王山山+王丹+趙乾坤

摘 要：隨著計算機技術的飛速發(fā)展，人們想要通過計算機方便快捷地獲取來自外界的可靠數(shù)據(jù)，在此過程中數(shù)字信息處理技術占據(jù)了重要地位。研究基于Matlab的視頻處理系統(tǒng)的設計與開發(fā)，借助Matlab圖像處理技術并選取光流法對視頻進行處理，最終實現(xiàn)對視頻中運動物體的檢測。該研究可為運動物體的跟蹤與預測技術奠定基礎。

關鍵詞：Matlab；視頻處理；物體檢測；光流法

DOIDOI：10.11907/rjdk.162508

中圖分類號：TP319

文獻標識碼：A文章編號：1672-7800（2016）012-0071-03

0 引言

在日常生活和科學研究領域，數(shù)字圖像（視頻）是人們獲取外界信息的主要媒介。隨著圖像處理研究的不斷深入，出現(xiàn)了許多亟待解決的問題。如今，圖像處理已經(jīng)成為一個較為成熟的學科。Matlab是一款應用廣泛的數(shù)學軟件，其在視頻處理方面提供了一個功能強大、高效便捷的圖像及視頻文件處理工具箱Image Processing ToolBox。針對視頻中的運動物體檢測問題，本文提出了一種運動物體檢測方法。該方法結合Matlab的視頻及圖像處理工具箱，可有效檢測出視頻中不同時間間隔內的運動物體。

1 運動物體檢測簡介

如今，針對運動物體檢測工作，結合C語言等開發(fā)環(huán)境，使用較多的平臺有OpenCV、Matlab等。運動物體檢測的目的是分析運動物體在各個時刻的運動軌跡，從而根據(jù)運動規(guī)律跟蹤并推測該運動物體在下一時刻的運動趨勢。該檢測技術屬于人工智能范疇，在仿真技術逐步完善的今天，該領域的研究范圍逐漸擴大，研究也更加深入。

2 系統(tǒng)相關技術分析

如圖1所示，本課題主要研究的問題是如何利用Matlab對圖像進行處理，生成光流場，最終檢測視頻中的運動物體。所以首先需要熟練使用Matlab在視頻處理中的一些常用函數(shù)，以及函數(shù)的調用方式，并熟悉幾種常用的運動物體檢測方法原理和計算方式。

2.1 視頻讀取

隨著Matlab軟件的不斷更新，如今能夠滿足很多格式視頻文件的讀取，表1中對常用的視頻讀取函數(shù)進行了舉例說明。

2.2 運動物體檢測技術

常用的運動物體檢測方法有：背景減法、三幀差法、光流法[1]。本研究中選取基于梯度算法的光流法，生成光流場，根據(jù)矢量像素點檢測該時區(qū)內的運動物體。

2.2.1 光流法

光流法作為一種實用的運動物體檢測方法，將空間物體運動時表面的點向用戶提供視覺平面上的抽象表達。1998年提出的新的光流法定義為幾何變化及輻射度變化的詳細表達[2]。運用光流法實現(xiàn)運動物體檢測的原理概括為：將圖像看作由有限個像素點構成的平面，光流圖像即是將每個像素點賦予矢量值后構成的矢量場。運動物體在任意固定的時間點，生成的光流場像素點與運動物體初始像素點的關系相互對應。根據(jù)投影關系獲得這種逐一對應的關系，最后依據(jù)運動物體像素點具備的矢量特征，對圖像進行系統(tǒng)性的動態(tài)分析。分析方式如下：①若光流場中所有矢量點在圖像區(qū)域中產(chǎn)生的運動是連續(xù)的，則該圖像中不存在運動物體；

②當圖像中存在運動物體時，運動目標與圖像背景間會因產(chǎn)生相對運動[3]被體現(xiàn)出來，因此運動目標形成速度的矢量必然會不同于鄰域背景產(chǎn)生的速度矢量，從而能夠檢測出運動物體及其位置。

2.2.2 微分法

以上介紹了光流法的基本思想，在第一步需要給圖像中每個像素點賦予矢量值，可以選擇基于梯度[4]、匹配[5]、能量[6]和相位[7]等方法。本文中使用基于梯度的方法，即微分法。微分法計算過程簡單，結果準確，因此應用十分廣泛。該方法主要利用實時圖像灰度或時空梯度函數(shù)計算每個像素產(chǎn)生的速度矢量值。在此基礎上，研究者們也不斷提出了一些新的改良算法，例如分段式平滑計算，通過使用加權矩陣控制對梯度進行不同程度的平滑處理。

2.2.3 灰度圖

灰度圖又稱為灰階圖，指黑白圖像中點的顏色深度，范圍一般為0～255。白色為255，黑色為0，故黑白圖片也稱為灰度圖像，在醫(yī)學、圖像識別領域應用廣泛。

3 系統(tǒng)設計與實現(xiàn)

本設計選取的視頻是在avi格式的視頻文件中截取的時長為10s左右的片段，選用的視頻最好保持背景不變，例如馬路上行駛的車輛與行人等。

3.1 單幀圖像讀取與保存

此部分主要需要解決如何提取并保存視頻中單幀圖片的問題。提取方式初步選用固定時間間隔提取單個單幀圖像，后期經(jīng)過改善，選用逐幀提取方式。為了便于后續(xù)過程中的圖像提取，保存的單幀圖像根據(jù)提取次序命名。視頻是由有限個單幀圖像經(jīng)過連續(xù)播放而形成視覺上的連續(xù)變化，因此在第一步主要通過調用功能函數(shù)連續(xù)讀取視頻每一幀圖像，實現(xiàn)視頻播放，即：

for k = 1 ： nFrames

mov（k）.cdata = read（test1， k）

其中，mov（k）代表需要播放視頻的總幀數(shù)。

播放視頻的同時，對視頻的總幀數(shù)進行了計數(shù)。因此，在第二步中，直接獲取每一幀的圖像，并將其保存在固定的路徑文件夾中，其中最重要的兩個步驟是：①將視頻中的圖像轉換成jpg格式的圖片（可以轉換的格式很多，例如bmp等，此處選用jpg格式）；②將轉換后的圖片進行存儲，圖2為將test1視頻在播放過程中逐幀提取并保存到本地的實例結果。

3.2 運動物體檢測

運動物體檢測的第一步，先選取兩張存儲的單幀圖像，選取條件是間隔時間盡量短，運動幅度較為明顯，背景相對不變。這在生成光流場時，能夠將檢測效果體現(xiàn)得更加明顯。

（1）分別讀取兩張單幀圖像，并顯示出來。

（2）將抽取的兩張單幀圖像分別轉化為灰度圖格式，下面是幾種常用的灰度轉換方式（本設計采用整數(shù)算法）：①浮點算法：Gray=R*0.3+G*0.59+B*0.11；

②整數(shù)方法：Gray=（R*30+G*59+B*11）/100；

③移位方法：Gray =（R*28+G*151+B*77）>>8；

④平均值法：Gray=（R+G+B）/3；

⑤僅取綠色：Gray=G。

經(jīng)過任一種方法求得Gray值之后，將原來的RGB（R，G，B）中的R，G，B統(tǒng)一用Gray替換，形成新的顏色RGB（Gray，Gray，Gray），用它替換原來的RGB（R，G，B）生成的新圖像即是灰度圖。圖3、圖4為將兩幀圖像進行灰度處理后重新生成的灰度圖。

（3）通過梯度計算顯示光流場，計算方法如下：

dst（5：hm5，5：wm5） = （ Xnp1（6：hm5+1，6：wm5+1）-Xn（6：hm5+1，6：wm5+1） + Xnp1（6：hm5+1，5：wm5）-Xn（6：hm5+1，5：wm5）+ Xnp1（5：hm5，6：wm5+1）-Xn（5：hm5，6：wm5+1） +Xnp1（5：hm5，5：wm5）-Xn（5：hm5，5：wm5））/4。

如圖5所示的光流場，其中每個點是賦予圖像中每個像素具備運動速度的矢量點。可以清楚看到，產(chǎn)生的光流場圖像中包含一部分較為均勻的矢量點排序，說明在不同時刻，此處物體產(chǎn)生的相對運動極其微小，或者說通過視覺無法感受到其產(chǎn)生了運動；除了均勻分布的矢量點外，同樣存在較為緊密或分散的點集合，說明在不同時刻，屬于此范圍的物體產(chǎn)生了較為明顯的運動。點的變化形態(tài)越明顯，在此處的物體運動幅度則越大。因此，從這種運動現(xiàn)象中可以預測，下一刻此處物體運動的可能性要比均勻分布點內物體運動的可能性大很多。

4 結語

隨著計算機技術的高速發(fā)展，運動物體檢測與跟蹤等相關領域的研究備受關注。運動物體的檢測與跟蹤技術能夠有效地解決一系列問題，例如一旦發(fā)現(xiàn)有異常行為監(jiān)測對象，系統(tǒng)會發(fā)出報警，提醒人們注意并防范。近年來，研究者們致力于將智能化系統(tǒng)與人類本身的反應系統(tǒng)相結合。因此，運動目標的跟蹤與檢測研究在人工智能研究領域具有重要價值。

參考文獻：

[1] BEAUCHEMIN S S，J L BARRON.The computation of optical flow[J].ACM computing surveys （CSUR），1995，27（3）：433-466.

[2] NEGAHDARIPOUR S S.Revised definition of optical flow： integration of radiometric and geometric cues for dynamic scene analysis[J]. Pattern Analysis and Machine Intelligence， 1998，20（9）：961-979.

[3] BARRON J L， D J FLEET，et al.Performance of optical flow techniques[J].International Journal of Computer Vision，1994，12（1）：43-77.

[4] 阮秋琦，阮宇智，譯.數(shù)字圖像處理[M].第2版.北京：電子工業(yè)出版社，2003.

[5] R C GONZALEZ.數(shù)字圖像處理（MATLAB版）[M].北京：電子工業(yè)出版社，2003.

[6] 朱志剛，等.數(shù)字圖像處理[M].北京：電子工業(yè)出版社，2003.

[7] 章毓晉.圖像工程-圖像處理和分析（上冊）[M].北京：清華大學出版社，2004.

（責任編輯：黃 健）