基于OpenCV的智能視頻監(jiān)控設(shè)計(jì)

3 相關(guān)函數(shù)
通過(guò)函數(shù)cvUpdateMotionHistory可使用下列方式更新運(yùn)動(dòng)歷史圖像：

也就是說(shuō)，MHI(motion history image)中運(yùn)動(dòng)所發(fā)生的象素點(diǎn)被設(shè)置為當(dāng)前時(shí)間，而運(yùn)動(dòng)發(fā)生較久的象素點(diǎn)將被清除。
函數(shù)cvCalcMotionGradient用于計(jì)算MHI的差分Dx和Dy，然后計(jì)算梯度方向，其公式為：
orientation(x，y)=arcztan(Dy(x，y)／Dx(x，y))
其中要考慮Dx(x，y)和Dy(x，y)的符號(hào)。然后填充mask以表示哪些方向是正確的。
函數(shù)cvCalcGlobalOrientation用于在選擇的區(qū)域內(nèi)計(jì)算整個(gè)運(yùn)動(dòng)方向。并返回0°到360°之間的角度值。首先由函數(shù)創(chuàng)建運(yùn)動(dòng)直方圖，并尋找基本方向做為直方圖最大值的坐標(biāo)。然后通過(guò)函數(shù)計(jì)算與基本方向的相對(duì)偏移量，并將其做為所有方向向量的加權(quán)和(運(yùn)行越近，權(quán)重越大)。所得到的角度就是基本方向和偏移量的循環(huán)和。
函數(shù)cvSegmentMotion可尋找所有的運(yùn)動(dòng)分割，并在seg_mask用不同的單獨(dú)數(shù)字(1，2，…)標(biāo)識(shí)它們。它也可返回一個(gè)具有CvConnected-
Comp結(jié)構(gòu)的序列。其中每個(gè)結(jié)構(gòu)對(duì)應(yīng)一個(gè)運(yùn)動(dòng)部件。在這之后，每個(gè)運(yùn)動(dòng)部件的運(yùn)動(dòng)方向就可以被函數(shù)cvCalcGlobalOrientation利用提取的特定部件的掩模(mask)計(jì)算出來(lái)。此外，每個(gè)運(yùn)動(dòng)部件的質(zhì)心位置也可由返回的圖像ROI位置來(lái)確定，由此便可確定運(yùn)動(dòng)目標(biāo)的位置。

4 實(shí)驗(yàn)結(jié)果
在實(shí)驗(yàn)中，可采取標(biāo)準(zhǔn)視頻圖像源來(lái)有效檢測(cè)跟蹤出圖像中的運(yùn)動(dòng)目標(biāo)，圖2所示是其實(shí)驗(yàn)結(jié)果示意圖。其中通過(guò)圖2(a)能夠根據(jù)CvCon-
neetedComp中所獲取的運(yùn)動(dòng)分割形狀大小，濾掉所不關(guān)心的運(yùn)動(dòng)目標(biāo)；而對(duì)于圖2(b)，如果把限定閾值取大。則視頻中的騎自行車的人將不會(huì)被跟蹤顯示；

圖2(c)中，假定豎直線右側(cè)為警戒區(qū)域，當(dāng)有目標(biāo)進(jìn)入該區(qū)域時(shí)。即運(yùn)動(dòng)目標(biāo)的質(zhì)心位置為某一區(qū)間值時(shí)，則對(duì)該目標(biāo)進(jìn)行標(biāo)記，從而達(dá)到智能判斷的效果。圖中直線方向表示運(yùn)動(dòng)物體的運(yùn)動(dòng)方向，在實(shí)際的運(yùn)用場(chǎng)景中，可由此判斷物體是否逆行以達(dá)到智能監(jiān)控和識(shí)別的效果。

5 結(jié)束語(yǔ)
本文介紹了openCV中運(yùn)動(dòng)模板的檢測(cè)方法，該方法可以有效正確檢測(cè)和跟蹤視頻圖像中的運(yùn)動(dòng)目標(biāo)，并能獲得該目標(biāo)的運(yùn)動(dòng)方向與相應(yīng)位置，從而實(shí)現(xiàn)智能視頻監(jiān)控和智能判斷。但實(shí)際上，該方法仍然會(huì)存在運(yùn)動(dòng)背景差不精確、運(yùn)動(dòng)目標(biāo)形狀大小不一等問(wèn)題，因此，還需進(jìn)一步研究或與其他方法相結(jié)合，以達(dá)到更好的效果。