浏览记录

   
查看大图

基于帧差法的夜间车辆检测方法-毕业设计(毕业论文)

  • 商品编号:c++783
  • 货  号:c++783
  • 品  牌:jgyc
  • 开发语言: C
  • 论文字数: 1.2W
  • 市场价: ¥300.00
  • 销售价: ¥200.00
  • 节省: ¥100.00

以下是介绍(不过多网上展示为了防止查重),如需要完整的请联系客服qq购买.提示:本资料已审核通过,内容严格保密,格式标准,质量保证,软件类的包调试成功. 需要这份设计请联系QQ303563675.团购或代理了解点击这里给我发消息

Ctrl+D收藏此篇
app hook
基于帧差法的夜间车辆检测方法-毕业设计(毕业论文)

1.4  课题主要研究内容

本文主要通过实现一种三帧差分算法,来对运动目标进行检测和研究。在本文所研究的范围内,首先根据差分算法的原理,对运动目标作二帧差分运算,并且记录实验结果,和三帧差分算法形成对比,以体现后者的优越性,然后通过实现三帧差分算法来来实现对提取的运动目标的检测和研究,其中用到通过数学形态学进行去噪处理处理,以及把彩色图像转化为灰度图像来简化运算过程,并且,用差分算法来研究运动目标在不同环境下的检测效果并根据实验结果得出结论,以此来判断帧间差分算法在运动目标检测中的效果。

我们知道,运动目标在不同的检测环境中,会受到不同的外在因素的影响,而这些不同因素将会在不同的程度上影响运动目标检测的准确性和稳定性。因而这些因素会对本系统带来巨大的挑战。本文根据以上所述的因素中的几种因素,运用所实现的三帧差分算法,对在这些因素影响下所提取的运动目标进行检测,并且得出检测结果,进行分析。所选择的因素包括以下几个方面:

(1)背景和目标间的重叠遮盖。由于运动的前景目标的阴影部分会造成背景中局部画面亮度变化,并且运动的目标之间,以及运动的目标与背景之间的重叠遮盖,都有可能改变检测出来的运动目标的形状以及其他特征。

(2)非静态背景。当背景是非静态环境时,例如天空中移动的云块,公路边的建筑、树等,这些运动的背景很有可能被当成前景目标进行处理,这样将会增加运动目标的检测难度,从而影响检测结果。

    (3)运动目标的高速运动。前景目标在高速运动的情况下,可能会导致许多不同的目标在背景中频繁出入,从而难以分辨哪些是真正的背景,哪些是前景目标,因此也会给运动目标检测增加难度,在一定程度上影响最终检测结果。

3 二帧差分算法

3.1  基本思路

   运用传统帧差法提取运动目标的过程如下图(3.1)所示,首先,从摄像机采集的视频序列中获取第k帧以及k-1帧进行平滑去噪,将其转换为灰度图像,然后通过帧差法得到二值化图像,最后在进行形态学去噪处理,得到实验结果。

3.2  实现过程

   根据二帧差分算法的基本思路,二帧差分算法的实现过程可以分为以下几个步骤:
   1)从视频序列中提取连续的两帧图像,我们定义当前帧为第k帧,那么提取目标图像时,选取第k帧和第k-1帧。把提取出来的彩色图像转化为灰度图像,这里采用公式,即
                               (3.1)
 将计算得出的Y值替换掉与那里的R、G、B的值,即得到所选取的帧的灰度图像。
  2)将第k帧与第k-1帧的灰度图像进行差分运算,即将第k帧图片减去第k.1帧图片,得到二值图像 ,运算公式如下:
                                  (3.2)
式中,T为设定的阈值,当两帧之差大于阈值T时,差值取值为255,当两帧之差绝对值小于阈值T时,差值取0,经过这样的差分处理,我们就可以得到灰度图像的二值化图像。
    3)在上式中,阈值的选择非常关键。若阈值选择太大,则有可能造成检测出来的目标出现很多空洞,甚至有可能漏检;若阈值选择太小,那么将有可能出现大量的噪声,那么对于下一步的去噪处理将会产生很大的影响,因此,阈值的选择至关重要。在本文中,我们实现一种动态提取阈值的方法。就是根据当前图像的灰度值来确定阈值的方法。首先。求出图像中的最大灰度值和最小灰度值,取其平均值作为初始阈值记为T。
    4)当运用帧间差分法得到二值图像后,我们基本上就得到了运动目标的大致图像,但是根据运动目标检测的相关理论我们知道,运动的图像有许多干扰因素会产生噪声,从而影响检测效果。因此,得到二值图像后,再运用数学形态学的方法虽二值图像进行去噪处理,从而可以得到更加准确的运动目标。
这里我们主要运用数学形态学的膨胀和腐蚀运算进行去噪处理。由数学形态学的基础理论我们知道,膨胀运算具有扩大图像的作用。将二值图像进行膨胀处理后,将会扩大图像的边缘,可以将检测出来的目标的边缘或者是内部的空洞化填充,从而在一定程度达到去除图像噪声的效果。而腐蚀运算与膨胀运算刚好相反,它对图像具有紧缩的作用,基于这种特性,我们运用腐蚀运算将所提取的目标的边缘多余的部分剔除掉,从而使目标轮廓更加清晰,使检测出来的目标更加精确。膨胀的运算公式为(3.3):
               (3.3)
由公式以及数学形态学基本理论我们可知,运用膨胀的方法,我们可以将二值图像中内部的空洞部分填充,或者将边缘缺失的部分补上,以确保图像的完整性。
与膨胀方法相反,腐蚀方法的运算公式为(3.4):
                                                      (3.4)
由公式以及数学形态学的理论知识我们可以看出,腐蚀方法可以将二值图像中的边缘的“毛刺”剔除掉,把多余的部分锐化掉,使边缘轮廓更清晰,是原来处于一个整体的图像,有更清晰的纹路,从而得到更精确的运动目标。
    5)经过数学形态学的去噪处理后,二帧差分算法的运动目标检测基本上就已经完成。由于运动目标的检测受各种因素的影响,因此,在实验时,应当在不同因素的环境干扰下,进行多次实验,以便于对算法做出客观真实的评价。在这里我们选取以下几个影响因素,阴影和物体间的重叠遮盖、非静态背景、高速运动的目标,正常匀速运动的目标在这几个因素影响下,总结实验结果,进行对比分析,从而更好的检验算法的效果。

3.4  结果分析

上述实验结果表明,二帧差分算法虽然在一些干扰因素下可以检测出来运动目标,但是检测出来的结果不是很好。首先,在实验过程中,当背景和目标差别不大时,所检测出来的目标有几乎显示不出来,进行噪声去除的的话,有可能会把目标区域也给去除掉。而在非静态背景的情况下,检测到的目标会出现很多的空洞,有的很模糊,即使用形态学处理之后,运动目标还会出现模糊的情况,其原因有可能在于,在进行差分运算时,由于背景不是静止的,两次检测时的背景不同,导致得到的差值图像和真正的目标有所差别;还有在物体高速运动时,运动目标虽然可以检测出来,但是会产生许多噪声,这给去噪处理带来很多麻烦。综上所述,以及由实验结果可以看出,二帧差分算法虽然可以检测运动目标,但是检测的结果不太完整,并且有一定的不准确性,因此还有许多可以改进的地方。

如果您对本商品有什么问题,请提问咨询!

发表咨询

标题:
*咨询内容:
联系方式: (可以是电话、email、qq等)
*验证码:   看不清楚?换个图片
如果您对本商品有什么评价或经验,欢迎分享!

发表评论

标题:
*评论内容:
联系方式: (可以是电话、email、qq等).
*验证码:   看不清楚?换个图片
<