两个相邻的Fi、Fj的联合体E?Fi?Fj???。
图像分割的区域需要有连接具有相同特征。连接是指存在任何在该区域，其中包含所有像素; 彼此相邻行中的两个点的路径同质性是指某段遇见的所有基于灰度级区域内像素纹理、 颜色和其他特征具有一定的相似性。下面介绍几种方法的图像分割方法。
p
贵州大学科技学院本科毕业论文（设计） 第 9 页
3.3.1图像阈值分割
图像阈值分割是广泛使用的图像分割技术，它使用具有图像背景中的灰色特性尚和图像中提取目标的差异，把图像作为有两类区域的不同灰度级，背景和目标的组合，选择阈值，权确定图像中的的每个的像素点应属于背景区域也是目标让这个生产相应的二值图像。对象与背景对比强烈的镜头方法是分割的非常有效的。此外，阈值，将不只精简的过程步骤和随后的分析和压缩数据，减少存储容量[13]。该算法的数学描述可以表示为：
让 ?x,y? 坐标在二维图像中，图像灰度范围是G= {0 1，2，...，L?1}，0 代表最暗点一般情况下，和 L?1 代表突出显示，灰度级上的坐标?x,y?点表示为f?x,y?。让
b1?然而代表二进制，灰度b0、b1?g，你得到的函数ft的图像阈t?g 是阈值，B??b0、值分割中是：
?b0,f?x,y??T （3.5） ft?x,y????b1,f?x,y??T通常，阈值分割算法是按照某个函数求最优值T的过程。 3.3.2常用的阈值分割方法
一、双峰法
如果图像包含只有背景和对象分为两部分，然后如图 3.1 所示的直方图。看到两个峰直方图[14]。如果你选择 t 的灰度值是阈值在底部，那么对象和背景可以很自然地分开。示的数学描述：
?1,f?x,y??t g?x,y??? （3.6）
??0,fx,y?t?
图3.1 灰度直方图
二、迭代阈值法
贵州大学科技学院本科毕业论文（设计） 第 10 页
迭代法是对复杂图像分割的方法。第一张照片是作为初始阈值值 T0。
T0?Z1?Zk （3.7） 2接着以下面的式子进行迭代：
1、找出平均灰度 ZA 和 ZB，基于阈值图像分割
ZA?Zi,jTkZ?i,j??N?i,j????Zi,jTkN?i,j???? （3.8）
ZB?Zi,jTkZ?i,j??N?i,j????Zi,jTkN?i,j???? （3.9）
Z?i,j?是?i,j?灰度值 N?i,j?是?i,j?加权因子的一般表示N?i,j??1。 2 求出新阈值
TK?1?ZA?ZB （3.10） 2当 Ti?1?Ti结束的迭代，钛是在结束了阈值分割。
3.4本文采用的运动检测算法
现阶段有很多种方法都是关于运动目标的检测，本文研究了在特定上下文中的运动物体的实时监控系统中出现。如果你预先假定的背景相机的位置相对固定，背景不移动序列中。其目标是要提取的背景图像的变化部分。这整个算法基于差图像算法，在图像二值化阈值，分段二进制文件和分割模块中, 值滤波来完成[15]。
图像的分割以及运动目标的提取过程如下： 1、就是计算处理背景图像与图像之间的差图像
由于背景的图像被固定在图像时那里移动的图像中的对象出现通过比较图像灰度值对应的背景图像，您可以检测对象的运动，所以第一步是处理图像和相应点灰色的录制图像作为背景图像之差的绝对值。 2、中值滤波
对已经取得了的图像往往会有一些孤立噪声的存在，这种噪声中的下一个错误发生在图像分析中可提取。去除噪声的高斯滤波和均值滤波时噪音，有时更会导致图像不清晰。所以本系统采用中值滤波可以有效地去除隔离的噪音。