摘 要

不同于传统的视频监控系统，静止背景下的移动目标视觉监控系统可以自动识别并分析图像序列（即视频），并及时对特定情况（如外来者入侵等）进行报警。如今，静止背景下移动目标视觉监控系统已经被广泛应用于许多重要场所，有着重大的意义。

本文使用Open CV来设计了一个静止背景下移动目标视觉监控系统，该系统可以检测出静止背景中的运动目标，并在运动目标的面积超过某个特定的阈值时进行提醒。

本文首先介绍了设计该系统中图像预处理环节所涉及到的数字图像处理技术；接着介绍了运动目标检测和背景模型建立的几种算法、算法中涉及到的数字图像处理技术。然后，介绍了如何选取合适的运动目标安全面积阈值。最后，介绍了如何用Open CV实现该系统的设计、设计该系统所用到的一些重要函数，以及最后的实现结果。

关键词：运动目标检测；背景差分法；统计平均法；Open CV

Abstract

Different from traditional video surveillance systems, the moving target visual surveillance system under static background can automatically identify and analyze image sequences (ie. video). And the system can timely give an alarm in a specific situation, for example, an intruder. Today, it has been applied in many important places and has a great significance.

In this article, I used Open CV to design a moving target visual surveillance system under static background. The system can detect moving targets in a stationary background, and give an alarm when the area of moving object exceeds the certain threshold.

Firstly, this paper introduced those digital image processing technologies used in image pre-processing portion of this system, then described several algorithms of moving target detection and background modeling, and digital image processing technologies related. After that, the paper explained how to select an appropriate security area threshold of moving target. In the end, this paper described how to use Open CV to design this system, the important functions used to design this system , and the final result.

Key words: Moving object detection; The background difference method ; The statistical averaging method; Open CV

目 录

摘 要 I

Abstract II

第1章 绪论 1

1.1 研究背景及意义 1

1.2 静止背景下的移动目标视觉监控系统设计分析 1

1.3 Open CV 2

1.4 本文主要工作及文章结构 2

第2章 运动目标检测 4

2.1 图像预处理 4

2.1.1 图像噪声 4

2.1.2 图像去噪处理方法 4

2.1.3 图像灰度化的意义 5

2.1.4 图像灰度化的方法 6

2.2 运动目标检测的研究对象 6

2.3 运动目标检测算法 6

2.3.1 连续帧间差分法 6

2.3.2 背景差分法 8

2.3.3 光流法 9

2.3.4 方法比较与选择 9

2.4 背景模型建立 10

2.5 图像二值化 11

2.6 二值图像形态学滤波 11

2.6.1 腐蚀 11

2.6.2 膨胀 11

2.6.3 开运算 12

2.7 静止背景下运动目标检测整体流程 12

第3章 运动目标危险性判断 13

3.1 运动目标危险性 13

3.2 运动目标面积 13

3.2.1 提取运动目标轮廓 13

3.2.2 求取运动目标面积 13

3.3 面积阈值的选取 14

第4章 静止背景下移动目标视觉监控系统的Open CV实现 15

4.1 相关函数 15

4.1.1 cvCvtColor() 15

4.1.2 cvSmooth() 15

4.1.3 cvAbsDiff() 15

4.1.4 cvThreshold() 16

4.1.5 cvErode()和cvDilate() 16

4.1.6 cvFindContours() 16

4.1.7 cvContourArea() 17

4.2 程序设计流程 17

4.3 系统实现结果 20

4.3 结果分析 27

第5章 总结 28

参考文献 29

致 谢 30

第1章 绪论

1.1 研究背景及意义

监控技术的发展历史可以大致得分为三个主要阶段：人工现场监控、人工视频监控以及智能视觉监控^[1]。人工现场监控就是人在现场直接对整个场景进行人工监控，这是最原始的监控，也是需要消耗最多人力的监控。后来，出现了人工视频监控，人工视频监控是利用摄像机对监控场景进行摄像，再把采集到的视频信息传输到监视器上，人们通过对视频进行查看分析来判断是否有危险因素或突发事件，因此人工视频监控也需要消耗较多的人力。现如今，视觉监控系统异军突起，视觉监控系统是通过电脑来对拍摄的视频进行分析，发现其中的危险因素或突发事件并进行提醒，因此它对人力的需求是最少的。

随着现代社会的高速发展，突发事件甚至危险事件也时常发生。因此，许多重要场合，例如军事基地、银行、学校、商场、停车场等等，都对监控系统有很大的需求。传统视频监控不仅需要消耗大量的人力，而且人总会出现一些疏漏，这就可能导致财产损失或安全危害。而视觉监控系统利用计算机视觉，可以做到少耗人力甚至不耗人力，24小时全天候监控，自动分析视频且在遇到危险或突发事件时及时报警。正是因为视觉监控系统的种种优点，人们对视觉监控系统的研究越来越重视，而且它也被越来越多得应用与许多重要场合的监控。