摘要隨著社會的不斷進步以及城市化建設的逐步普及，越來越多的家庭開始擁有汽車，汽車的數量也越來越多，在帶給我們便利和迅捷的同時，也讓我們不得不面對日益提升的交通密度、日益嚴重的交通堵塞和交通安全等難題，對我們的交通運輸管理提出了巨大的挑戰。為了解決這些難題，為了大范圍、全方位、系統、實時、準確、高效地進行交通運輸管理，于是產生了智能交通系統（ITS）這一新的研究和應用領域。而智能交通系統必須面對的首要問題就是對交通信息的采集和處理，也就是對汽車進行檢測和跟蹤。在眾多的車輛檢測和跟蹤方法中，視頻檢測和跟蹤以其高效、低廉、維護簡單等優點，具有更好和更為廣泛的應用前景，因此對智能小車視頻信號的分解與處理的研究將有巨大的價值和意義。本論文旨在研究智能小車視頻信號的分解與處理，主要涉及到背景圖像的獲取、目標的檢測和分割、目標的實時跟蹤以及軌跡的繪制等方法的研究。在背景圖像的獲取研究方面，介紹了三種當前使用得比較多的獲取方法，并對其中的優缺點進行了比較和闡述。在目標的檢測和分割研究方面，通過背景建模，利用相鄰序列圖像估計視頻中不變的或有規律變化的背景，將輸入圖像和背景圖像進行比較，從中分割出前景運動目標。并對目前常見的運動目標的檢測方法進行了介紹和優缺點的比較和闡述。在目標的實時跟蹤以及軌跡繪制研究方面，由于車輛運動中外環境會不斷變化，車輛的輪廓也會出現不規則變化，考慮到車輛是長方形的，可以采用中心點的思想，對車輛邊緣輪廓上的所有點進行統計，求出這些點的中心點，用其中心點及其周圍四個點來表示運動物體，根據中心點位置移動繪制車輛軌跡。關鍵詞：智能交通系統背景圖像目標檢測和分割實時跟蹤軌跡繪制

AbstractWiththedevelopmentofsocietyandthepopularizationofurbanization,moreandmorefamilieshaveownedthecar,andthenumberofcarisincreasing,atthesametimewhenitbringsusconvenienceandhighspeedlife,therearealsocomessometoughproblemsthatwehavetofaceto,suchastheincreasingofthetrafficdensity,thesevereoftrafficjamandsecurityoftraffic,it’sabigchallengeforthemanagementoftraffictransport.Inordertosettlesuchtoughproblemsdown,andforextensiveness,omnibearing,system,realtime,accurate,efficientmanagementoftraffictransport,therecameupwithanewresearchandapplyfieldnamedIntelligentTransportSystem(ITS).InITS,thefirstissuewehavetofaceisthecollectionanddisposaloftrafficinformation,thedetectionandtrackingofcar.Amongthiskindsofdetectionandtrackingofcarmethods,duetotheadvantagesofit’sefficient,lowpriceandmaintaineasydetectionandtrackingonvideohasabetterandwiderapplyfuture,whichmeanstheresearchofintelligentcarvideosignalisvaluableandmeaningful.Thispaperaimstodoaresearchofintelligentcarvideosignal,majorinvolvedintheimageacquisition,detectionanddivisionoftarget,realtimefollowingoftargetandpathdrawing.Intheimageacquisition,Iintroducedthreemethodswhichusedwidely,comparedit’sadvantageswithdisadvantages,andfindoutthebestmethod.Inthedetectionanddivisionoftarget,iusethesequentialserialimagetoestimatethebackgroundonvideowhichisconstantorchangesorderly,comparedtheinputimagewiththebackgroundtogetthedivisionofforegroundmovingtargetthroughbuildingthemodelofbackground.Andintroducedsomemethodswhichiscommonandusefrequently,comparedit’sadvantageswithdisadvantagestoo.Intherealtimefollowingoftargetandpathtracking,theouterenvironmentwouldchangefrequently,andtheoutlineofcarwouldchangeirregularly,becausethecarisarectangle,wecanusethethoughtofmiddlepointandcountallthepointontheoutline,workthemiddlepointout,andexpressthemovingcarwiththismiddlepointandtheotherfourpointfromoutline,drawingthemovingtrackwiththismiddlepoint.Keywords:ITS,BackgroundImage,Targetdetectionanddivision,Realtimefollowing,Drawpath目錄TOC\o"1-3"\h\u1426摘要 1538Abstract 22151目錄 3193251緒論 5254011.1本課題研究意義 541591.1.1智能交通的背景、現狀和意義 599631.1.2車輛檢測和跟蹤技術的發展趨勢 6231381.2本論文的結構 7101082關鍵技術 9245432.1常用目標檢測算法 953942.1.1幀差法 9251032.1.2背景差分法 10241362.1.3運動場估計法 1113442.2常用目標跟蹤算法 13117472.2.1基于模型的跟蹤 13189502.2.2基于動態輪廓跟蹤 13100892.2.3基于區域跟蹤 13240762.2.4基于特征的跟蹤 14248732.3其他技術 14267372.3.1灰度圖像處理 14203982.3.2高斯平滑 14219972.3.3二值化處理 15137572.3.4開閉和運算 1529062.4本章小結 1513523系統需求分析 16228733.1系統功能需求分析 16166433.2系統處理流程分析 1787343.7本章小結 18111244系統設計 20273124.1系統架構 20142634.1.1總體結構 2069434.1.2系統流程 2144424.2文件打開模塊的設計 2234604.3背景提取模塊的設計 22317224.4智能小車檢測與跟蹤模塊的設計 25188744.5繪制軌跡模塊的設計 2841484.6本章小結 28317995系統實現 29195275.1環境配置 29267455.2文件打開模塊的實現 34216825.3背景提取模塊的實現 34235005.4智能小車檢測與跟蹤模塊的實現 34308755.5軌跡繪制模塊的實現 3529535.6本章小結 35224296應用示例 36250796.1示例概述 36162776.2示例實現過程 3659986.3本章小結 40188767結束語 4185667.1本文工作總結 41147947.2進一步的研究課題及展望 424085參考文獻 441緒論1.1本課題研究意義1.1.1智能交通的背景、現狀和意義隨著社會的不斷進步以及城市化建設的逐步普及，整個社會對交通運輸的需求日益增加，越來越多的家庭開始擁有汽車，汽車的數量也越來越多，城市公路交通系統的壓力不斷地增大。大量的公路交通問題顯現出來，如堵車，交通事故等頻頻發生。為了解決這些棘手的難題，同時大范圍、全方位、系統、實時、準確、高效地進行交通運輸管理，提高現有道路的利用率、提高道路交通的安全程度，于是將先進的信息技術、數據通訊傳輸技術、電子傳感技術、控制技術以及計算機技術等有效地集成起來，產生了智能交通系統（ITS）這一新的研究和應用領域。西方國家在這方面的發展是相當早的，在20世紀80年代末，就已經制定并實施了開發計劃。歐洲的研究是由官方與民間并行進行的，1994年完成了DRIVE計劃，用于提高道路設施的服務水平。該計劃主要進行需求管理、車輛輔助駕駛、城市間綜合交通情況管理、單個城市綜合交通管理等內容的研究。而美國，于1991年，國會投票通過了旨在利用高新技術和合理最優交通分配方案來使整個交通網絡變得高效的“綜合地面運輸效率方案”，并為此撥款6.6億美元，用于進行相關的研究工作。地方政府還和聯邦政府共同提供經費，在全美一共建立了3個致力于從事智能交通系統研究的研究中心。2001年，美國在華盛頓召開了智能交通系統的全國范圍的高層討論會，為智能交通系統的在二十一世紀前十年的發展制定了總體規劃。日本和新加坡等國家也分別制定了其相應的計劃。日本財政2001年度預算中用于智能交通系統計劃的資金就達到了883億日元。目前有五個機構致力于并負責智能交通系統相關的活動，并聯合其他組織和機構共同來促進智能交通系統的發展。而且智能交通系統的商品化發展已經逐漸形成產業。新加坡于1995年，就已經組織完成了諸如綠波系統、交通掃描系統、道路信息管理系統等項目。已經擁有了一個比較成熟的綜合工作平臺。我國政府非常的重視智能交通系統的發展，在1996年就已經組織和開始了這一領域的國際交流與合作，支持這一領域在我國的研究和發展。1999年，科技部聯合公安部、建設部、交通部等十來個國家相關部委，基于推動交通系統的智能化發展同時提供組織機制保障的考慮，組織研究成立了我國的智能交通系統協調小組。2000年，完成了中國智能交通系統體系框架的研究和規范標準，建立了與國際接軌的智能交通系統標準體系，為我國的智能交通系統的發展提供了綱領性的指導文件，并且確定了諸如通信協議、系統構成、功能模塊和接口等內容。2005年，于上海召開第一屆“中國智能交通年會”，為智能交通技術的各方面都提供了可靠的支持，例如從開發研究、產品開發到最后的產業化等方面。然而我國在智能交通系統方面的開發和應用尚處于起步階段，只是進行了一些有成效的基礎性工作。在系統的實際開發和應用方面，已經有了一些成功的成果，并在局部地區形成了智能交通系統的雛形，或實現了智能交通系統的部分功能。其中最主要的是電子收費系統，在全國，已經有很多的省份或城市開始采用或試行這種先進的管理方式。此外，在引進國外先進技術和產品的同時，也開始與國外的廠商建立合資企業，生產智能交通系統的產品。最近幾年來，我國在交通基礎設施建設方面取得了令人矚目的成就，各種城際高速公路逐漸落成，并且始終保持著前所未有的高速的發展速度。隨著我國經濟水平的持續快速提高，我國的汽車數量不斷地在增大，伴隨著城市化進程的不斷加快，出現了各種各樣的交通問題。交通對城市經濟的發展的重要性更加顯露出來，也讓我們不得不面對各種新的挑戰。例如：（1）城市公路交通不斷增大的壓力。根據行業年度報告，2004年年底，我國已經達到了2742萬輛的汽車保有量，達到了12.4%的增長率。現有的城市公路交通設施已經沒有辦法滿足車輛數量增長的需求了。（2）消耗巨大的能源問題。現目前，我國公路交通運輸的主要動力能源仍然依靠的是石油和天然氣。2005年，我國的石油消耗量達到了驚人的2.5億噸。石油和天然氣資源是不可再生的，而且我國的石油天然氣資源又比較有限，再加上石油和天然氣是重要的戰略物質，按照如此的消耗量，不單單會消耗掉我們的油氣資源，同時還會增加我國對于國外油氣資源的依賴性。（3）交通事故頻發、擁堵嚴重、市民缺乏安全感。據統計，2005年，我國交通事故共發生了45萬余起，共造成9萬8千余人死亡，47萬人受傷，直接的經濟損失就達到了驚人的18.1億元。（4）環境污染問題。汽車尾氣污染已經是一個眾所周知的問題，近年來城市熱島效應頻頻發生，大氣污染，空氣質量差等更嚴重的影響著老百姓的身體健康，也制約了城市的發展，大大降低了城市的形象。而智能交通技術的出現，給我們帶來了希望。首先，公路交通的利用效率提高了，公路交通的安全性也提高了。據專家估計，采用智能交通系統后，每年可減少30%~70%的交通事故死亡人數，減少交通的擁堵現象，提高公路交通利用率。其次，降低了能源的消耗率。擁堵現象減少了，汽車中途繞道行駛的現象減少了，油耗自然也跟著減少了。再者，提高了公路交通網絡的使用頻率，提高了運輸效率，達到了效益最大化，對經濟的高速發展也產生了積極的影響。最后，還可以帶來新的市場，提供大量的就業崗位，促進就業。因此，對智能交通系統技術的研究是大勢所趨，對我們的經濟發展有著巨大的作用，深遠的意義。1.1.2車輛檢測和跟蹤技術的發展趨勢 早期的交通情況監測采用的是人工的方式，需要雇傭大量的工作人員在城市的各個角落、各條干道上進行統計，不但耗時耗力，而且統計數據單一。 第二代交通情況監測采用的是能夠進行自動檢測的感應器——地感線圈，以此來減少人力的投入。這種監測方式是通過埋在路下的電感環在車輛駛過時觸發監視儀后的自動拍攝來實現監測。但是這種方式的缺點是儀器容易損壞、維修不易，而且地感線圈的安裝位置固定，檢測的精度低，檢測參數少，無法識別出監測車輛的基本信息，只能進行簡單的車流量的統計。而且此檢測設備需要在關閉相應道路的情況下才能進行感應器的安裝與維修，感應器使用壽命有限，需要重新翻開路面才可以再次進行安裝或維修，不利于公路的保養和維護。 第三代交通情況監測采用了視頻檢測和圖像識別的技術，這種技術下的檢測器一般安裝在路邊或者架空安裝，對道路交通不會造成明顯干擾，也不會受到例如修天然氣管道、下水管道以及公路改建等因素的影響。 視頻交通檢測系統一般是由電子攝像機、數字圖像采集卡和計算機等組成。首先，由攝像機對一定區域范圍內的道路進行攝像，獲取的圖像再經傳輸線路導入數字圖像采集卡，進行模數轉換和格式轉換等，再交由計算機進行數字圖像的處理，實時識別出經過這一區域范圍的車輛，并判別其車型，對其他交通控制參數作進一步的推導。還可以根據需要由計算機向監控系統中的主控機提供信號，并根據此信號確定控制方式，接著發出控制命令給執行機構。而且由于是對攝像機獲取的圖像進行識別和監測，因此可以可以進行遠程無線的監測，不但可以監測車流量，對于車輛的基本信息同樣可以進行監測，有利于進行交通管制。最重要的是，此視頻交通監測系統不用破壞路面，對基本交通影響大不，而且拆裝簡便，成本相較于感應線圈低很多，現在已經逐步取代環形線圈監測系統成為主要的監測手段。在現代交通控制系統中視頻交通檢測系統占有很重要的地位，可以說是未來的智能交通系統發展的基礎。但是目前存在著很多的問題，比如，圖像處理的實時性差、整個系統軟硬件對車輛的檢測精度的限制等等。盡管如此，伴隨著數字圖像處理技術的日益進步以及微電子產業技術的發展，視頻交通檢測技術將會得到更加廣泛的應用和不斷的提高。 因此，視頻交通檢測技術得到了世界各國從事智能交通系統研究人士的高度重視，有著廣闊的應用前景。視頻車輛檢測系統在現代交通系統中有著很重要的地位，可以說是未來的智能交通系統發展的基礎。 基于視頻技術的交通檢測技術重點研究的是如何提高圖像識別的準確性和實時性。目前，基于圖像處理的視頻交通檢測技術正處于研究的開發階段，隨著技術的不斷完善，不但可以解決交通擁堵的頑疾，還可以預測和發現交通事故。因此，基于視頻技術的交通檢測技術的研究，必將成為未來交通檢測技術的一部分，并產生重要影響。基于視頻技術的交通檢測是計算機視覺技術應用于智能交通系統的一個典型的實例，基于視頻技術的交通檢測通過攝像機拍攝道路交通圖像，采用圖像處理技術對道路交通圖像進行處理，自動檢測車輛。應用廣泛，可用于路口交通監控系統、車輛自動導航系統、車輛輔助駕駛系統、停車場車輛調度監控系統等等，機動靈活，優點繁多，有很大的應用前景。具體如下：（1）監測效率高。相較于人工檢測方法，提高了監測效率，節省了許多人力、物力，降低了成本；而且還同時進行其他違章行為的監測，比如闖紅燈、交通事故等。（2）監測范圍大。可同時進行路口和路段的監測，而電磁感應法則只能分別監測交叉口或者路段。（3）施工方便、周期短。不需進行路面改造，不會損害公路設施，降低了施工時間，縮短了施工周期。（4）信號傳輸方式多，傳輸速度快。可以利用同軸電纜、雙絞線、光纖或者無線射頻等多種方式進行視頻信號的傳輸，傳輸速度更加快捷。（5）可進行后續處理。能夠提供現場情況錄像，可供專家進行現場情況后續分析。1.2本論文的結構，本文緒論部分。主要闡述了課題的研究意義，以及車輛檢測和跟蹤技術的發展趨勢，還介紹了論文的結構安排。，詳細介紹了目前常用的目標檢測算法和目標跟蹤算法，還對系統中涉及到了一些關鍵技術進行了簡單介紹，根據各自的優缺點選取最適合的方法進行實現。，系統需求分析。本章通過對圖像處理系統的功能分析，提出了智能小車視頻信號分解與處理系統的主要功能需求，分別是文件打開、背景提取、小車檢測、小車跟蹤、繪制軌跡。通過對這些功能的描述使得智能小車視頻信號的分解與處理系統功能更加明確，結構更加清晰。，系統設計。本章主要介紹了智能小車視頻信號分解與處理系統的設計，首先是對系統架構的設計，其中包括總體結構和系統流程的設計，然后是分別對文件打開模塊、背景提取模塊、車輛跟蹤與檢測模塊、軌跡繪制模塊做了詳細的設計。通過本章內容不僅可以了解智能小車視頻信號分解與處理系統的系統架構而且可以知道此系統的詳細功能。，系統實現。本章主要介紹了智能小車視頻信號分解與處理系統的具體實現過程，介紹了系統的開發環境的環境配置，也介紹了各個功能模塊的實現，例如變量定義模塊、文件打開模塊、背景提取模塊、車輛跟蹤與檢測模塊、軌跡繪制模塊的實現。通過本章可以對智能小車視頻信號分解與處理系統的整個實現過程有個詳細的了解。，應用示例。本章主要是對智能小車視頻信號分解與處理系統應用的章節，在本章會舉一個例子來應用智能小車視頻信號分解與處理系統，通過此示例能了解智能小車視頻信號分解與處理系統的核心技術，核心功能，同時能體會到智能小車視頻信號分解與處理系統在處理過程中的效率，也能在此基礎上進行擴展。，結束語。對論文進行總結，并指出進一步的研究課題和未來展望。

2關鍵技術2.1常用目標檢測算法日常生活中，運動的目標無處不在，利用獲取的圖像對目標進行檢測和識別能夠被應用于各個領域中，有著巨大的實用價值。隨著科學技術的不斷發展，智能化的大勢所趨，基于計算機視覺的對運動目標的檢測和識別已經具備了技術可行性和經濟可行性，對此的研究也越來越多，而運動目標檢測和識別已經發展成為計算機視覺中的一個基礎的、關鍵的任務，甚至可以說是視覺系統的一個重要功能。智能小車檢測的目標是把圖像序列當中的運動目標——智能小車從背景圖像中檢測出來。現目前，主要分為攝像頭隨目標移動以及攝像頭相對處于靜止狀態兩類。前者，需要始終保持目標在圖像的中心附近，例如制導系統，攝像頭必須安裝在導彈上，并隨導彈實時移動。而后者，只能對視場內的目標進行檢測和定位，例如路口電子警察，攝像頭安裝于路燈或專用檢測區域。目前絕大多數小車檢測跟蹤算法的研究都是基于第二種情況的。然而，要實現對運動目標的檢測卻有很多的困難，例如圖像獲取時的光照的變化、光照下運動目標的影子、攝像機錄制過程出現抖動等等，都會對目標的正確檢測產生影響。同時，為了進行進一步的跟蹤處理，必須正確快速地檢測出運動目標。因此，對于運動目標的檢測和識別是計算機視覺研究中的一項重要課題。目前常見的運動目標的檢測方法主要有幀差分法、背景差分法和運動場估計法。如下所述：2.1.1幀差法幀差法是最為常用的運動目標檢測和分割方法之一。基本思想就是：通過圖像序列相鄰兩幀或三幀間圖像像素相減，去除靜止或移動相對緩慢的物體，得到差值圖像，然后對該差值圖像進行二值化處理，若此時的像素值大于某一閾值，則可以用此像素值表示運動目標，達到檢測的目的。由于連續相鄰兩幀間的時間間隔很短，用當前幀的前一幀圖像作為背景模型進行差值計算有很好的實時性，而且背景實時更新，且速度快、計算量小、算法實現相對簡單，還可以避免光照變化影響。但是缺點就是不能對靜止的車輛進行檢測，必須要是運動的車輛才可以進行檢測，處理的效果和車速相關，車速必須適中，才能檢測，過快，可能會對目標圖像進行誤分割，達不到檢測的效果，而過慢，會造成圖像的覆蓋過多，對檢測產生影響。幀差法原理如下：圖2-1幀差法原理2.1.2背景差分法背景差分法是運動目標檢測最常用的方法之一，是采用圖像序列中的當前幀（輸入圖像）和背景參考模型（背景圖像）進行比較，從中分割出前景目標來檢測運動物體的一種方法。在背景差分法中，最為重要的就是背景圖像的獲得，背景圖像的準確度將直接影響檢測的效果。由于圖像很容易受到外界因素的干擾，例如：光照、攝像機抖動等，使得背景的提取變得比較困難。其原理如下：圖2-2背景差分法原理與幀差方法相比，背景差分法有不受車速快慢的限制、可以檢測出短時間內靜止的車輛、簡化算法降低計算量和滿足視頻檢測的實時性要求等優點。但是在實際應用中，背景的獲取比較困難。現目前比較常用的背景建模方法主要有以下3種：均值法背景建模均值法背景建模就是在視頻圖像中，選取其中的連續N幀，計算出這連續N幀圖像的像素灰度值的平均值，并以此平均值作為背景圖像的像素灰度值。中值法背景建模中值法背景建模也是在視頻圖像中，選取其中的連續N幀，并按照圖像像素灰度值進行從小到大的排序，選取中間值作為背景圖像中對應像素點的灰度值。建立自適應模型主要有卡爾曼濾波、單高斯分布模型、多高斯分布模型等。2.1.3運動場估計法運動場估計法是指通過視頻序列的時空相關性來分析估計運動場，建立相鄰幀間的對應關系，進而利用目標與背景表現運動模式的不同進行運動目標的檢測與分割。主要是光流法，Gibson是于1950年提出光流的概念的。光流是指圖像中觀測到的物體表面上的亮度模式的運動，是圖像中各個像素點運動的速度分布。基于光流法的運動目標檢測跟蹤是指根據運動目標隨時間變化的光流特性，把檢測區域的圖像變為速度的矢量場，每一個向量表示了景物中一個點在圖像中位置的瞬時變化。由此可見，光流場中不僅包含了運動目標的運動信息，而且還含有與景物有關的三維結構信息。所以，通過研究光流矢量場就可以判斷序列圖像中有無運動目標。而且，還可以利用得到的光流場中運動目標的其它信息，如顏色、灰度、邊緣等空域特征，來提高對運動目標分割精度。該方法的優點是在攝像機運動的情況下也能夠完成對獨立目標的檢測。然而，該方法抗噪性能差，并且計算復雜。光流法按概念大致上可以分為以下幾類：微分法，也稱為時空梯度法，它是利用時變圖像灰度(或其濾波形式)的時空微分(即時空梯度函數)來計算每一圖像像素點的速度矢量，應用時一般先假設：運動物體為剛體或準剛體；圖像中的亮度變化很小或恒定不變。顯然，在實際應用中，這兩方面很難保證，因此易造成較大的誤差。區域匹配法。所謂的區域匹配是指在圖像序列的順序圖像對之間實施的一種對應，它將光流定義為使得不同時刻圖像區域之間產生最佳擬合的位移，通過對圖像序列中的相鄰兩幀圖像之間的子塊區域的匹配程度進行相似檢測來獲得最佳匹配，進而進行運動估計。圖2-3光流法原理另外，還有基于能量的方法，基于相位的方法等。2.2常用目標跟蹤算法運動目標跟蹤就是在視頻圖像序列中實時地發現并標記運動目標，在幀與幀之間建立車輛運動的某些特征，如位置、速度、形狀和方向等之間的聯系，不斷跟蹤目標，并計算出運動目標的軌跡。目前運動目標跟蹤的方法有很多，針對視頻圖像中運動目標的跟蹤方法主要有以下幾種：2.2.1基于模型的跟蹤基于模型的目標跟蹤算法主要就是利用線圖法、二維輪廓、立體模型來表達運動目標。基于立體模型的跟蹤方法被應用于估計運動目標的運動，從二維圖像中推斷出運動目標的立體形狀。基于立體模型的跟蹤方法的顯著優點是即使在復雜駕駛操作、明顯交談阻塞的情況下利用模型知識也能跟蹤到結果；最大的缺點是由于計算工作量大，實時性較差。雖然模型法能夠獲得對圖像內容的理解，但建立攝像機模型時需要測量詳細的攝像機與交通場景之間的空間幾何特征，這使得這種方法在實際應用中存在很大的局限性。同時模型法的穩健性也不夠高，當攝像機由于外力原因產生微小角度變化時就可能造成檢測失敗，且對遮擋情況下的車輛也會發生誤檢。2.2.2基于動態輪廓跟蹤基于動態輪廓跟蹤的思想就是利用封閉的曲線輪廓來表達目標，并可以自動連續的進行輪廓更新。相對基于區域的跟蹤方法，輪廓表達有計算復雜度小的優點，如果開始階段能夠合理地分開每個運動目標并實現輪廓初始化，即使在有部分遮擋存在的情況下也能連續地進行跟蹤，然而輪廓的初始化比較困難。2.2.3基于區域跟蹤基于基于區域跟蹤的思想是把每個物體與某個運動區域相聯系，然后對該區域進行跟蹤。區域跟蹤實現較為簡單，在許多系統中得到了廣泛的應用。用基于區域跟蹤的方法來跟蹤車輛，對于城市交通中存在的遮擋問題不太敏感，而且用這種方法跟蹤可以改善圖像的分割。基于區域的車輛跟蹤方法由于在跟蹤目標之前能完成最后的圖像分割，因此在他們的形狀突然發生改變或者消失時都能正確分割圖像。但是某些體積較大的車輛會產生較大的影子，遮擋一些體積較小的車輛，這對車輛跟蹤很不利。2.2.4基于特征的跟蹤基于特征的跟蹤，由于運動目標的個體特征有很多，不管是剛體運動目標，還是非剛體運動目標，在序列圖像中相鄰的兩幀圖像，由于圖像序列間的采樣時間間隔很小，可以認為這些個體特征在運動形式上具有平滑性，因此可以用直線、曲線、參照點等個體特征來跟蹤運動目標。但是提取運動目標的主要特征有時很困難。2.3其他技術2.3.1灰度圖像處理圖像的灰度處理就是將彩色圖像轉化成為灰度圖像的過程。在彩色圖像中，R、G、B三個分量決定了每個像素的顏色，而每一個分量可以有255個值，一個像素點的顏色的變化范圍就可以達到1600多萬（255*255*255）；而灰度圖像R=G=B，一個像素點的變化范圍就只有255，因此將大大的減少后續圖像的計算量，但是卻會讓圖像失真。圖像的灰度處理一般可用兩種方法來實現。一種方法是通過求出每個像素點R、G、B三個分量的平均值，然后將這個平均值賦值賦值為這三個分量。另一種方法是根據YUV的顏色空間中，Y的分量的物理意義是點的亮度，由該值反映亮度等級，根據RGB和YUV顏色空間的變化關系可建立亮度Y與R、G、B三個顏色分量的對應：Y=0.3R+0.59G+0.11B，以這個亮度值表達圖像的灰度值。2.3.2高斯平滑由于攝像機獲取的視頻是來源于室外環境，不可避免的會受到噪聲、光照變化等客觀因素的影響，數字化后的圖像肯定會多多少少帶有噪聲，因此在圖像處理中都會進行濾波降噪處理，而高斯平滑是其中比較常用的方法。高斯濾波(Gaussfilter)實質上是一種信號的濾波器，其用途為信號的平滑處理。數字圖像用于后期應用，其噪聲是最大的問題，因為誤差會累計傳遞等原因，大多圖像處理教材會在很早的時候介紹Gauss濾波器，用于得到信噪比SNR較高的圖像（反應真實信號）。高斯平滑濾波器對于抑制服從正態分布的噪聲非常有效。在圖像處理中，高斯濾波一般有兩種實現方式，一是用離散化窗口滑窗卷積，另一種通過傅里葉變換。最常見的就是第一種滑窗實現，只有當離散化的窗口非常大，用滑窗計算量非常大（即使用可分離濾波器的實現）的情況下，可能會考慮基于傅里葉變化的實現方法。2.3.3二值化處理圖像的二值化，就是將圖像上的像素點的灰度值設置為0或255，也就是將整個圖像呈現出明顯的只有黑和白的視覺效果。一幅圖像包括目標物體、背景還有噪聲，要想從多值的數字圖像中直接提取出目標物體，最常用的方法就是設定一個閾值T，用T將圖像的數據分成兩部分：大于T的像素群和小于T的像素群。這是研究灰度變換的最特殊的方法，稱為圖像的二值化（BINARIZATION）。二值化是圖像處理的基本操作，任何圖像處理基本離不開二值化的操作。其應用非常廣泛。根據閾值選取的不同，二值化的算法分為固定閾值和自適應閾值。比較常用的二值化方法則有：雙峰法、P參數法、迭代法和OTSU法等。2.3.4開閉和運算數學形態學是以形態為基礎對圖像進行分析的數學工具，其中的開閉運算一般被用來完成對二值化后的圖像的補空洞的處理。基本的形態學運算就是膨脹和腐蝕。開閉和運算就是利用腐蝕和膨脹運算去除雜點。腐蝕運算可以消除邊界點，使邊界內部收縮，腐蝕一般用來消除細小并且沒有意義的目標。在OpenCV中可調用cvErode函數來對圖像進行腐蝕運算。而膨脹運算和腐蝕運算相反，則是合并接觸的背景點，使邊界向外擴張，填補目標區域當中出現的漏洞。在OpenCV中則通過調用cvDilate函數來實現。2.4本章小結本章對智能小車視頻信號分解與處理系統中用到的關鍵技術，視頻圖像中運動目標的檢測與跟蹤技術做了詳細敘述，并對系統中出現的一些算法做了簡單的敘述，介紹了各自的優缺點以及使用范圍。

3系統需求分析在軟件工程中，需求分析指的是在建立一個新的或改變一個現存的電腦系統時描寫新系統的目的、范圍、定義和功能時所要做的所有的工作。需求分析是軟件工程中的一個關鍵過程。在這個過程中，系統分析員和軟件工程師確定顧客的需要。只有在確定了這些需要后，他們才能夠分析和尋求新系統的解決方法。需求分析階段的任務是確定軟件系統功能。在軟件工程的歷史中，很長時間里人們一直認為需求分析是整個軟件工程中最簡單的一個步驟。但在近十年內，越來越多的人認識到，需求分析是整個過程中最關鍵的一個部分。假如在需求分析時分析者們未能正確地認識到顧客的需要的話，那么最后的軟件實際上不可能達到顧客的需要，或者軟件項目無法在規定的時間里完工。需求分析是一項重要的工作，也是最困難的工作。本章通過對圖像處理系統的功能分析，提出了智能小車視頻信號分解與處理系統的主要功能需求，分別是文件打開、背景提取、小車檢測、小車跟蹤、繪制軌跡。通過對這些功能的描述使得智能小車視頻信號的分解與處理系統功能更加明確，結構更加清晰。3.1系統功能需求分析智能小車視頻信號分解與處理是基于windows的應用程序，主要處理的是AVI格式的視頻文件，并對視頻文件中的運動目標進行實時跟蹤。主要功能如下：讀入AVI格式的視頻文件，并得到每幀圖像。對視頻前幾幀進行處理，獲取背景圖像。通過背景差分法得到前景目標圖像。對前景圖像進行處理，檢測和分割出目標圖像。對目標圖像進行實時跟蹤，并繪制出軌跡。圖3-1系統總體結構3.2系統處理流程分析本系統是一個應用程序，主要實現上述對視頻文件的中運動目標的分解與處理，達到檢測與跟蹤的效果。從載入一個視頻文件到最后得到視頻文件中運動小車的軌跡，整個系統的處理流程是比較連貫的，因此流程也比較清晰。在載入一個視頻文件后，處理的并不是視頻文件，而是幀圖像，因此必須獲取視頻文件中的幀圖像，并對幀圖像的有效性要進行判斷。如果是有效的就可以提取視頻圖像背景了，這時有多種方法可以采用，本文采用的是累加連續圖像序列求幀圖像平均值的方法。接著就可以利用背景差分法將當前幀和背景圖像幀做絕對值差求出前景目標小車了。為了更好的獲取前景目標小車，還必須進行開閉和運算，腐蝕和膨脹運算對處理過程的空洞部分進行填補。最后采用基于動態輪廓的思想，通過計算中心點和小車四周的點的判斷對小車進行實時跟蹤，并掃描跟蹤中心點數組，繪制出小車運動軌跡。圖3-2系統流程圖3.7本章小結本章主要描述了智能小車視頻信號分解與處理系統的需求分析，通過對文件打開、背景提取、小車檢測、小車跟蹤、繪制軌跡的分析使得智能小車視頻信號分解與處理系統的功能明確。通過這章的內容可以了解到智能小車視頻信號分解與處理系統的基本功能和所需要實現的目標。

4系統設計本章主要介紹了智能小車視頻信號分解與處理系統的設計，首先是對系統架構的設計，其中包括總體結構和系統流程的設計，然后是分別對文件打開模塊、背景提取模塊、車輛跟蹤與檢測模塊、軌跡繪制模塊做了詳細的設計。通過本章內容不僅可以了解智能小車視頻信號分解與處理系統的系統架構而且可以知道此系統的詳細功能。4.1系統架構本節主要是對智能小車視頻信號分解與處理系統在系統架構上的說明，系統架構包括總體結構和系統流程兩部分，總體結構是對系統各個模塊功能的說明，系統流程是對系統整個工作步驟的說明，通過這兩部分的說明將體現出系統的整個架構和流程。4.1.1總體結構本小節主要是對智能小車視頻信號分解與處理系統的總體結構做詳細的描述，總體結構是指系統中實現功能的分層架構，此系統一共包括5個模塊，如圖4-1所示。圖4-1智能小車視頻信號分解與處理系統總體結構從上圖4-1可以看出，智能小車視頻信號分解與處理系統的總體主要由5部分組成，分別是背景建模、智能小車檢查、智能小車分割、智能小車跟蹤、繪制軌跡。從圖中可以看出此系統的重難點主要就在于這5個模塊。4.1.2系統流程本節主要是介紹了智能小車視頻信號分解與處理系統系統流程，所謂系統流程就是智能小車視頻信號分解與處理系統從開始載入一個視頻文件，到最后視頻播放完畢繪制出軌跡的整個過程。具體的流程如下圖4-4所示：圖4-2系統流程雖然系統載入的是視頻文件，但實質上處理的是視頻中的幀圖像，因此首先，讀入一幀，并判斷其有效性，若是有效的，繼續進行處理，利用背景差分法獲取前景目標，并用開閉和運算腐蝕和膨脹進一步分割出前景圖像，然后提前中心點，并用此中心點繪制圖像。4.2文件打開模塊的設計文件打開模塊主要就是打開一個視頻文件，然后從文件讀出幀文件，因為接下來需要處理的都是幀圖像，所以文件打開模塊就顯得非常重要。具體流程如下：圖4-3文件打開模塊流程4.3背景提取模塊的設計背景建模主要目的就是為了獲取背景圖像。現目前，主要有這三種方法：通過求多幅圖像的像素點均值得到、求多幅圖像的像素點中值、建立自適應模型。本課題選用的是通過多幅圖像的像素點均值得到的背景模型，可以用如下公式表示：其中，表示時刻的背景圖像幀，表示時刻的輸入圖像幀，表示幀的總數。一般通過攝像機采集的圖像，不僅增大了內存的開銷，也大大的降低了處理速度。為了使后續圖像的計算量小一點，還調用了灰度轉化函數，進行了圖像的灰度處理。圖像的灰度處理就是將彩色圖像轉化成為灰度圖像的過程。在彩色圖像中，R、G、B三個分量決定了每個像素的顏色，而每一個分量可以有255個值，一個像素點的顏色的變化范圍就可以達到1600多萬（255*255*255）；而灰度圖像R=G=B，一個像素點的變化范圍就只有255，因此將大大的減少后續圖像的計算量，但是卻會讓圖像失真。由于原始圖像在獲取和傳輸的過程中會受到各種噪聲的干擾，使圖像的質量下降，不利于分析圖像，于是使用高斯平滑對圖像進行降噪。圖像平滑處理有很多種方法，領域平均（CV_BLUR）、中值濾波（CV_MEDIAN）、高斯濾波（CV_GAUSSIAN）等。高斯濾波是跟根據高斯函數的形狀來選擇權值的線性平滑濾波器，對出去服從正態分布的噪聲很有效果，對圖像處理來說，常用的是二維零均值離散高斯函數，表達式如下：由于目前的還是幀圖像，要進行圖像的累加，必須進行格式轉換。接著，就可以求這多幅像素點的均值得到背景圖像了。背景獲取流程如下：圖4-4背景獲取模塊流程為了更好的獲得背景，只讀取視頻的前140幀圖像，然后按順序獲取一幀圖像，然后判斷此幀圖像是否有效，若是有效幀，進行幀數統計，接著判斷是否是第一幀，若是第一幀，就要先申請內存，進行圖像的初始化，若不是，就對圖像進行灰度處理，簡單化計算量，并用高斯平滑去噪，然后格式轉換為數組，進行圖像的累加預算，最后通過此連續圖像的累加值求平均值的方法，獲的背景圖像。4.4智能小車檢測與跟蹤模塊的設計智能小車檢測的目標是把圖像序列當中的運動目標——智能小車從背景圖像中檢測出來。現目前，主要分為攝像頭隨目標移動，攝像頭相對處于靜止狀態兩類。前者，需要始終保持目標在圖像的中心附近，而后者，只能對視場內的目標進行檢測和定位。本課題選用的是第二種情況攝像頭相對處于靜止狀態下的背景差分法。背景差分法是運動目標檢測最常用的方法之一，利用背景建模得到的背景圖像和輸入圖像進行比較，然后得到前景運動目標。為了接下來分割的進一步處理，還需對得到的前景運動目標圖像進行二值化處理。二值化處理也就是讓圖像出現黑白效果，把圖像的像素點的灰度值設置為0或者255。圖像的二值化處理能夠使圖像變得簡單，減小圖像的數據量，凸顯出目標的輪廓，將大大的有利于圖像的進一步處理，有助于接下來的圖像的分割。智能小車檢測流程如下：圖4-5檢測模塊流程首先，從視頻結構順序獲得一幀圖像，判斷是否有效，是有效幀，對幀圖像進行灰度處理，轉換為灰度圖像，減少圖像的計算量，接著進行平滑處理，利用高斯平滑降噪，利用背景差分法，對當前幀圖像和上一步背景建模過程獲得背景圖像做絕對值差，得到前景目標圖像，然后對當前獲得前景目標圖像進行二值化處理，黑白化灰度圖像，凸顯出目標輪廓。智能小車目標分割是圖像處理到圖像分析的關鍵步驟，一般要進行腐蝕和膨脹運算去除雜點。因為腐蝕可以消除邊界點，使邊界內部收縮，腐蝕一般用來消除細小并且沒有意義的目標。在OpenCV中可調用cvErode函數來對圖像進行腐蝕運算。而膨脹和腐蝕相反，則是合并接觸的背景點，使邊界向外擴張，填補目標區域當中出現的漏洞。在OpenCV中則通過調用cvDilate函數來實現。具體流程如下：圖4-6分割模塊流程利用小車檢測模塊獲得的小車前景目標圖像，對前景目標圖像做腐蝕和膨脹運算，去除雜點，分割出小車，達到智能小車分割的目的。智能小車的跟蹤就是在視頻圖像序列中實時地發現運動小車并將其標記出來。現目前，針對視頻圖像運動目標跟蹤有很多種方法，例如：基于模型的跟蹤、基于區域的跟蹤、基于特征的跟蹤、基于動態輪廓的跟蹤等。本課題選用的是基于動態輪廓的跟蹤方法。基于動態輪廓的跟蹤方法就是利用封閉的曲線輪廓來表達運動目標，而且此輪廓能夠自動連續實時的更新。此方法的優點就是完成輪廓初始化后，可以在部分遮擋的情況下繼續進行跟蹤，而缺點則是輪廓的初始化比較困難。具體流程如下：圖4-7車輛跟蹤模塊流程首先，對目標圖像進行邊緣檢測，發現輸入圖像的邊緣并在輸出圖像中識別這些邊緣。因為是用小車的中心點坐標來表示小車的，所以計算出小車的中心點。然后對中心點圖像進行清零，初始化為黑色。判斷是否有五個點，因為采用的中心點思想，需對車輛邊緣輪廓所以點進行統計，并求出中心點，考慮到汽車是長方形的，因此只需用五個點就可以表示小車了。因此用判斷是否有五個點來證明是否有運動小車，對小車進行跟蹤。然后再將這五個點設置為白色，進行標記即可。4.5繪制軌跡模塊的設計繪制軌跡是系統的最終目標。由于在跟蹤過程中已經取得中心點，并保存進了一個專門的數組，因此只需對此數組進行掃描，讀出里面的數值，按照此數值繪制曲線就好了。需要注意的是需將軌跡背景圖像和視頻圖像的大小設置一致，保證物體實際運動路線和軌跡的對比效果。具體流程如下：圖4-8軌跡繪制模塊流程首先，申請內存，創建一個和背景圖像大小一致的的圖像，清零初始化圖像。然后掃描存儲小車運動軌跡的數組，按照里面的數值繪制小車運動軌跡曲線。4.6本章小結本章主要詳細介紹了智能小車視頻信號分解與處理系統的設計，首先介紹了系統的系統架構其中包括總體架構和主要流程，這是密不可分的兩個架構，這兩個架構只有在同時存在的情形下才能夠構成整個框架的架構。然后分別對每個模塊做了詳細的設計如文件打開模塊、背景提取模塊、智能小車檢測與跟蹤模塊、繪制軌跡模塊。5系統實現本章主要介紹了智能小車視頻信號分解與處理系統的具體實現過程，介紹了系統的開發環境的環境配置，也介紹了各個功能模塊的實現，例如變量定義模塊、文件打開模塊、背景提取模塊、車輛跟蹤與檢測模塊、軌跡繪制模塊的實現。通過本章可以對智能小車視頻信號分解與處理系統的整個實現過程有個詳細的了解。5.1環境配置本節主要介紹要使用智能小車視頻信號分解與處理系統所必需的環境配置，只有在正確的環境的支持下才能夠運行系統。在運行框架之前所必需的環境有VisualStudio、OpenCV、CMake等，系統環境配置的步驟如下：步驟一：編譯OpenCV。用CMake導出VC++項目文件運行cmake-gui，設置whereisthesourcecode路徑為OpenCV安裝路徑，并在安裝路徑的build文件夾下新建一個my文件夾，設置wheretobuildthebinaries路徑為此文件夾路徑。然后點擊Configure，在彈出的對話框中選擇VisualStudio92008。可根據操作系統修改選項，修改后再次選擇“Congfigure”，完成后選擇“Generate”。圖5-1CMake主界面編譯OpenCVDebug和Release版本庫完成上一步驟后，系統會在my文件夾下生成OpenCV.sln的解決方案文件，啟動VisualStudio2008開發環境，打開OpenCV.sln，在Debug下，右鍵解決方案“OpenCV”，運行"重新生成解決方案"；如編譯無誤，再選擇此項目，運行“生成解決方案”。在Release下，同上操作。當全部都運行完畢后，針對此系統的OpenCV庫就生成了。圖5-2OpenCV庫步驟二：配置VisualStudio2008。配置include路徑，何處去找OpenCV頭文件。選擇菜單“工具”→“選項”→“項目和解決方案”→“VC++目錄”→“包含文件”，輸入：D:\ProgramFiles\OpenCV2.3.1\opencv\build\include；D:\ProgramFiles\OpenCV2.3.1\opencv\build\include\opencv；D:\ProgramFiles\OpenCV2.3.1\opencv\build\include\opencv2圖5-3配置包含文件配置lib路徑，何處去找OpenCV的庫文件。選擇菜單“工具”→“選項”→“項目和解決方案”→“VC++目錄”→“庫文件”，輸入：32位的操作系統D:\ProgramFiles\OpenCV2.3.1\opencv\build\x86\vc9\lib64位的操作系統D:\ProgramFiles\OpenCV2.3.1\opencv\build\x64\vc9\lib圖5-4配置庫文件步驟三：設置環境變量。將OpenCV的dll文件所在的目錄加入Path環境變量32位操作系統：D:\ProgramFiles\OpenCV2.3.1\opencv\build\x86\vc9\bin64位操作系統：D:\ProgramFiles\OpenCV2.3.1\opencv\build\x64\vc9\bin圖5-5配置環境變量步驟四：OpenCV編程。新建一個項目，右鍵項目，選擇屬性→鏈接器→輸入→附加依賴項，分別在Debug和Release項目，配置增加：D:\ProgramFile\opencv2.3.1\opencv\build\x86\vc9\lib下的所有lib文件（可根據實際需要刪減）。圖5-6鏈接附加依賴項以上是對數字圖像處理系統環境配置的核心步驟說明，通過這些配置后可以開發數字圖像處理系統，這只是一個基本環境配置的要求。通過這些配置可以了解到智能小車視頻信號分解與處理系統運行環境的基本要求。5.2文件打開模塊的實現本節主要介紹了文件打開模塊的實現過程，實現的功能為打開一個視頻文件。實現代碼如下：CFileDialogdlg1(TRUE,lpszFilter,NULL,OFN_HIDEREADONLY|OFN_OVERWRITEPROMPT,lpszFilter,NULL);5.3背景提取模塊的實現本節介紹了背景提取模塊的實現，采用了求連續序列圖像的平均值的方法。首先需要對讀入的當前幀圖像進行灰度圖像處理簡化計算量，在OpenCV中可以通過調用cvCvtColor()函數實現，并使用高斯平滑進行降噪處理，通過調用cvSmooth()函數。其次，因為要進行圖像的累加運算，必須先對圖像進行格式轉換，在OpenCV里可以通過調用cvCvtScale()函數實現，然后就可以進行累加和求均值的運算了，這里都是通過調用OpenCV中cvAcc()和cvConvertScale()函數實現。5.4智能小車檢測與跟蹤模塊的實現智能小車檢測與跟蹤模塊是智能小車視頻信號分解與處理系統的核心功能。這一模塊實現了對小車的檢測、分割、跟蹤功能。下面介紹各功能并實現過程。首先需要對讀入的當前幀圖像進行灰度圖像處理簡化計算量，在OpenCV中可以通過調用cvCvtColor()函數實現，并使用高斯平滑進行降噪處理，通過調用cvSmooth()函數。檢測功能主要利用了背景差分法，調用OpenCV中的cvAbsDiff()函數將背景幀和當前幀做絕對值差，求得了前景圖像。為了凸顯出前景目標圖像的輪廓，還需對前景圖像進行二值化處理，黑白化幀圖像。通過調用cvThreshold()函數實現。 分割功能一般需要去除圖像雜點。因為腐蝕可以消除邊界點，使邊界內部收縮，腐蝕一般用來消除細小并且沒有意義的目標。在OpenCV中可調用cvErode()函數來對圖像進行腐蝕運算。而膨脹和腐蝕相反，則是合并接觸的背景點，使邊界向外擴張，填補目標區域當中出現的漏洞。在OpenCV中則通過調用cvDilate()函數來實現。跟蹤功能選用的是基于動態輪廓的跟蹤方法，達到實時跟蹤運動目標的功能。首先，對目標圖像進行邊緣檢測，可通過調用cvCanny()函數實現，發現輸入圖像的邊緣并在輸出圖像中識別這些邊緣。因為是用小車的中心點坐標來表示小車的，所以計算出小車的中心點，可通過一個for循環實現。然后對中心點圖像進行清零，初始化為黑色，調用cvZero()函數就可以了。判斷是否有五個點，因為采用的中心點思想，需對車輛邊緣輪廓所以點進行統計，并求出中心點，考慮到汽車是長方形的，因此只需用五個點就可以表示小車了。因此用判斷是否有五個點來證明是否有運動小車，對小車進行跟蹤。然后再將這五個點設置為白色，進行標記即可。5.5軌跡繪制模塊的實現繪制軌跡模塊實現了對小車的運動軌跡的繪制功能。繪制軌跡是系統的最終目標。由于在跟蹤過程中已經取得中心點，并保存進了一個專門的數組，因此只需對此數組進行掃描for(inti=0;i<count_center_point-1;i++)，讀出里面的數值cvLine(TrackImg,cen_point[i],cen_point[i+1],color);，按照此數值繪制曲線就好了。需要注意的是需將軌跡背景圖像和視頻圖像的大小設置一致，保證物體實際運動路線和軌跡的對比效果。5.6本章小結本章主要是對智能小車視頻信號處理與分解系統的基本環境的配置和一些核心的模塊做了詳細說明，通過這些說明可以看出智能小車視頻信號處理與分解系統中的核心功能和代碼生成的特色，在開發數字圖像處理系統的時候，這些基本的功能將有助于提高開發效率，為其他功能的完善節省時間。當然，本章只介紹了系統實現的核心功能，其他的功能在這里就不作敘述了。

6應用示例本章主要是對智能小車視頻信號分解與處理系統應用的章節，在本章會舉一個例子來應用智能小車視頻信號分解與處理系統，通過此示例能了解智能小車視頻信號分解與處理系統的核心技術，核心功能，同時能體會到智能小車視頻信號分解與處理系統在處理過程中的效率，也能在此基礎上進行擴展。6.1示例概述本節主要是對本章中示例的描述，本示例主要是對一個攝取的運動汽車視頻的應用。基本功能要求有：打開一個視頻，獲取幀圖像能夠從視頻中提取背景圖像能夠檢測和跟蹤運動目標，小車。能夠繪制出小車運動的軌跡對以上這些功能需求在智能小車視頻信號分解與處理系統中都能輕而易舉的實現，其實現過程在下一節中將詳細介紹。6.2示例實現過程使用系統本節針對小車視頻在智能小車視頻信號分解與處理系統中的處理過程做詳細的描述，每個步驟都有詳細的說明，下面將分步驟來描述整個實現過程。圖6-1程序主界面步驟一：讀入一個視頻點擊“文件”菜單，選擇打開，彈出一個基于windows的對話框，選中需要進行處理的視頻，單擊打開按鈕，讀入視頻文件，如圖6-2所示。如果不是AVI格式的視頻，則會顯示打開失敗，如圖6-3所示。圖6-2讀入視頻圖6-3打開文件失敗從中可以看出，在錄制視頻后，需對視頻的格式進行轉換，只有轉換成AVI格式才能讀入視頻，否則就會打開失敗，不能載入視頻。步驟二：對載入的視頻進行背景提取，獲取背景幀圖像。單擊“背景提取”菜單，會彈出一個新的和視頻圖像大小一樣的新框，等待幾秒，獲取背景，如圖6-4所示。不能重復提取背景，如果提取過背景，會彈出“背景已經提取”的對話框，如圖6-5所示。圖6-4背景圖像圖6-5已提取背景步驟三：檢測視頻中出現的運動目標，并對其進行實時跟蹤。單擊“檢測跟蹤”菜單，此時會彈出一個新框，讀入視頻時打開的視頻開始播放，隨著小車出現，開始檢測和跟蹤小車，小車用一個小白點表示，如圖6-6所示。如果已經進行過檢測與跟蹤，會彈出“車輛跟蹤已經結束”的對話框，如圖6-7所示。圖6-6車輛跟蹤圖6-7車輛跟蹤結束步驟四：繪制出小車運動軌跡。單擊“繪制軌跡”菜單，此時不會彈出一個新框，直接在檢測跟蹤模塊彈出的新框的基礎上進行軌跡曲線的繪制。如圖6-8所示。圖6-8運動軌跡此時。整個視頻圖像處理結束。以上是一個完整的示例由智能小車視頻信號分解與處理系統處理的過程，通過這些過程就可以完成對小車視頻信號的分解與處理，并繪制出其軌跡。6.3本章小結本章通過一個小車視頻的示例講述了如何應用智能小車視頻信號分析與處理系統，按步驟詳細說明了各個環節的操作流程，并且有詳細的圖解，通過本章的學習可以熟練的使用智能小車視頻信號分解與處理系統中的核心功能和一些擴展功能。重慶理工大學畢業論文（題目、小五、宋體）PAGE頁碼居中，以阿拉伯數字順序排列PAGE75PAGE717結束語7.1本文工作總結智能交通系統是未來交通的發展方向，而基于視頻圖像處理的檢測和跟蹤技術是其關鍵技術之一，在實時交通數據采集、車輛自動跟隨與自動駕駛、自動收費等方面具有廣闊的應用前景。本文應用圖像處理、統計模型以及計算機視覺技術系統的分析和研究了車輛檢測與跟蹤問題，基本實現了各種交通監視應用中的車輛檢測與跟蹤。在車輛檢測方面，本文主要介紹了三種檢測方法：一種是幀差分法，算法實現簡單，程序設計復雜度低；對光線等場景變化不太敏感，能夠適應各種動態環境，穩定性較好。但其缺點是：不能提取出對象的完整區域，只能提取出邊界；同時依賴于選擇的幀間時間間隔。對快速運動的物體，需要選擇較小的時間間隔，如果選擇不合適，