视频中的行人检测

山东建筑大学

课 程 设 计 说 明 书

题 目： 课 程： 院 （部）： 专 业： 班 级： 学生姓名： 学 号： 指导教师： 完成日期： 视频监控中行人的检测 数字图像处理课程设计 信息与电气工程学院 电子信息工程 电信111

山东建筑大学课程设计说明书

目 录

摘 要 ............................................................................................................................................. II 一、绪论........................................................................................................................................... 1

1.1 研究背景与意义 .......................

山东建筑大学数字图像处理课程设计

山东建筑大学

课 程 设 计 说 明 书

题 目：

课 程：

院 （部）：

专 业：

班 级：

学生姓名：

学 号：

指导教师：

完成日期： 视频监控中行人的检测 数字图像处理课程设计 信息与电气工程学院 电子信息工程 电信111

山东建筑大学数字图像处理课程设计

目 录

摘 要 ............................................................................................................................................. II

一、绪论........................................................................................................................................... 1

1.1 研究背景与意义 ..........................................

山东建筑大学

课 程 设 计 说 明 书

题 目： 课 程： 院 （部）： 专 业： 班 级： 学生姓名： 学 号： 指导教师： 完成日期： 视频监控中行人的检测 数字图像处理课程设计 信息与电气工程学院 电子信息工程 电信111

山东建筑大学课程设计说明书

目 录

摘 要 ............................................................................................................................................. II 一、绪论........................................................................................................................................... 1

1.1 研究背景与意义 .......................

//摄像头的

#include "cv.h"

#include"highgui.h"

#include"stdio.h"

#ifdef _EiC

#define WIN32

#endif

static CvMemStorage* storage = 0;//设存储器，返回空间头指针

static CvHaarClassifierCascade* cascade = 0;

void detect_and_draw( IplImage* image );

const char* cascade_name =

"haarcascade_frontalface_alt.xml";//人脸检测分类器

int main( int argc, char** argv )

{

CvCapture* capture = 0;

IplImage *frame, *frame_copy = 0;

int optlen = strlen("--cascade=");

const char* input_name;

if( argc > 1 && strncmp( argv[1], "--cascade=", optlen ) == 0 )

{

cascade_name = argv[1] + optlen

在实际操作中，处理对象是从视频采集卡输入的实时图像序列，为了更好的检测图像中的移动物体，摄像头需要对于背景图进行学习，即获取静止的背景图像信息。

对于视频中运动物体的检测主要措施分为两种:宏观检测法以及微观检测法。顾名思义，宏观检测法就是对于获取到的整副图像进行检测，反之，微观检测法是针对图像的ROI(感兴趣区域)进行检测。背景差法，帧间差法以及综合法。

背景差分法：利用了获取到的背景的图像以及按照一定的算法或者人为的获取一张没有目标物体的背景图像，两者进行相减。然后通过阈值获得二值图像，根据二值图像从而分割出图像中的目标物体，从而可以达到检测出目标物体的目的。弊端：对于所比较的背景图示需要进行实时更新的，才可以满足一定的检测准确性。

帧间差分法：从实时获取的帧图像，进行一帧一帧的图像作差值比较，从而得到的差值图像，由于目标物体不停的运动，这样相连续的帧差值图像就能得到目标物体的运动轨迹，接着，结合图像的分割技术，就能得到移动物体的轮廓。

检测运动目标物体的整个过程体系为:捕捉视频流一转换视频格式一预处理图像一提取目标前景物一减小环境对于图像处理的误差一提取运动物体的特征一精确的跟踪运动物体。 步骤详解：

(I)捕获视频流:利用

2009年第06期，第42卷 通 信 技 术 Vol.42，No.06,2009 总第210期 Communications Technology No.210,Totally

智能视频监控中的运动目标检测技术研究

夏永泉， 李卫丽， 甘 勇， 张素智

（郑州轻工业学院 计算机与通信工程学院，河南 郑州）

【摘 要】运动目标检测是视频序列分析中非常一个重要的研究方向，同时也在智能视频监控中发挥着非常重要的作用。目前国内外对运动目标检测的研究非常广泛，方法各异，文中对当前常用的视频序列中运动目标检测的方法进行了研究和分析，并对这些种方法的优越性和不足之处进行了比较。

【关键词】智能视频监控；运动目标检测；帧间差分；背景减法

【中图分类号】TP391.41 【文献标识码】A 【文章编号】1002-0802(2009)06-0185-03

Studies on Moving Obj

2016届计算机科学与技术专业毕业设计（论文）

毕业设计（论文）

题 目 基于背景差分法的

行人检测研究

专 业 计算机科学与技术 班 级 学 生 指导教师

2016 年

刘姗姗：基于背景差分法的行人检测研究

摘 要

现阶段许许多多的监控类系统的运作进行方式依然需要很多相关工作人员不断地监视和分析视频内的场景，不仅没有休息时间，而且工作量特别大，实时性信息和监控实时性两者矛盾越来越明显。这便是研究本课题的意义，本论文阐述了本课题的研究现状、实现它所涉及到的背景建模方法、特征提取方法和背景更新等。

此课题研究的内容是基于背景差分法行人的视频监控系统：在不需要人为进行干预的前提下，利用视频分析和机器学习等的一些方法，通过针对于截取到的图像进行实时的场景以及目标物做出有可行性的分析，将摄像机截取到的视频图像的帧通过自动化的检测分析处理，进而达到对动态的场景中目标的行以及其和位置进行确定的目的，然后进行跟踪检测，并且对于检测到的目标的行为进行分析、语

基于视频的车辆检测技术

机电工程学院自动化系5

李颖宏1

主要内容 5.1 视频检测技术概述 5.2 视频目标检测方法 5.3 视频目标跟踪方法 5.4 视频检测技术的应用

5.1 视频检测技术概述(定义) 基于视频的车辆检测技术能够通过非物理手段检测到通过车辆，是利 用视频图像进行车辆检测的一种交通检测技术。 视频车辆检测是以采用摄像机作为检测装置，通过检测车辆进入监测

区时视频图像某些特征的变化，从而得知车辆的存在，并以此来检测交通流参数获获取车辆的特征信息。 它涉及计算机图像处理、模式识别、信号处理和信号融合等多个学科。

5.1 视频检测技术概述(优势)相对于其他检测技术，视频检测具有如下优势： – 安装简便，无需破坏路面，易于移动、调整检测器位置，维护费 用低、升级容易，兼容现有的检测方法； – 直观可靠，便于管理人员干预，检测范围广，获取信息丰富； – 可提供现场录像，重现交通场景，为研究交通行为、改进交通管 理方法和处理交通事故提供了大量的信息； – 对周围环境没有影响，不会造成污染，相同检测器之间也不会发 生干扰。

5.1 视频检测技术概述(示例)

5.1 视频检测技术概述(检测内容)视频可检测内容: - 道路条件 - 交通流

基于opencv中光流法的运动

行人目标跟踪与检测

一、课题研究背景及方法

行人检测具有极其广泛的应用：智能辅助驾驶，智能监控，行人分析以及智能机器人等领域。从2005年以来行人检测进入了一个快速的发展阶段，但是也存在很多问题还有待解决，个人觉得主要还是在性能和速度方面还不能达到一个权衡。

早期以静态图像处理中的分割、边缘提取、运动检测等方法为主。例如

（1）以Gavrila为代表的全局模板方法：基于轮廓的分层匹配算法，构造了将近2500个轮廓模板对行人进行匹配, 从而识别出行人。为了解决模板数量众多而引起的速度下降问题，采用了由粗到细的分层搜索策略以加快搜索速度。另外，匹配的时候通过计算模板与待检测窗口的距离变换来度量两者之间的相似性。

（2）以Broggi为代表的局部模板方法：利用不同大小的二值图像模板来对人头和肩部进行建模，通过将输入图像的边缘图像与该二值模板进行比较从而识别行人，该方法被用到意大利Parma大学开发的ARGO智能车中。

（3）以Lipton为代表的光流检测方法：计算运动区域内的残余光流；

（4）以Heisele为代表的运动检测方法：提取行人腿部运动特征；

（5）以Wohler为代表的神经网络方法：构建一个自适应时间延迟

文章编号:100128220(2004)0420404205

基于视频的车流量检测

①彭仁明1,贺春林2

(11四川绵阳职业技术学院,四川绵阳621000;21西华师范大学计算机学院,四川南充637002)

摘　要:介绍了目前基于视频的车辆检测算法的优点和缺点,在此基础上提出了一种新的算法,该算法自适应能力强,计算量小,可正确判断有无车辆、完成车辆的计数,实现车流量计算、车速估计.采用了预估校正和相关性修正等措施,提高了检测精度,为交通监控系统提供实时有效的交通参数.

关键词:视频;数据流;相关性;修正

中图分类号:TP399　　　文献标识码:A

1　引　言

随着经济的发展,人民生活水平的提高,汽车保有量大幅增加,怎样安全高效地对交通进行管理,就显得非常重要.解决这一问题的关键是建立智能交通系统(ITS ),其中车辆检测系统是智能交通系统的基础.它为智能控制提供重要的数据来源[1-3].

作为ITS 的基础部分,车辆检测系统在ITS 中占有很重要的地位,目前基于视频的检测法是最有前途的图1　检测算法流程Fig.1　The flow of defection alg orithm 一种方法,它是通过图像数字的方法获得交通流量信息,

主要有以下优点:(1)能够提供高