背景提取

  背景模型建立的好坏，将对后续视觉检测结果的准确性产生直接的影响，背景模型提取方法有很多种，如在对目标所在的场景进行一段时间的记录，用每个像素点的最大和最小亮度值，以及相邻两帧间亮度最大的差异值这3个数值来建立背景模型，其对前景目标没有要求。由于视觉检测的目标所在场景的环境情况并不是很复杂，可在没有运动物体的情况下提取背景，所得本课题采取了一种简单有效的背景模型提取方法，即采集视频开始的前三十帧图像，通过计算得到图像每一像素点的平均值，把得到的像素作为背景图像中的相应像素点。

背景提取模块

物体的识别和跟踪

  检测当前图像和背景图像中对应像素点的差异，如果差值大于一定阈值，则判定该像素为前景运动目标，将其亮度值设为255，把背景像素的亮度值设为0，则所得到的图像差即变为了一个二值图像，不再涉及灰度的多级值。二值图像的数据处理和存储空间小，具有处理速度快的优点，可以给以后的图像处理带来很大的方便。由于采集到的数字图像会受外界环境变化的影响，由此带来的噪声会使检测出现偏差，如运动目标的部分漏检或多检。还有背景的图像中物体的轻微扰动也会使检测结果误判，为了克服上述影响，使用了闭运算的形态学算法对图像进行了处理，统计出经闭运算处理之后的图像中所有连通域的面积，对于面积小于一定值的区域，将其抛弃，不看做是前景运动目标。然后对对目标进行分析，得出其在图像中的位置坐标。

物体追踪与识别模块

系统仿真及结果显示

  接下来我们将对视觉检测子系统进行仿真，但是为了能够直观的看出视觉检测算法的效果和正确性，我们在仿真中加入了结果显示模块，在识别出运动物体之后用绿色的矩形框将物体标示出来，并随着物体而动，同时将所得到的运动物体在图像中的坐标用数字示波器显示出来。仿真模块如下:

显示模块

视觉检测系统整体的仿真模块如下

视觉检测的simulink仿真模块

Matlab仿真结果如下图所示

(a)                                   (b)

 仿真结果

  上图为一运动物体在两个不同时刻的图像，由绿色的矩形标示运动物体和示波器的坐标显示，我们可以看出我们所使用的算法成功的对运动物体实施了识别和跟踪。