基于視頻的車輛檢測系統(tǒng)

基于視頻的車輛檢測系統(tǒng),基于,視頻,車輛,檢測,系統(tǒng) 編號 無錫太湖學(xué)院 畢業(yè)設(shè)計（論文） 題目： 基于視頻的車輛檢測系統(tǒng) 信機 系 計算機科學(xué)與技術(shù) 專業(yè) 學(xué) 號： 　　　 0921157　　 　　 學(xué)生姓名： 陳嘉斌 指導(dǎo)教師： 李朝鋒 （職稱： 副教授 ） （職稱： ） 2013年5月25日 III 無錫太湖學(xué)院本科畢業(yè)設(shè)計（論文） 誠 信 承 諾 書 本人鄭重聲明：所呈交的畢業(yè)設(shè)計（論文） 基于視頻的車輛檢測系統(tǒng) 是本人在導(dǎo)師的指導(dǎo)下獨立進行研究所取得的成果，其內(nèi)容除了在畢業(yè)設(shè)計（論文）中特別加以標(biāo)注引用，表示致謝的內(nèi)容外，本畢業(yè)設(shè)計（論文）不包含任何其他個人、集體已發(fā)表或撰寫的成果作品。 班 級： 計科94 學(xué) 號： 0921157 作者姓名： 2012 年 5 月 25 日 無錫太湖學(xué)院 　 信機 　系 計算機科學(xué)技術(shù) 　專業(yè) 畢 業(yè) 設(shè) 計論 文 任 務(wù) 書 一、題目及專題： １、 題目　 基于視頻的車輛檢測系統(tǒng) 　　 ２、專題　 　 二、課題來源及選題依據(jù) 課題來源：導(dǎo)師選定 選題依據(jù)：現(xiàn)如今，隨著我國國民經(jīng)濟的快速發(fā)展，居民的收入水平越來越高，汽車已經(jīng)成為了十分普遍的交通工具。對汽車的檢測與管理日趨重要。同時基于視頻以及以計算機視覺為基礎(chǔ)的對車輛進行識別檢測的理論越來越多。通過對圖像進行分析，能夠?qū)煌ㄐ畔⑦M行全方位的管理?？梢酝ㄟ^分析相關(guān)數(shù)據(jù)來評估和預(yù)測特定時間段的車輛情況。 一個完善的汽車檢測既幫助管理人員對交通狀況進行及時、準(zhǔn)確的分析和處理最大限度地降低處理信息的勞動強度，使交通管理水平產(chǎn)生質(zhì)的飛躍，跟上信息時代的步伐。 三、本設(shè)計（論文或其他）應(yīng)達到的要求： ① 了解圖像識別與檢測 ② 熟練掌握對圖像進行灰度化處理, 中值濾波處理及二值化處理. ③ 熟練掌握從圖像中將某個特定區(qū)域與其它部分進行分離并提取出想要識別的物體的處理。 ④ 熟練使用MATLAB提供的圖形用戶界面（GUI）工具。 ⑤ 完成對移動中車輛的檢測與計數(shù)。 四、接受任務(wù)學(xué)生： 計科94 班 　　姓名 陳嘉斌 五、開始及完成日期： 自 2012 年 11 月 12 日 至 2013年 5月 25日 六、設(shè)計（論文）指導(dǎo)（或顧問）： 指導(dǎo)教師　　　　　　　簽名 簽名 　　　　　　　簽名 教研室主任 　　　　　　〔學(xué)科組組長研究所所長〕　　　　　　　簽名 　　 　　系主任 　　　　　　簽名 2012年11月12日 I 摘 要 當(dāng)今科技飛速發(fā)展，帶來了智能交通的空前發(fā)達，也為經(jīng)濟可持續(xù)發(fā)展做出一定貢獻。交通運輸在一個國家的經(jīng)濟社會發(fā)展中起著助推器的作用。交通運輸?shù)谋O(jiān)控與管理智能化也變得尤為重要?；谝曨l的車輛檢測作為智能交通系統(tǒng)的基石， 具有直觀性、大范圍檢測、安裝和維護方便等優(yōu)勢，成為采集交通信息技術(shù)的有力工具。因而視頻車輛檢測研究具有非常重要的意義。 本論文首先介紹了圖像檢測的研究背景以及發(fā)展情況，然后重點介紹了本論文中進行車輛檢測的技術(shù)和方法。該方法先對圖像進行灰度值化處理，中值濾波處理及二值化處理，然后利用車輛移動的特點進行檢測，最后將移動中的車輛進行加框標(biāo)記。實驗結(jié)果表明, 本程序設(shè)計能夠在一定的誤差范圍內(nèi)實現(xiàn)對移動車輛進行檢測。且效果良好。 本文視頻車輛檢測系統(tǒng)是采用圖像處理的方法進行設(shè)計，本研究有著一定的現(xiàn)實意義。 關(guān)鍵詞：智能交通；車輛檢測；圖像處理；MATLAB Abstract Today, science and technology develop quickly. And it make Intelligent Transportation System was more developed. It has also made a certain contribution for the sustainable development of economy. Transportation plays the role of booster in economic and social development of a country. It is important that make monitoring and management of transportation to be more intelligence. Vehicle Detection System that bases on the video is footstone of Intelligent Transportation System. It can watch easily. It can do a large-scale detection. And its installation and maintenance is convenient. It will be a helpful tool of collecting the information of traffic. So it has an important meaning for researching the detection of vehicles. This dissertation introduces the background of the research and the development of the situation. Than introduces the technology and method of Vehicle Detection System detailed. The method is to make the image gray processing, median processing and binary image processing at the first. Using the characteristics of vehicle moving detects vehicles at the second. Finally, sign frames on vehicles. The experimental results show that the program can detect the moving vehicles within a certain range of error and has good result. This Vehicle Detection System that bases on the video designed with the technology of image processing. It is of practical significance in this research. Key words: intelligent transportation; vehicle detection; image processing; MATLAB III 目 錄 摘 要 III Abstract IV 目 錄 V 1 緒論 1 1.1 課題背景與意義 1 1.2 國內(nèi)發(fā)展概況 1 1.3 視頻車輛檢測系統(tǒng)概述 2 1.4 圖像處理概述 3 1.5 本課題工作與結(jié)構(gòu)安排 3 1.6 開發(fā)工具及運行環(huán)境 4 2 軟件介紹 5 2.1 MATLAB 概況 5 2.2 MATLAB的語言特點 6 2.3 基本運算與函數(shù) 7 3 基于視頻的車輛檢測方法 15 3.1 基于視頻的車輛檢測方法 15 3.1.1 基于幀間差分的方法 15 3.1.2 基于光流場的方法 15 3.1.3 基于背景差的方法 16 3.2 車輛陰影分割技術(shù) 16 4 車輛目標(biāo)的圖像處理方法 17 4.1 彩色圖像灰度化 17 4.2 圖像分割 19 4.2.1 閾值分割方法 19 4.2.2 最大方差自動取閾值（自適應(yīng)二值化） 19 4.2.3 基于邊緣檢測的圖像分割 22 4.3 基于數(shù)學(xué)形態(tài)學(xué)分析 24 4.3.1 圖像形態(tài)學(xué)處理 24 4.3.2 實驗結(jié)果比較 26 4.4 圖像填充 27 5 基于幀間差分法的車輛檢測盒計數(shù)方法 29 5.1 幀間差分法 29 5.2 二值化 29 5.3 形態(tài)學(xué)濾波 30 5.4 系統(tǒng)流程圖 31 5.5 分析目標(biāo)物體和計數(shù) 32 6 結(jié)論與展望 35 6.1 結(jié)論 35 6.2 不足之處與對未來的展望 35 致 謝 37 參考文獻 38 附 錄 39 V 基于視頻的車輛檢測系統(tǒng) 1 緒論 1.1 課題背景與意義 當(dāng)今科技飛速發(fā)展，帶來了智能交通的空前發(fā)達，也為經(jīng)濟可持續(xù)發(fā)展做出一定貢獻。交通運輸在一個國家的經(jīng)濟社會發(fā)展中起著助推器的作用。隨著交通運輸業(yè)的高速發(fā)展，交通堵塞、事故等等負(fù)面效應(yīng)也日益突出，并越發(fā)成為全球性共同問題。針對日益嚴(yán)重交通需求，有限的資源和日益惡化的環(huán)境，需要依靠新的辦法來控制交通需求。智能交通系統(tǒng)正在這樣的矛盾中應(yīng)運而生。智能交通系統(tǒng)（ITS），隨著信息技術(shù)、計算機技術(shù)、數(shù)據(jù)通信傳輸技術(shù)、模式識別技術(shù)、圖像處理技術(shù)等學(xué)科的迅猛發(fā)展，得到了日益廣泛的應(yīng)用，極大提高了交通管理的智能化、科學(xué)化、規(guī)范化水平。特別是計算機視覺技術(shù)的發(fā)展為提高交通系統(tǒng)智能化程度，提供了有效手段。要從根本上解決這些問題，必定要實現(xiàn)交通運輸系統(tǒng)的智能化，使交通運行處于最佳狀態(tài)，改善交通堵塞，提高運輸能力和整個交通系統(tǒng)的機動性、安全性和效率。智能交通系統(tǒng)是目前交通領(lǐng)域的重要研究課題之一。 實時動態(tài)的交通信息是實現(xiàn)交通智能化的關(guān)鍵所在。作為交通流基本參數(shù)之一，實時計數(shù)也具有基本的交通流特性，它的采集手段很多，目前比較成熟的有磁性檢測、電磁波檢測等。而在道路實時行車流的采集和應(yīng)用處理是ITS各有關(guān)項目如：城市公共交通智能化調(diào)度系統(tǒng)、自動駕駛系統(tǒng)、物流管理系統(tǒng)實施的基礎(chǔ)數(shù)據(jù)和重要前提之一。目前有關(guān)實時車流信息采集、維護以及處理的研究有了很大發(fā)展。 計算機和電子信息技術(shù)的高速發(fā)展，使得數(shù)據(jù)處理加工能力逐步增強，為圖像處理、計算機視覺和模式識別技術(shù)應(yīng)用于智能交通信息采集提供了強有力的保障。該系統(tǒng)通過攝像機對交通信息流進行攝像，利用圖像處理和模式識別技術(shù)對連續(xù)的交通信息流進行處理，以此達到監(jiān)測交通信息流的目的。同時，現(xiàn)場的交通視頻信號也能夠為電視監(jiān)控共用。近年來，該系統(tǒng)得到快速發(fā)展，作為一種檢測手段，視頻檢測技術(shù)所提供的豐富交通信息，以及所具有的各種優(yōu)點，都是其他方法難以比擬的。 本文是基于視頻圖像處理的車輛信息處理系統(tǒng)，重點研究實時車輛檢測以及車輛計數(shù)涉及到的相關(guān)內(nèi)容和算法，其目的是提高交通管理的自動化、現(xiàn)代化水平。其中所有的數(shù)字圖像處理都通過MATLAB仿真實現(xiàn)，通過本文的研究也以后相關(guān)開發(fā)應(yīng)用積累經(jīng)驗。 1.2 國內(nèi)發(fā)展概況 目前，國外一些發(fā)達國家的攝像機以及圖像采集卡都處于先進水平，在視頻運動檢測和圖像處理方面的技術(shù)也比較成熟，從而開發(fā)出的汽車檢測系統(tǒng)也會具有相當(dāng)高的性能。而國內(nèi)與其比較還有相當(dāng)大的差距，國內(nèi)對智能的車輛檢測系統(tǒng)的研究起步比較晚。車輛檢測系統(tǒng)也是從國外引進，通過學(xué)習(xí)外國的技術(shù)與國內(nèi)自身的交通情況以及車輛特點相結(jié)合起來開發(fā)的產(chǎn)品。 國內(nèi)車輛檢測按照時間與技術(shù)的發(fā)展過程可分為以下4個： （1） 普通照相機式 在80年代這種由普通張相機和車輛感應(yīng)線圈結(jié)合的方式使用的普遍。這種組合方式簡單，投資少，抓拍圖片分辨率高，但缺點是需要每天人工更換膠卷進行沖洗，且白天宇夜晚需要使用不同的膠卷，費用較高。用于夜間拍攝的補光閃光燈也不易維護。 （2） 數(shù)字照相機 在90年代這種使用數(shù)碼相機與車感線圈的組合用的相對普遍。這是對第一種方式的改進，它可以直接將抓拍下的圖片數(shù)字化后存儲在閃存卡上，或者通過通信接口存入計算機中。這種方式可以拍攝出高分辨率的照片同時又省去了人工更換膠卷沖洗的麻煩，但在維護方面仍然存在艱難的問題。 （3） 視頻感應(yīng)線圈式 在90年代后期至2000年早期這種由工業(yè)攝像機與感應(yīng)線圈與工業(yè)控制計算機構(gòu)成的系統(tǒng)使用的比較多。它首先通過感應(yīng)線圈來檢測車輛，接著使用工業(yè)控制計算機來控制工業(yè)攝像機抓拍車輛照片保存到計算機中。和以上2種方式相比，這種方式使得人工量與工作量大大的減少，但仍使用感應(yīng)線圈，所以在維護方面還是比較麻煩。 （4） 視頻檢查式 在2000年以后至今這種由工業(yè)攝像機與工業(yè)控制計算機構(gòu)成的方式使用的普遍。它不需要使用感應(yīng)線圈檢測車輛，而是由計算機對監(jiān)視區(qū)域的實時的圖像進行分析處理，從而判斷是否有車輛違章。它可以把工業(yè)控制計算機抓拍到的圖像數(shù)字化后直接存入硬盤中，再通過電話線傳送到相關(guān)部門，無需人工操作。這種方式采用的超級動態(tài)調(diào)整低照度攝像機利用路燈、車牌燈和追尾燈就可以進行有效的抓拍且不需要安裝閃光燈，不僅抓拍速度大大提高，在存儲量自動化方面也有著巨大的優(yōu)勢，應(yīng)用范圍廣。 基于視頻的車輛檢測系統(tǒng)不需要物理檢測線圈，采用虛擬線圈來代替。采用基于圖像的車輛運動檢測算法來檢測車輛運動。這種方法不需要人工更換膠卷沖洗照片，也不需要挖開路面，維護方便?？梢哉f基于視頻的汽車檢測系統(tǒng)將被普遍使用，是今后發(fā)展的方向。 1.3 視頻車輛檢測系統(tǒng)概述 通過對道路交通信息和交通目標(biāo)的各種動態(tài)行為（如停車、違章超速、超車等等）的實時監(jiān)測，實現(xiàn)自動統(tǒng)計各交通路段上行駛的車數(shù)量、計算行駛車速度，識別分類行駛車輛等各種交通參數(shù)，達到監(jiān)測交通道路狀況的作用。同時，將監(jiān)測和識別的交通狀況信息存儲下來，為分析和管理交通提供依據(jù)，因此它可視為一個交通信息的管理系統(tǒng)。 利用攝像機將交通流圖像捕捉下來，然后將這些捕捉到的視頻圖像傳到計算機進行圖像處理、分析和理解，得到交通流數(shù)據(jù)與交通路況等信息。 將攝像機安裝在合適的位置，一般高度為5-20米。若道路口有龍門架、隧道、過街橋、紅綠燈桿可直接安裝，不需再安裝桿。攝像機一般為工業(yè)用黑白或彩色CCD芯片型，擁有300線上的清晰度，通常安裝于室外防護罩中。目前眾多城市都架設(shè)有電子警察系統(tǒng)，可以利用CCD攝像機把兩者合二為一，降低了成本；將攝像機捕捉的視頻送入視頻車檢器上。在檢測器的視頻畫面上標(biāo)記監(jiān)測區(qū)域，這種用軟件方法設(shè)置監(jiān)測區(qū)域提高了系統(tǒng)的通用性和靈活性，使它可以使用各種交通路口；對捕捉的視頻運用一定的圖像分析處理算法進行處理，提取相關(guān)的交通參數(shù)。把視頻圖像進行壓縮，通過通信線路或無線把交通參數(shù)和壓縮后的圖像傳到遠端控制中心，供操作人員使用。 1.4 圖像處理概述 視頻車輛檢測系統(tǒng)是一種利用圖像處理和模式識別技術(shù)實現(xiàn)對交通目標(biāo)檢測和識別的計算機處理系統(tǒng)。 “圖”是物體投射或反射光的分布，“像”是人視覺系統(tǒng)對圖的接受在大腦中形成的印象或反映，是主觀和客觀的結(jié)合。圖像處理即是對圖像進行加工處理，從而達到人類的視覺心理和應(yīng)用的要求。 人類獲取外界信息有多種方法，包括視覺、聽覺、觸覺、嗅覺、味覺等。但絕大部分是來自我們視覺所看到的圖像信息，即所謂“百聞不如一見”。圖像的范圍非常廣泛，包括：各類圖片，如普通照片、X光片、遙感圖片；各類光學(xué)圖像，如電影、電視等；人們心目中的有形影像以及外部描述，如繪圖、繪畫等。 數(shù)字影像是將照片或錄像等模擬信號經(jīng)抽樣和數(shù)字化后形成。因為便于計算機運算與儲存。所儲存的亮點即為圖像的基本單位，成為像素。像素的亮度是灰度值，灰度值被劃分為256等級，最暗為0，最亮為255.一張圖像被數(shù)字化成方格所組成的像素，每一格標(biāo)有一對坐標(biāo)，一個表示行值，另一則表示列值。行值從影像的最左邊開始標(biāo)記自0一直到n,n表示行值中最大值。相同的，列值從最上方起定位0，自下移動至m值，m表示圖形全部列數(shù)。 數(shù)字圖像處理目的就是對圖像的強度分布視為一連串整數(shù)值的集合，使用數(shù)字計算機對圖像進行某些特定的加工和分析。數(shù)字圖像處理涵蓋范圍非常廣泛，但是，所采用的原理與方法基本一致。整體來說，主要內(nèi)容包括圖像的增強與復(fù)原、圖像編碼與壓縮、圖像切割、圖像識別、圖像特征匹配等等。 圖像分割是將圖像中的目標(biāo)物解析出的過程。圖像分割是圖像的分析過程中最為重要的步驟之一，通常所采用的方法主要為邊緣的檢測及臨界值法。 圖像特征匹配，特征匹配法的“特征”，需先加以定義。所謂匹配，即將目標(biāo)特征與存在計算機中之樣本特征加以比較，若相似度或非相似度小于或大于某預(yù)設(shè)的門限值，則匹配成功。 特征匹配目的是對具有相同或類似特征的物體進行關(guān)聯(lián)，便于辨認(rèn)或分類。就交通方面而言，特征匹配用來區(qū)別不同的交通工具。舉例而言，若圖像中某物體長度4米，寬2米，形狀呈矩形，該物體極有可能被分類為小汽車；若長為10米，寬2.5米的矩形，則可被分類為大型車。 1.5 本課題工作與結(jié)構(gòu)安排 本文主要就視頻車輛檢測技術(shù)進行概述。全文共分四章，結(jié)構(gòu)安排如下： 第一章主要介紹了課題研究背景及意義，重點闡述了視頻車輛檢測技術(shù)的研究現(xiàn)狀，視頻車輛檢測系統(tǒng)概述以及圖像處理基礎(chǔ)基礎(chǔ)知識。 第二章軟件介紹 第三章介紹了基于視頻的車輛檢測方法，主要有幀間法，光流法以及背景差方法。 第四章介紹了基于車輛目標(biāo)的圖像處理方法，用MATLAB仿真實現(xiàn)了圖像的圖像分割和數(shù)學(xué)形態(tài)學(xué)相關(guān)理論實驗結(jié)果。 第五章提出了基于幀間差分法的車輛目標(biāo)檢測和計數(shù)的系統(tǒng)，并給出了MATLAB仿真結(jié)果，驗證了此方法的有效性。 1.6 開發(fā)工具及運行環(huán)境 合理選取開發(fā)工具，不僅會對系統(tǒng)的研究與開發(fā)產(chǎn)生重大影響，而且還有可能大幅度降低開發(fā)成本，并提高系統(tǒng)的穩(wěn)定性和可維護性。視頻車輛檢測系統(tǒng)的開發(fā)屬于一個較為復(fù)雜的圖像處理程序。換句話講就是該功能對穩(wěn)定性、可維護性有極為嚴(yán)格的要求，為此，本文決定選取MATLAB作為開發(fā)工具。軟件環(huán)境：XP/WIN7。 2 軟件介紹 2.1 MATLAB 概況 本次設(shè)計是基于MATLAB來實現(xiàn)的圖像預(yù)處理和邊緣檢測，所以在本節(jié)對MATLAB的一些基本知識進行介紹。 MATLAB的名字由MATrix和LABoratiry兩個詞的前3個字母組合而成，是由MathWorks公司于1982推出的一套高性能的可視化數(shù)值計算軟件。它的典型應(yīng)用包括如下方面：數(shù)學(xué)和計算，數(shù)據(jù)獲取，算法開發(fā)，原型設(shè)計、建模和模擬，數(shù)據(jù)研究、分析和可視化，科學(xué)和工程圖形，應(yīng)用開發(fā)。MATLAB是一種交互式系統(tǒng)，其基本數(shù)據(jù)元素是并不要求確定維數(shù)的一個數(shù)組，這就允許人們用公式化方法求解許多技術(shù)計算問題，特別是涉及矩陣表示的問題。因此在矩陣運算和數(shù)值計算等方面MATLAB非常直觀、簡潔，且效率高，因而它在科學(xué)與工程計算方面的優(yōu)勢是顯而易見的。 MATLAB有三大特點：一是功能強大（數(shù)值計算和符號計算、計算結(jié)果和編程的可視化、數(shù)學(xué)和文字統(tǒng)一處理、離線和在線計算）；二是界面友好、語言自然（以復(fù)數(shù)矩陣為計算單元，語句表達與標(biāo)準(zhǔn)教科書的數(shù)學(xué)表達式相近）；三是開放性強（僅MathWorks公司本身就推出了30多個應(yīng)用工具箱）。MATLAB的這些特點使它獲得了對應(yīng)用學(xué)科的極強適應(yīng)力，并很快成為應(yīng)用學(xué)科計算機輔助分析、設(shè)計、仿真、教學(xué)以及科技文字處理不可缺少的基礎(chǔ)軟件?，F(xiàn)有的MATLAB工具箱主要有信號處理、控制系統(tǒng)、圖像處理、魯棒控制、非線性系統(tǒng)控制設(shè)計、系統(tǒng)辨識、最優(yōu)化、弘分析和綜合、模糊邏輯、小波、樣條、通信、統(tǒng)計等工具箱，而且其種類和數(shù)量還在不斷增加。這些工具箱給各個領(lǐng)域的研究和工程應(yīng)用提供了有力的工具，借助于這些工具，研究人員可直觀、方便地進行分析、計算及設(shè)計工作，從而大大節(jié)省了時間。 MATLAB在圖像處理領(lǐng)域應(yīng)用廣泛。MATLAB的圖像處理工具包是由一系列支持圖像處理操作的函數(shù)組成的。所支持的圖像處理操作有:圖像的幾何操作、鄰域和區(qū)域操作、圖像變換、圖像恢復(fù)與增強、線性濾波和濾波器設(shè)計、變換（DCT變換等） 、圖像分析和統(tǒng)計、二值圖像操作等。下面就MATLAB 在圖像處理中各方面的應(yīng)用分別進行介紹。 圖像文件格式的讀寫和顯示。MATLAB 提供了圖像文件讀入函數(shù) imread（），用來讀取如:bmp、tif、tiffpcx 、jpg 、gpeg 、hdf、xwd等格式圖像文件；圖像寫出函數(shù) imwrite（） ，還有圖像顯示函數(shù) image（）、imshow（）等等。 圖像處理的基本運算。MATLAB 提供了圖像的和、差等線性運算 ，以及卷積、相關(guān)、濾波等非線性運算。例如，conv2（I，J）實現(xiàn)了I，J兩幅圖像的卷積。 圖像變換。MATLAB 提供了一維和二維離散傅立葉變換（DFT） 、快速傅立葉變換（FFT） 、離散余弦變換 （DCT） 及其反變換函數(shù)，以及連續(xù)小波變換（CWT）、離散小波變換（DWT）及其反變換。 圖像的分析和增強。針對圖像的統(tǒng)計計算，MATLAB 提供了校正、直方圖均衡、中值濾波、對比度調(diào)整、均值濾波等對圖像進行處理。 以上所提到的 MATLAB在圖像中的應(yīng)用都是由相應(yīng)的MATLAB函數(shù)來實現(xiàn)的，使用時，只需按照函數(shù)的調(diào)用語法正確輸入?yún)?shù)即可。具體的用法可參考MATLAB豐富的幫助文檔。圖像邊緣對圖像識別和計算機分析十分有用，在MATLAB中，函數(shù) edge（）用于灰度圖像邊緣的提取，它支持六種不同的邊緣提取方法，即Sobel方法、Prewitt 方法、Robert 方法，Laplacian方法、和Canny方法。 2.2 MATLAB的語言特點 一種語言之所以能如此迅速地普及，顯示出如此旺盛的生命力，是由于它有著不同于其他語言的特點，正如同F(xiàn)ORTRAN和C等高級語言使人們擺脫了需要直接對計算機硬件資源進行操作一樣，被稱作為第四代計算機語言的MATLAB，利用其豐富的函數(shù)資源，使編程人員從繁瑣的程序代碼中解放出來。MATLAB最突出的特點就是簡潔。MATLAB用更直觀的，符合人們思維習(xí)慣的代碼，代替了C和 FORTRAN語言的冗長代碼。MATLAB給用戶帶來的是最直觀，最簡潔的程序開發(fā)環(huán)境。以下簡單介紹一下MATLAB的主要特點。 語言簡潔緊湊，使用方便靈活，庫函數(shù)極其豐富。MATLAB程序書寫形式自由，利用起豐富的庫函數(shù)避開繁雜的子程序編程任務(wù)，壓縮了一切不必要的編程工作。由于庫函數(shù)都由本領(lǐng)域的專家編寫，用戶不必?fù)?dān)心函數(shù)的可靠性?？梢哉f，用MATLAB進行科技開發(fā)是站在專家的肩膀上。 具有FORTRAN和C等高級語言知識的讀者可能已經(jīng)注意到，如果用FORTRAN或C語言去編寫程序，尤其當(dāng)涉及矩陣運算和畫圖時，編程會很麻煩。例如，如果用戶想求解一個線性代數(shù)方程，就得編寫一個程序塊讀入數(shù)據(jù)，然后再使用一種求解線性方程的算法（例如追趕法）編寫一個程序塊來求解方程，最后再輸出計算結(jié)果。在求解過程中，最麻煩的要算第二部分。解線性方程的麻煩在于要對矩陣的元素作循環(huán)，選擇穩(wěn)定的算法以及代碼的調(diào)試動不容易。即使有部分源代碼，用戶也會感到麻煩，且不能保證運算的穩(wěn)定性。解線性方程的程序用FORTRAN和C這樣的高級語言編寫，至少需要四百多行，調(diào)試這種幾百行的計算程序可以說很困難。以下用MATLAB編寫以上兩個小程序的具體過程。 　　MATLAB求解下列方程，并求解矩陣A的特征值。 　　Ax=b,其中： 　　A= 32 13 45 67 　　 23 79 85 12 　　 43 23 54 65 　　 98 34 71 35 　　b= 1 　　 2 　　 3 　　 4 　　解為：x=A\b;設(shè)A的特征值組成的向量e，e=eig（A）。 可見，MATLAB的程序極其簡短。更為難能可貴的是，MATLAB甚至具有一定的智能水平，比如上面的解方程，MATLAB會根據(jù)矩陣的特性選擇方程的求解方法，所以用戶根本不用懷疑MATLAB的準(zhǔn)確性。 運算符豐富。由于MATLAB是用C語言編寫的，MATLAB提供了和C語言幾乎一樣多的運算符，靈活使用MATLAB的運算符將使程序變得極為簡短。 MATLAB既具有結(jié)構(gòu)化的控制語句（如for循環(huán)，while循環(huán)，break語句和if語句），又有面向?qū)ο缶幊痰奶匦浴? 程序限制不嚴(yán)格，程序設(shè)計自由度大。例如，在MATLAB里，用戶無需對矩陣預(yù)定義就可使用。 程序的可移植性很好，基本上不做修改就可以在各種型號的計算機和操作系統(tǒng)上運行。 MATLAB的圖形功能強大。在FORTRAN和C語言里，繪圖都很不容易，但在MATLAB里，數(shù)據(jù)的可視化非常簡單。MATLAB還具有較強的編輯圖形界面的能力。 MATLAB的缺點是，它和其他高級程序相比，程序的執(zhí)行速度較慢。由于MATLAB的程序不用編譯等預(yù)處理，也不生成可執(zhí)行文件，程序為解釋執(zhí)行，所以速度較慢。 功能強大的工具箱是MATLAB的另一特色。MATLAB包含兩個部分：核心部分和各種可選的工具箱。核心部分中有數(shù)百個核心內(nèi)部函數(shù)。其工具箱又分為兩類：功能性工具箱和學(xué)科性工具箱。功能性工具箱主要用來擴充其符號計算功能，圖示建模仿真功能，文字處理功能以及與硬件實時交互功能。功能性工具箱用于多種學(xué)科。而學(xué)科性工具箱是專業(yè)性比較強的，如control,toolbox,signl proceessing toolbox,commumnication toolbox等。這些工具箱都是由該領(lǐng)域內(nèi)學(xué)術(shù)水平很高的專家編寫的，所以用戶無需編寫自己學(xué)科范圍內(nèi)的基礎(chǔ)程序，而直接進行高，精，尖的研究。 源程序的開放性。開放性也許是MATLAB最受人們歡迎的特點。除內(nèi)部函數(shù)以外，所有MATLAB的核心文件和工具箱文件都是可讀可改的源文件，用戶可通過對源文件的修改以及加入自己的文件構(gòu)成新的工具箱。 2.3 基本運算與函數(shù) 在MATLAB下進行基本數(shù)學(xué)運算，只需將運算式直接打入提示號（>>）之後，并按入Enter鍵即可。例如： >> （5*2+1.3-0.8）*10/25 ans =4.2000 MATLAB會將運算結(jié)果直接存入一變數(shù)ans，代表MATLAB運算後的答案（Answer）并顯示其數(shù)值於螢?zāi)簧稀? 小提示： ">>"是MATLAB的提示符號（Prompt），但在PC中文視窗系統(tǒng)下，由於編碼方式不同，此提示符號常會消失不見，但這并不會影響到MATLAB的運算結(jié)果。 我們也可將上述運算式的結(jié)果設(shè)定給另一個變數(shù)x： x = （5*2+1.3-0.8）*10^2/25 x = 42 此時MATLAB會直接顯示x的值。由上例可知，MATLAB認(rèn)識所有一般常用到的加（+）、減（-）、乘（*）、除（/）的數(shù)學(xué)運算符號，以及冪次運算（^）。 小提示： MATLAB將所有變數(shù)均存成double的形式，所以不需經(jīng)過變數(shù)宣告（Variable declaration）。MATLAB同時也會自動進行記憶體的使用和回收，而不必像C語言,必須由使用者一一指定.這些功能使的MATLAB易學(xué)易用，使用者可專心致力於撰寫程式，而不必被軟體枝節(jié)問題所干擾。 若不想讓MATLAB每次都顯示運算結(jié)果，只需在運算式最後加上分號（；）即可，如下例： y = sin（10）*exp（-0.3*4^2）; 若要顯示變數(shù)y的值，直接鍵入y即可： >>y y =-0.0045 在上例中，sin是正弦函數(shù)，exp是指數(shù)函數(shù)，這些都是MATLAB常用到的數(shù)學(xué)函數(shù)。 下表即為MATLAB常用的基本數(shù)學(xué)函數(shù)及三角函數(shù)： 小整理：MATLAB常用的基本數(shù)學(xué)函數(shù) abs（x）：純量的絕對值或向量的長度 angle（z）：復(fù) 數(shù)z的相角（Phase angle） sqrt（x）：開平方 real（z）：復(fù)數(shù)z的實部 imag（z）：復(fù)數(shù)z的虛 部 conj（z）：復(fù)數(shù)z的共軛復(fù)數(shù) round（x）：四舍五入至最近整數(shù) fix（x）：無論正負(fù)，舍去小數(shù)至最近整數(shù) floor（x）：地板函數(shù)，即舍去正小數(shù)至最近整數(shù) ceil（x）：天花板函數(shù)，即加入正小數(shù)至最近整數(shù) rat（x）：將實數(shù)x化為分?jǐn)?shù)表示 rats（x）：將實數(shù)x化為多項分?jǐn)?shù)展開 sign（x）：符號函數(shù) （Signum function）。 當(dāng)x<0時，sign（x）=-1； 當(dāng)x=0時，sign（x）=0; 當(dāng)x>0時，sign（x）=1。 > 小整理：MATLAB常用的三角函數(shù) sin（x）：正弦函數(shù) cos（x）：馀弦函數(shù) tan（x）：正切函數(shù) asin（x）：反正弦函數(shù) acos（x）：反馀弦函數(shù) atan（x）：反正切函數(shù) atan2（x,y）：四象限的反正切函數(shù) sinh（x）：超越正弦函數(shù) cosh（x）：超越馀弦函數(shù) tanh（x）：超越正切函數(shù) asinh（x）：反超越正弦函數(shù) acosh（x）：反超越馀弦函數(shù) atanh（x）：反超越正切函數(shù) 變數(shù)也可用來存放向量或矩陣，并進行各種運算，如下例的列向量（Row vector）運算： x = [1 3 5 2]; y = 2*x+1 y = 3 7 11 5 小提示：變數(shù)命名的規(guī)則 1.第一個字母必須是英文字母 2.字母間不可留空格 3.最多只能有19個字母，MATLAB會忽略多馀字母 我們可以隨意更改、增加或刪除向量的元素： y（3） = 2 % 更改第三個元素 y =3 7 2 5 y（6） = 10 % 加入第六個元素 y = 3 7 2 5 0 10 y（4） = [] % 刪除第四個元素， y = 3 7 2 0 10 在上例中，MATLAB會忽略所有在百分比符號（%）之後的文字，因此百分比之後的文字均可視為程式的注解（Comments）。MATLAB亦可取出向量的一個元素或一部份來做運算： x（2）*3+y（4） % 取出x的第二個元素和y的第四個元素來做運算 ans = 9 y（2:4）-1 % 取出y的第二至第四個元素來做運算 ans = 6 1 -1 在上例中，2:4代表一個由2、3、4組成的向量 若對MATLAB函數(shù)用法有疑問，可隨時使用help來尋求線上支援（on-line help）：help linspace 小整理：MATLAB的查詢命令 help：用來查詢已知命令的用法。例如已知inv是用來計算反矩陣，鍵入help inv即可得知有關(guān)inv命令的用法。（鍵入help help則顯示help的用法，請試看看?。?lookfor：用來尋找未知的命令。例如要尋找計算反矩陣的命令，可鍵入 lookfor inverse，MATLAB即會列出所有和關(guān)鍵字inverse相關(guān)的指令。找到所需的命令後 ，即可用help進一步找出其用法。（lookfor事實上是對所有在搜尋路徑下的M檔案進行關(guān)鍵字對第一注解行的比對，詳見後敘。） 將列向量轉(zhuǎn)置（Transpose）後，即可得到行向量（Column vector）： z = x' z = 4.0000 5.2000 6.4000 7.6000 8.8000 10.0000 不論是行向量或列向量，我們均可用相同的函數(shù)找出其元素個數(shù)、最大值、最小值等： length（z） % z的元素個數(shù) ans = 6 max（z） % z的最大值 ans = 10 min（z） % z的最小值 ans = 4 小整理：適用於向量的常用函數(shù)有： min（x）: 向量x的元素的最小值 max（x）: 向量x的元素的最大值 mean（x）: 向量x的元素的平均值 median（x）: 向量x的元素的中位數(shù) std（x）: 向量x的元素的標(biāo)準(zhǔn)差 diff（x）: 向量x的相鄰元素的差 sort（x）: 對向量x的元素進行排序（Sorting） length（x）: 向量x的元素個數(shù) norm（x）: 向量x的歐氏（Euclidean）長度 sum（x）: 向量x的元素總和 prod（x）: 向量x的元素總乘積 cumsum（x）: 向量x的累計元素總和 cumprod（x）: 向量x的累計元素總乘積 dot（x, y）: 向量x和y的內(nèi) 積 cross（x, y）: 向量x和y的外積 （大部份的向量函數(shù)也可適用於矩陣，詳見下述。） 若要輸入矩陣，則必須在每一列結(jié)尾加上分號（；），如下例： A = [1 2 3 4; 5 6 7 8; 9 10 11 12]; A = 1 2 3 4 5 6 7 8 9 10 11 12 同樣地，我們可以對矩陣進行各種處理： A（2,3） = 5 % 改變位於第二列，第三行的元素值 A = 1 2 3 4 5 6 5 8 9 10 11 12 B = A（2,1:3） % 取出部份矩陣B B = 5 6 5 A = [A B'] % 將B轉(zhuǎn)置後以行向量并入A A = 1 2 3 4 5 5 6 5 8 6 9 10 11 12 5 A（:, 2） = [] % 刪除第二行（：代表所有列） A = 1 3 4 5 5 5 8 6 9 11 12 5 A = [A; 4 3 2 1] % 加入第四列 A = 1 3 4 5 5 5 8 6 9 11 12 5 4 3 2 1 A（[1 4], :） = [] % 刪除第一和第四列（：代表所有行） A = 5 5 8 6 9 11 12 5 這幾種矩陣處理的方式可以相互疊代運用，產(chǎn)生各種意想不到的效果，就看各位的巧思和創(chuàng)意。 小提示：在MATLAB的內(nèi)部資料結(jié)構(gòu)中,每一個矩陣都是一個以行為主（Column-oriented ）的陣列（Array）因此對於矩陣元素的存取，我們可用一維或二維的索引（Index）來定址。舉例來說，在上述矩陣A中，位於第二列、第三行的元素可寫為A（2,3） （二維索引）或A（6）（一維索引，即將所有直行進行堆疊後的第六個元素）。 此外，若要重新安排矩陣的形狀，可用reshape命令： B = reshape（A, 4, 2） % 4是新矩陣的列數(shù)，2是新矩陣的行數(shù) B = 5 8 9 12 5 6 11 5 小提示： A（:）就是將矩陣A每一列堆疊起來，成為一個行向量，而這也是MATLAB變數(shù)的內(nèi)部儲存方式。以前例而言，reshape（A, 8, 1）和A（:）同樣都會產(chǎn)生一個8x1的矩陣。 MATLAB可在同時執(zhí)行數(shù)個命令，只要以逗號或分號將命令隔開： x = sin（pi/3）; y = x^2; z = y*10, z = 7.5000 若一個數(shù)學(xué)運算是太長，可用三個句點將其延伸到下一行： z = 10*sin（pi/3）* ... sin（pi/3）; 若要檢視現(xiàn)存於工作空間（Workspace）的變數(shù)，可鍵入who： who Your variables are: testfile x 這些是由使用者定義的變數(shù)。若要知道這些變數(shù)的詳細資料，可鍵入： whos Name Size Bytes Class A 2x4 64 double array B 4x2 64 double array ans 1x1 8 double array x 1x1 8 double array y 1x1 8 double array z 1x1 8 double array Grand total is 20 elements using 160 bytes 使用clear可以刪除工作空間的變數(shù)： clear A A ??? Undefined function or variable 'A'. 另外MATLAB有些永久常數(shù)（Permanent constants），雖然在工作空間中看不 到，但使用者可直接取用，例如： pi ans = 3.1416 下表即為MATLAB常用到的永久常數(shù)。 小整理：MATLAB的永久常數(shù) i或j：基本虛數(shù)單位 eps：系統(tǒng)的浮點（Floating-point）精確度 inf：無限大， 例如1/0 nan或NaN：非數(shù)值（Not a number） ，例如0/0 pi：圓周率 p（= 3.1415926...） realmax：系統(tǒng)所能表示的最大數(shù)值 realmin：系統(tǒng)所能表示的最小數(shù)值 nargin: 函數(shù)的輸入引數(shù)個數(shù) nargin: 函數(shù)的輸出引數(shù)個數(shù) 因此本文是基于MATLAB實現(xiàn)車輛檢測。 13 3 基于視頻的車輛檢測方法 利用視頻圖像處理的方法進行車輛檢測，就是通過對圖像中特定區(qū)域像素灰度值變化的分析，來判斷當(dāng)前是否有車輛通過。車輛檢測是交通流參數(shù)采集中關(guān)鍵的一步，其精度直接影響著車速等參數(shù)的精準(zhǔn)度。 車輛檢測的目的判斷是否有車經(jīng)過檢測區(qū)，并建立一個與之對應(yīng)的跟蹤對象，主要提供車流量等信息。減少車輛檢測算法的復(fù)雜度和提高實時性是一對矛盾，解決這對矛盾對提高系統(tǒng)檢測穩(wěn)定度和準(zhǔn)確度較為關(guān)鍵，可實際光照的變化、背景運動的模糊、運動目標(biāo)的虛假影像、攝像機的抖動以及運動目標(biāo)的遮擋現(xiàn)象等，都會影響車輛檢測和分割的精度，必須在算法中考慮這些影響因素以及去除方法。 3.1 基于視頻的車輛檢測方法 基于視頻圖像的檢測方法主要有基于幀間差分的方法、基于光流場的方法、基于背景差的方法等。 3.1.1 基于幀間差分的方法 幀間差分法是基于視頻圖像中，相鄰兩幀圖像間具有強相關(guān)性而提出的檢測方法。 這種檢測方法對光線等場景不敏感，能夠適用于動態(tài)變化的環(huán)境，而且算法實現(xiàn)簡單，檢測速度快，定位準(zhǔn)確，適用于快速提取運動目標(biāo)的環(huán)境。它存在以下幾個缺點：一是不能檢測出靜止或運動速度過慢的目標(biāo)，對于高速運動的目標(biāo)又會使得分割區(qū)域遠遠大于真實目標(biāo)，其分割區(qū)域與目標(biāo)運動速度相關(guān)；二是若目標(biāo)內(nèi)部的灰度較均勻，相鄰幀差可能在目標(biāo)重疊部分形成較大空洞，嚴(yán)重時造成分割不連通，不利于進一步的目標(biāo)分析與識別。 在現(xiàn)實應(yīng)用中，幀間差分法是許多復(fù)雜檢測算法的基礎(chǔ)，通過改進算法將它與其它算法結(jié)合以提高檢測效果。 3.1.2 基于光流場的方法 光流場法的基本思想：運動在空間中可以用運動場描述，而圖像平面上物體的運動是通過圖像序列中灰度分布的不同體現(xiàn)的，從而，空間的運動場轉(zhuǎn)移到圖像上就為光流場（Optical Flow Field）。光流場反映了圖像上每一點灰度的變化趨勢，可視為灰度像素點在圖像平面上運動產(chǎn)生的瞬時速度場，為一種對真實運動場的近似估計[6]。 在理想的情況下，它能檢測出獨立運動對象，不需預(yù)先知道場景信息，能夠精確地計算出運動目標(biāo)速度，且用于攝像機運動情況。但光流法有以下缺點：有時即使沒發(fā)生運動，外部照明發(fā)生變化也可觀測到光流；另外，缺乏明顯的灰度階躍變化區(qū)域時，運動往往觀測不到。三維物體的運動投影到二維圖像的亮度變化，是因為部分信息丟失而使光流法存在孔徑和遮擋問題，光流法估算二維運動場是不確定的，需要附加的假設(shè)模型來模擬二維運動場的結(jié)構(gòu)；準(zhǔn)確分割時光流法還需利用顏色、灰度、邊緣等空域特征，從而提高分割精度；同時因光流法采用迭代的方法，計算復(fù)雜度高，若沒有特殊的硬件支持，視頻序列的實時檢測很難達到。 I 3.1.3 基于背景差的方法 背景差法[7]首先選取背景中的一幅或幾幅影像的平均作為背景影像，再把以后的序列影像當(dāng)前幀與背景影像相減，進行背景消去。如果所得到的像素數(shù)大于某一閾值，則判定被監(jiān)視場景中有運動目標(biāo)，獲取運動目標(biāo)。 這種方法在復(fù)雜背景下的運動目標(biāo)檢測效果較好，一般能提供最完整的特征數(shù)據(jù)，計算量小，實用價值大。但受光線、天氣等條件影響較大。 背景差分法是運動分割中常用的一種方法，應(yīng)用中，需采用算法進行背景模型的動態(tài)更新。目前研究人員大都致力于如何實現(xiàn)背景圖像的建模和自適應(yīng)更新，使背景可以不斷接近理想狀態(tài)，對視頻圖像檢測分割的減少影響。 背景建模，是通過序列影像的幀間估計和恢復(fù)背景。對于背景建模問題，常用的方法主要有：基于統(tǒng)計的背景模型、基于高斯分布的背景模型、基于卡爾曼濾波的背景模型等。 基于統(tǒng)計的背景模型最簡便和直觀的方法就是選擇均值函數(shù)作為更新函數(shù)，叫做“序列均值法”[8]，此方法適用于背景大部分時間可見、運動物體數(shù)量少的情況?！靶蛄斜姅?shù)法”[9]是統(tǒng)計學(xué)模型算法中最精確的一種，但要對元素排序，計算量和所需要存儲空間都很大，且有很大的值才得到統(tǒng)計意義上的概率分布，所以更新圖像時間也較慢。 基于卡爾曼濾波的背景模型，跟蹤運動目標(biāo)有很好的效果，但計算量大，處理速度慢。 基于高斯分布的背景模型能適應(yīng)光線變化，而且可處理多模型分布，對慢移動目標(biāo)（如樹枝的搖擺等）具有很好的魯棒性。但是對每點都用一個模型來描述，計算量大，且存儲參數(shù)多，所以還要不斷改進。 3.2 車輛陰影分割技術(shù) 通過前面的檢測方法，在檢測出的圖像中多多少少存在陰影的干擾，當(dāng)陰影面積較大時還會覆蓋鄰近的車輛，致使算法誤將多個車輛檢測為一個車輛，對后期識別造成困難，所以在圖像檢測中必須考慮陰影的消除方法。 在眾多文獻中有關(guān)于陰影檢測的文章和著作。根據(jù)檢測算法采用的特征，大致分五類：顏色恒常性的方法、確定性模型法和確定性非模型法、統(tǒng)計參數(shù)和非參數(shù)法等。 以上這些方法各有利弊，要針對不同的應(yīng)用環(huán)境選擇不同的方法來滿足不同的要求。如基于顏色恒常性的方法適合于全局陰影的分割，基于顏色空間模型的方法對噪聲有較好的穩(wěn)健性，它和統(tǒng)計非參數(shù)方法都能處理不同大小和強度的陰影，但顏色空間模型的處理效果較好，統(tǒng)計非參數(shù)方法的處理速度相對較快；確定性模型方法能應(yīng)用于特殊環(huán)境，假設(shè)越多產(chǎn)生效果越好；統(tǒng)計方法較適合于室內(nèi)環(huán)境，因為場景是恒定的并且統(tǒng)計描述非常有效。 4 車輛目標(biāo)的圖像處理方法 車輛檢測是運動目標(biāo)檢測的一個實例，本章在介紹運動目標(biāo)檢測共性問題的同時，指出車輛檢測的特性，為后面的分析做鋪墊，運動目標(biāo)檢測中，感興趣的只是運動目標(biāo)，就是運動的車輛。視頻車輛檢測研究的是視頻圖像，也就是利用攝像機采集的圖像序列。不同時刻此序列的兩幀或多幀圖像包含了物之間的相對運動信息，這些信息是圖像幀之間的灰度變化以及如點、線段、運動區(qū)域等研究對象的位置和運動方向、速度等變化。 視頻圖像處理的特點是計算量大，若使用圖像幀大小為240X320像素，幀速率為25幀/秒，圖像格式為RGB格式，每個像素為24位即3個byte表示，則每秒的圖像為5.76MB。在檢測中假如采用很多邊緣檢測、濾波等基于圖像區(qū)域的算法，計算量相當(dāng)大，對每幀的整幅圖像處理難達到實時性。根據(jù)車輛檢測的特點，本文主要研究了以下一些圖像處理技術(shù)：邊緣檢測、數(shù)學(xué)形態(tài)學(xué)等。下面對此做簡要分析和介紹。 4.1 彩色圖像灰度化 將彩色圖像轉(zhuǎn)換為灰度圖像的過程稱為圖像的灰度化處理。彩色圖像中每個像素的顏色有R、G、B三分量決定，而每分量有255個值可取，這樣一個像素有1600多萬（255*255*255）的顏色變化范圍。而灰度圖像是R、G、B三個分量相同的一種特殊的彩色圖像，其中一個像素的變化范圍為255個，因此在數(shù)字圖像處理中一般先將各種格式的圖像轉(zhuǎn)化為灰度圖像，使后續(xù)的圖像的計算量小一些。灰度圖像的描述與彩色圖像一樣反映了整幅圖像的整體和局部的色度和亮度等級的分布和特征[2]。 圖4.1 RGB顏色模型 彩色圖像雖然含有大量的顏色信息，但是并不適合直接對其進行操作，而是應(yīng)該將其灰度化，轉(zhuǎn)換成灰度圖像。色彩轉(zhuǎn)換公式如公式4.1所示。 （4.1） 將顏色灰度化后的信息，足以滿足我們后續(xù)圖像處理和模式識別的要求，并且，存儲開銷和處理代價大大降低。經(jīng)灰度化的圖像如圖4.2所示 （a）原始圖像 （b）灰度圖像 （c）原始圖像 （