MATLAB视频中运动目标的人体识别方法研究(2)
4.2 程序在MATLAB中的具体算法实现 20
结 论 23
致 谢 24
参考文献25
1 引言
1.1 研究背景及意义
随着科技的不断进步以及技术的不断提升，视频记录设备得到不断更新进步以及网络技术也在迅速发展，全世界范围内有越来越多的个人或企业使用视频监控设备，而这些监控设备一般都被广泛用于智能交通、安全防控等领域。监控设备的大量增长也使视频数量得到了迅速的提升，这就表明无论是储存或是处理这些视频都需要相当大的工作量。在实践过程中，视频监控是用来监控一些特定的区域，是一种连续不断的、准确记录该区域发生事件的过程，有时可以由一个人完成的，但是由于其繁琐的工作过程，一个人在长时间执行该项任务情况下，就可能会由于视觉疲倦大大降低其准确性，而且费用不菲。因此，人类试着赋予机器在这方面的思考和分析判断能力，提供一种智能化手段，通过把程序写入计算机，用MATLAB等语音开发平台，让计算机自动实现采集视频，图像分析，目标检测，并做出相应处理。在社会这个大环境下，活动的主体是人类，因此，对于视频中的人体识别也是一个很大的趋势。因此视频中运动目标的人体识别方法研究也就大势所趋了。
运动目标检测是IVC（Intellingent Video System）的核心技术，阐述的是指分析视频图像序列，然后对运动目标进行检测、提取、识别，通过进一步的处理，实现对运动目标行为的详细的了解，并完成一些非必要的人类行为[1]。该项技术的问世，使得人们在处理视频方面的工作显得更加简便和容易。而对视频中运动目标的检测和提取就是来获取视频的前景图像。实现该过程常用方法有三个：帧差法、光流法、背景消除法。
帧差法[2]，即相邻帧差法。对于一些静止摄像头采集的视频系统来说，在视频采集的过程中，观测背景是相对静止的，只有运动目标才会移动，这种情况将会引起运动区域灰度值的变化。通过对灰度值变化量的检测，就能有效提取出运动目标，从而分析目标的运动状况。一般帧差法通常是在相连的两帧图像间采用基于像素的时间差分，然后对差分结果进行阂值化，从而提取图像中的运动区域，达到检测的效果。
对空间运动物体的表面进行观测，其观测面的像素点会因运动产生的一个瞬时速度场，即光流。通过利用运动目标会随时间变化的光流特性，以及通过分析位移向量光流场来初始化基于轮廓的检测算法，能够准确地检测运动目标。这种基于光流的运动检测，它最大的特点就是即使监控设施不是静止的，也能够检测出其中的运动目标。该方法则称为光流法[3]。但是，许多与光流相关的算法都很复杂，抵抗噪声的能力不好，一旦没有专门的设备来支持是无法用来进行实时监控的。
背景消除法是将输入的图像与背景进行对比，监测灰度特性的变化，并通过一系列统计信息的改变来使背景与目标相互分离。背景减除法一般可以提供十分齐全的特征数据，但一旦动态画面有所改变，例如光线明暗和非目标的无关物体的干扰等因素就会是检测变得尤为敏锐。该方法也是三种方法中相对简单的，当下检测方法中较为常用的。
1.2 国内外研究现状
1.3 存在的问题
当前，不管是在视频的检测方面还是识别方面都或多或少存在一些问题，外界因素的干扰对我们的检测识别也起到了不小的影响。
1.3.1视频运动目标检测的问题