·視頻讀取介紹
首先MATLAB中對于視屏支持較好的格式為8bit，16bit，24bit的AVI格式，所以我們首先要將您提供的WMV檔案轉換為對應的AVI格式，以方便處理，此外，為了防止出現OUT OF MEMORY的問題，我們在給你做的時候，將視頻的大小變小了，改為320*240.然后由于系統不要求采用實時的做法，所以我們直接壓縮為沒秒10幀的格式
注意，用我們提供的轉換軟體進行轉換，轉換引數配置界面如下所示，
此外，由于源視屏時間比較長，這對于一般電腦來說，在MATLAB中會出現OUT OF MEMORY的錯誤，所以我們需要將視頻結成不同的長度的視頻，這里，我們將視頻截成3s，15frame/s的視屏格式，
這里我們從你提供的視屏中截取了5個小片段，分包有摩托車，小汽車，大卡車，面包車，以及行人等各類因素，所以能說明問題了，
對應代碼為
function [Obj,frameNum] = get_AVI(datas);
Obj = mmreader(datas);
frameNum = get(Obj,'NumberOfFrames');
end
注意MATLAB對AVI，WMV格式的限制，所以最好先對視屏檔案處理一下，
·背景的提取
本系統一個比較重要的部分就是背景的提取，
背景差分法，假設在提取運動目標的程序中其對應的背景是固定不變的，在這種條件下，該方法能精確的提取出快速、緩慢運動和靜止的前景目標，正是由于這種特點，背景分差法對背景的變化非常敏感，只要背景發生較大的變化，則可能造成誤檢的現象，
在高速公路監控影像中，通過標定場景路面影像作為影像處理區域，其背景影像簡單，而且每個背景點上的顏色分布比較集中，因此可以采用運算速度快、性能較好的統計學背景模型——序列均值法，
就是對一個視屏的像素求和再平均，由于過往的車輛是少數，所以求平均之后，其得到的像素值基本接近了背景，
function [back_ground,back1] = get_background(Obj,frameNum_Original);
for i = 1:frameNum_Original
pixel(:,:,i) = rgb2gray(read(Obj,i));
end
rows = size(pixel,1);%240
cols = size(pixel,2);%320
for i = 1:rows
for j = 1:cols
back1(i,j) = 0;
end
end
for k = 1:frameNum_Original
for i = 1:rows
for j = 1:cols
back1(i,j) = back1(i,j)+ double(pixel(i,j,k));
end
end
end
for i = 1:rows
for j = 1:cols
back_ground(i,j) = uint8(back1(i,j)/frameNum_Original);
end
end
·視頻預處理
for i = 1:frameNum
pixel(:,:,i) = rgb2gray(read(Obj,i));
end
這個步驟比較簡單，就是將每個視屏幀圖片變成灰度圖，一般系統處理，
·核心部分，汽車識別和提取
主要是通過和提取的背景進行對比，得到汽車的基本輪廓，然后再通過視頻的前后幀進行差分比對，得到運動汽車，最后對獲得圖片進行處理提取汽車，
其流程圖如下所示：
轉載請註明出處，本文鏈接：https://www.uj5u.com/qita/161201.html
標籤：其他
下一篇：3：bond定價基礎之收益率曲線