1、此课题的设计想法是当有异物进入监控场景内时,通过检测的实时图像与实时采集的背景图像相减从而得到异物图像,通过matlab对异物图像进行图像提取、图像边缘检测[4]等,闯入异物所占像素比分析,从而判断图像种类,距离,决定是否开灯,开哪一盏灯灯,在根据时间问题,决定是否报警。
2、本设计的最大优点就是将节能问题转化为数字化处理问题,对图像进行增强、平滑、分割、测量、识别等数字化处理、从而对进入场景内的物体进行分类,判断灯具开关,这样就避免了传统系统中的误判,节约了能源。从而使本系统具有一定的智能化。
1。3 本设计的创新
1。3。1、在传统节能系统中引入报警系统
本系统在优化传统节能系统的前提条件下,利用节能系统组件,搭建出了报警系统,而不需要额外增加成本器件。在很大程度上,减少了工作量和人力成本。
1。3。2、动态背景下视频运动检测算法的运用
在本设计中,为了消除光线的改变和噪声的影响,为此引入了动态背景下的视频运动检测算法,这能提高监控系统的视频分析能力,和动态背景的实时微小改变,有助于进一步实现监控系统的数字化、网络化、智能化。
1。3。3、图像配准技术
图像配准技术就是将不同时间、不同视角、以及不同拍摄条件下对于同一个场景的不同图像进行配准的处理过程,配准的效果的好坏将直接影响到后续图像处理效果的好坏。本课题中每隔一定的时间获取场景图像,如果没有发现异物入侵,则此图像作为最新的背景被保存下来,目前提出的图像匹配算法是基于灰度的配准方法和基于特征的配准方法,通常基于特征的配准方法更为常用,可以克服对于图像的旋转、形变以及遮挡的敏感性。
2 图像处理的相关理论
2。1 图像与数字图像
将一幅图像进行离散化处理后得到的图像就是数字图像。表达数字图像的2D数组f(x,y)中,f,x,y都在整数集合中取值,所以也可以用I(r,c)表示,其中I,r,c都在整数集合中取值。一幅图像可以表示为一个2-D的M×N的矩阵(每个元素表示一个像素,M和N分别为图像的行数和列数):
数字图像包括黑白图像和彩色图像,黑白图像中的单色图像就是比较简单的图像,一般是由黑色和白色两种区域组成。一个像素可以用一个比特来表示。“1”表示黑色,“0”表示白色,反之也是可以的。这种图像就是二值图像[6]。
另外的一种黑白图像称之为灰度图像,用8个比特表示一个像素,也就是把黑和白等分成256个级别,其中“0”表示为黑,“255”表示为白色,其中数值是表示相对应的像素点的灰度值和亮度值,数值越是接近“0”,则对应的像素点越黑,相反则越白。文献综述
相对应的我们还有彩色图像,彩色图像是用3个性质空间(如R,G,B)的数值来表示的给人以彩色感觉的图像。R为红色,G为绿色,B为蓝色,称为三基色,可以通过这三种颜色搭配成现实中的色彩。彩色图像在空间上是2D的,但是在2D空间里的每个点有3种性质。
2。2 灰度直方图
灰度直方图是灰度级的函数,它描述的是图像中具有某种灰度级的像素的个数,反映了图像中某种灰度出现的频率,是对图像的一种抽象的表达方式。
直方图定义为 (公式2。2)
对于离散函数而言,ΔD为1,上式变为