238科技资讯SCIENCETECHNOLOGYINFORMATION学术论坛运动目标是指相对于背景是运动着的物体。它的应用极为广泛,如商业上宾馆、楼宇、商场的监控;公共事业中的医疗、机场、车站、交通场景的监控;军事上基于视频的武器瞄准系统等。对于一幅图像中检测的区域,如何知道是否有运动目标存在,当前图像较上一时刻图像是否有运动存在?它包含两方面内容:运动检测。即当前帧图像较上一帧是否发生运动偏移。目标存在检测。在动态图像中,可能存在某些时间段无运动目标存在的情况。如果没有运动目标检测算法,直接对图像进行目标的识别与跟踪计数,将浪费大量计算机的资源。在运动目标检测中,计算机要统计这一区域在无目标存在时的背景特征值,并根据实际值与这些值的比较判断检测。它是运动多目标识别与跟踪计数算法的准备。运动检测是否准确,一定程度上节省计算机的运算量。如果出现误判,将浪费后续运算时间。1运动目标常用的几种方法判断有无运动目标常用方法大多以差分技术为基础。对图像进行逐帧差分,相当于对图像动态进行了时间域上的高通滤波。运动目标检测主要常用的三种方法是:连续帧间差分法(2帧或3帧、背景差分法和光流法。光流法计算复杂,不适宜实时处理。对于前两种方法存在着一些问题。随时间变化,同一物体受光照影响,静止物体的灰度值也会发生变化。如室外的太阳光,室内的日光灯都会影响到检测的精度。在室外场景中,背景中包含动态目标干扰,如树枝,灌木丛等。这会导致像素值不断变化,可能为树叶,树枝,天空等不同的值,造成运动目标错误识别。当视场中有大面积的多种运动时,会发生目标重叠,无法检测到独立的运动目标。如停车场,车辆之间相互重叠,人与车辆叠加,很难分别检测出人和各种车辆。摄像头的晃动使得静态场景变化也会影响到检测结果。一个好的检测算法应该适用于各种环境变化,但是实际应用中不但要考虑到算法适用的环境范围,还要在算法的复杂度、可靠性,以及实时性方面进行权衡。2一种改进的模糊C-均值聚类的运动目标检测方法传统的聚类分析是一种硬划分,它把每个待辨识的对象严格地划分到某个类中,具有非此即彼的性质,因此这种分类的类别界限是分明的。而实际上大多数对象并没有严格的属性,它们在性态和类属方面存在着中介性,适合进行软划分。Zadeh提出的模糊集理论为这种软划分提供了有力的分析工具,人们开始用模糊的方法来处理聚类问题,并称之为模糊聚类分析。由于模糊聚类得到了样本属于各个类别的不确定性程度,表达了样本类属的中介性,即建立起了样本对于类别的不确定性的描述,能更客观地反映现实世界,从而成为聚类分析研究的主流。2.1改进的模糊C-均值聚类的运动目标检测方法的思想在模糊C均值聚类方法的基础上进行改进,用聚类的思想来抑制噪音,基于模糊C均值迭代方法对相邻帧的数据流进行数字处理的方法,该方法是将小窗口内象素集合看成为模糊集合,不同元素对于集合中心有不同的隶属度,根据不同的隶属度就可以使距离集合中心较远的点抑制掉,这样就可以很好的抑制噪音,同时可以对小的目标进行很好的预警,跟踪。2.2目标检测的主要过程,对于单帧获取的视频流存作一幅DIB图像文件进行操作,设图像的宽为n,高为m(1图像的预处理1.1其中为均值;εij为象素的值;l为取得窗口的大小,为偶数,最好的取值范围为八到十二之间①对于n*m象素的图像从起始点(0,0取一个l*l窗口,用公式1.1,得到第一个窗口的均值。②使l*l窗口向右移动个单位,再算出均值w(0,1,依次类推,直到移动到达到图像的宽度为止,其中共移动int((n-/次,int表示取整操作。③行数加,同②的计算,然后再移动行……达到图像的高度为止,共移动int((m-/次。经过上面的三个步骤算完以后,就可以得到int((n-/*int((m-/个均值w(i,j,(2迭代过程1.2其中abs(为绝对值函数是每个象素值与第一次得到的均值算得的隶属度,ε为一个较小的正数,如取为0.001可见象素值与均值越接近,它的隶属度就越大,对迭代得到的均值的影响就越大。①再从图像的起始点(0,0开始,取一个l*l窗口,用公式1.2得到迭代均值。②使l*l窗口向右移动个单位,方法同图像预处理中的②,计算得到第一行的w(0,j值。③方法同图像预处理的③,用l*l窗口遍历图像上所有的象素,得到第二次...