本文分为2个部分:
(1)实验报告
(2)文献综述
(1)实验报告
一、实验目的
1、学会如何进行科研文献查询和进行文献分析;
2、了解开题报告、项目计划的撰写方法;
3、掌握文献综述的写作方式方法;
4、熟悉Matlab软件,简单了解原理以及了解基本使用方法;
5、培养从事科研工作的基本能力和软件开发解决实际问题的能力。
二、实验内容
完成有关人脸识别原型系统的文献综述的查询、分析与撰写,对matlab软件进行学习,并通过matlab软件,实现基于视频的车辆和人的识别功能,然后完成实验报告。
三、实验方法
1、在网上查找关于基于视频的车辆和人的识别的文献资料。
2、使用matlab进行基于视频的车辆和人的识别功能的实现。
四、实验步骤
1,查找文献资料,了解算法
2,编写代码,实现识别算法
3,利用训练集,训练算法
4,利用测试集,考察算法正确率
五、实验结果
代码:
clear ;
clc;
videoObj = VideoReader('a.avi');%读视频文件
nframes = get(videoObj, 'NumberOfFrames')%获取视频文件帧个数
myObj = VideoWriter('newfile.avi');%初始化一个avi文件
myObj.FrameRate =videoObj.FrameRate;
open(myObj);
flag=70;%设置阙值
for k=2:1:nframes;
Frame1 = read(videoObj, k-1);%读取第k帧
Frame2 = read(videoObj, k);
grayFrame1 = rgb2gray(Frame1);%灰度化
grayFrame2 = rgb2gray(Frame2);
dif=double((grayFrame2 - grayFrame1)>flag); %帧差
B=[1 1 1
1 1 1
1 1 1];
for i=1:7;
dif=imdilate(dif,B);%图像被结构元素B膨胀
end
bw = bwareaopen(dif,500);
B = bwboundaries(bw);
for i = 1:length(B)
boundary = B{i};
Frame2(boundary(:,1), boundary(:,2))=0;
end
writeVideo(myObj,Frame2);
end
结果:
- 实验结论
这个算法可以识别出运动的车辆和人,而且可以忽略掉被风吹动的叶子。
但是,功能还不完善,无法识别出是人还是车辆
七、实验小结
帧间差分法对于运动目标的检测有较好的效果。
(2)文献综述
摘要
本文主要讨论了国内外对于基于视频的车辆和人的识别这方面应用的研究现状,以及动态目标检测、动态目标跟踪、图像特征提取和识别等技术。
关键词
光流法、帧间差分法、滤波器、动态目标跟踪、颜色特征、纹理特征、形状特征、SIFT特征
正文
1.前言
当前,随着我国经济的快速发展和城市规模的不断扩大,交通运输成为了经济发展的补给线而呈现日趋繁忙的景象,机动车辆的数目也正在急速增长。然而,伴随而来的是交通建设和人们交通法制意识相对滞后,交通事故的频频发生,也同时给交通监管部门提出了更高的要求。交通监控视频中机动车辆和人的检索技术的广泛应用,不仅能够为城市的交通规划提供第一手的数据,也为交管部门和公安部门追查肇事违章车辆提供了极大的便利。
2.国内外研究现状
(1)QBIC(Query By Image Coment)系统
这是IBM Almaden研究所开发的第一个投入商业使用的的基于内容的图像检索系统。用户可以通过它进行多种方式的检索,例如系统自带的示例图像、用户手绘的简单描述图、以及颜色查询或结构查询等方式对不同格式、不同大小的图像或视频进行查询。QBIC把用户输入的图像进行颜色、形状、纹理、空间结构、几何特征等信息进行提取,并按照一定的规则提供给用户,用户可以选择不同的查询方式进行查询。
(2)VisualSEEK系统
该系统由哥伦比亚大学开发,它能够提供两种查询方式,包括基于视觉特征查询以及基于空间关系特征查询。它采用基于颜色集和小波变换的视觉特征查询。VisualSEEK的优势在于:能够形成高效的图像特征索引,采用了功能强大的特征提取技术,用户界面丰富,操作简便,具有丰富的查询资源,输出画面生动而且用户能够通过它直接下载信息。
(3)VideoQ系统
该系统也是由哥伦比亚大学开发,是一个完整的面向对象的视频数据检索系统,能够实现对视频的对象的提取、定位和跟踪,能够对颜色、纹理、形状和空间特征的进行多特征联合检索,而且能够对具体的时间和空间内进行检索,而且能够从互联网寻找资源,实现交互查询、浏览、压缩域的视频处理等。
此外,还有新加坡国立大学开发的基于内容的检索系统CORE;美国哥伦比亚大学开发的基于内容的图像/视频检索系统WebSEEK;中科院计算机技术研究所数字化技术研究室开发的视频检索系统等。目前,学者们还在基于内容的图像、视频检索方面进行着深入的研究。
- 动态目标的检测
目标检测主要是为了下一步的跟踪奠定基础,是把关注的对象从视频帧中分割出来的前提。该过程主要是为了将一系列的视频帧中变化的像素点标示出来,由此来实现对运动对象的检测工作。在实际的应用中,我们经常使用以下方法来进行运动对象的检测:
3.1光流法
该方法主要是根据物体在运动的过程中会产生光流特征来实现对运动对象的检测工作。使用该方法对运动目标进行检测的时候,往往不需要任何先验知识,因此,我们可以直接使用这种方法来对运动目标进行跟踪。不过光流法容易受到外界环境因素的干扰,对于那些含噪图像不能很好的适用。而且光流计算相对来说比较复杂,时间复杂度较差,不适用于实时的处理。
3.2帧间差分法
该方法是通过对连续的帧图像进行像素的差分,并将结果与预先设定的阈值进行相关的比较,最终完成对运动目标的相关提取工作。由于该方法主要是通过两者或几帧进行差分相减来实现运动目标的检测,所以,一般通过这种方式获取的图像会夹杂着很多的噪声,会在一定程度上影响图片的质量。但是,可以使用尺度滤波器,它能够保留某一尺度阈值的4连通或8连通区域,而去除小于某一尺度阈值的连通成分,以便后续研究分析使用。尽管一部分有效信息会被滤波器过滤掉,但对于运动检测而言,此滤波器仍旧是一个有效的工具。
- 动态目标跟踪
4.1基于区域的跟踪算法
通过对检测的运动区域进行提取和存储,然后使用所提取的运动区域和整个图像内所检测到的目标区域进行匹配,当匹配的结果大于我们事先所设定的阈值时,就认为找到了该运动目标,从而完成所要做的跟踪工作。
如:卡尔曼区域跟踪方法
4.2基于模型的跟踪
通过对事先建立好的目标模型进行相似性匹配来完成对运动物体的跟踪工作。
一类是刚性目标模型,该类模型相对于旋转和平移等操作具有不变性,车辆就属于这里所说的刚性模型。
另一种模型将其称为非刚性目标模型。这类模型常常被用于人体跟踪。
- 图像特征提取与分析
5.1颜色特征
颜色特征是检索中常用的一类,由于颜色特征相对于其他特征因子来说对事物的描述更为直观,描述性也更强,加上该特征具有旋转、平移以及尺度不变性,因而,使其可以直接用作检索参数而不用考虑其他特征因素。但是,如何来表达目标对象的颜色特征在很大程度上由所选取的颜色空间模型来决定。选择不同的空间模型会对人的视觉感受产生不同的影响。因此,在对颜色特征进行描述时,选取何种颜色空间模型是至关重要的。其中,颜色直方图、主色调直方图法、颜色矩和颜色集较为常用。
5.2纹理特征
纹理特征是一种不依赖与颜色或亮度的反映图像中同质现象的视觉特征。纹理特征包含了物体表面结构组织排列的重要信息以及它们与周围环境的联系。
常用的方法有灰度差分统计、自相关函数、灰度共生矩阵
5.3形状特征
形状特征也是检索中常用的特征因子之一,如何有效的提取形状特征并将其应用到检索之中,也是目前研究的一个热点和难点问题。下面我们将着重介绍两种常用的形状特征:
(1)基于区域的形状特征
其主要包含各种矩不变量,以及如偏心度、面积、主轴方向等多种简单的形状因子。除此之外,为了解决遮挡问题,又提出使用一些局部特征(如角点等)的方法。
基于区域的对象形状表示的方法很多,形状不变矩是其中一种非常重要的表示方法。而Hu不变矩则是最为著名的一种。
(2)基于边界轮廓的形状特征
对于目标边缘信息的获取,首先必须经过一系列复杂的操作才能完成。其中包括图像边缘提取、图像分割等。一般来说两个较为相似的对象往往其所具有的轮廓信息也较为相近,因此,使用边界信息来判别目标的相似度在当前的研究中得到广泛的应用。实际应用中码链、多边形近似等也是目标边界特征描述中常用方法。其中,傅里叶描述子目前是众多轮廓特征描述子中使用频率最高的,其自身具有伸缩、平移、旋转的几何不变性的特点。
5.4 SIFT特征
尺度不变特征变换是在1999年提出的基于不变量描述子的匹配算法,SIFT具有以下特点:SIFT特征是图像的局部特征,对平移、旋转、尺度缩放、亮度变化、遮挡和噪声等具有良好的不变性,多量性,即使少数的几个物体也可以产生大量SIFT特征向量,速度相对较快,经优化的SIFT匹配算法甚至可以达到实时的要求。
- 参考文献
[1]王正玉,李勃,张明辉.基于车辆特征的关键帧提取方法研究.微型机与应用.2011,11