视频图像中运动目标检测方法研究

视频图像中运动目标检测方法研究

毕业论文

题目视频图像中运动目标检测

方法研究

摘要

在很多现代化领域，运动目标检测都显示出了其重要的作用。尤其是近二十年的社会经济的飞速发展，运动目标检测都彰显了其重要性，在航空、通信、航海等各个方面都有关键性的作用，从而使运动目标检测方法的研究成为各国的研究热门课题。

通过阅读大量的相关论文、期刊及其网络资源，了解了高斯背景建模及背景更新的基本原理及思想。在本文中，首先介绍了运动目标检测方法的相关基础知识，如图像的二值化、图像的形态学处理、颜色空间模型。然后重点说明了三种常用的运动目标检测方法的研究，简要阐述了三种研究方法的基本思想。在老师的帮助下进行了相应的实验，最终得出了三种运动目标检测方法的优点和缺点，着重探究了高斯背景建模及其背景更新基本原理及思想。

最后，通过相关的程序及软件对混合高斯背景模型进行了相关的实验，进而发现了混合高斯背景建模算法存在的不足之处，如：高斯背景建模的计算量大、运动目标较大时检测效果差等问题，并对对这些问题提出了相关设想及改进。

关键词：运动目标检测；二值化；图像的形态学处理；高斯背景建模；背景更新

I

ABSTRACT

In many modern fields, moving target detection are showing its important role. Especially nearly twenty years of rapid development of social economy, the moving target detection has shown its importance, in various aviation, communication, navigation and so on have a key role, so the study of moving target detection method has become a research hot topic in countries.

By reading relevant papers, a large number of journals and cyber source, understand the basic principle and thought of Gauss background modeling and updating the background. In this paper, firstly introduces the basic knowledge of moving target detection method, such as the two values image, morphological image processing, color space model. Then focus on the study of three methods used for moving object detection, a brief description of the basic ideas of the three kinds of research methods. By the experiment, the results of three kinds of method of moving target detection has advantages and disadvantages, this paper emphatically explores Gauss background modeling and background updating basic principle and thought.

Finally, through the program and software related to mixed Gauss background model for the relevant experiments, and found the shortcomings, the presence of mixed Gauss background modeling algorithm such as: the problem of computing Gauss background modeling, moving target volume larger detection effect is poor, and on these problems put forward relevant ideas and improvement.

Keywords: moving object detection; two values;

I I

morphological image processing; Gauss background modeling; background update

I I I

1 前言

1.1国内外研究现状

运动目标检测在机器人、视频监控、交通道路检测、军事战争、模拟现实等众多的领域都有极其重要的应用和良好的发展前景。[1]

近年来运动目标检测的研究方法在计算机方面一直都处于热门性研究话题，国内外等众多的学者在运动目标检测等方面进行了不懈的努力。

运动目标检测在国外，早在二十世纪美国有关部门就运动目标检测进行了监控系统项目的研究，其主要的目的是实现在一定的环境下对运动目标的检测，该系统采取了帧差分法的检测方法。此外世界知名的计算机公司如IBM以及Microsoft等也纷纷进行了监控系统研究的实验，他们研究出来的智能监控系统极大的推进了视频监控的研究，并使得智能监控系统能够应用于现实实际的需要，推进力社会现代化的进程。

中国科学院是国内所有研究运动目标检测的机构中的引领者，而北京自动化研究所在运动目标检测方面则是做出了较大的贡献，交通场景的监控和行为模式识别是重点研究方向，在检测系统中有着重要的地位。[2]图1. 1、图1. 2是我们日常生活中常见的监控的场景。

为了适应社会发展的需要，于2002年第一次成功举办了全国智能视觉监控会议，这次会议的主要内容是研究视觉监控技术，加强了运动目标检测经验的交流，推动了运动目标检测技术在我国的快速发展。2003年第二届全国智能视觉监控会议同样在模拟识别国家重点实验室成功举办，推动了智能视觉监控系统的设计及开发在推广，并在同年的5月出版了一期针对动态场景的视觉监控专刊。

运动目标检测的迅速发展也吸引了一些高校的注意，一些著名高校，如：北京航天航天大学、上海交通大学、北京大学都对视频运动目标的检测做了大量的研究，并取得了骄人的成绩，进一步推动了运动目标检测的发展。

尽管近二十年运动目标检测在国内取得了骄人的成绩,但是目前在运动目标检测方法这方面依然有很大的不足，当前国内市场上能够见到的大部分智能监控产品来源于国外，如德国、美国、日本等。而且国内大部分运动目标检测产品的可靠性依然有待提高，重要的是设备的维护和安装等问题需要国外人员的参与和协助,运动目标检测方法技术的突破存在着困难。[3]

1

图1. 1 常见的监控场景

图1. 2 常见的监控场景

1.2选题的目的及意义

随着历史的不断进步,二十一世纪是信息时代。信息获取的途径和应用都实现了本质上的飞跃。我们获取信息的途径已经转化为图像信息，尤其是运动目标所表达信息。很多领域，图像尤其是视频所表达的信息往往要更加的生动形象，身体的协作使得我们能够迅速的获取、应用视觉传递的信息,我们利用视觉的变化来觉察环境信息的利用率是很高的。[4]

根据一些学者的研究，我们人类获得自然界的信息有大部分是来自运动的目标。由此可以看出，运动目标已经成为我们获得信息的主要途径，几年来表现的尤其明显，运动目标为代表的信息已经广泛应用于航空航天、医疗机械、道路交通、虚拟现实等各个方面。大家都知道大自然是运动的，人类的活动是

2

运动的，进而我们所关心的目标也是运动的，如：流动的人群、天空的飞鸟以及流动的河流等运动目标。运动目标检测是计算机方向的热门性课题，目前在航空航天、医疗、道路交通、虚拟现实等领域已经有了一定程度的应用。运动目标检测不仅是图像处理的重要组成成分,而且还是监控系统的核心组成部分。运动目标检测的主要目的是将感兴趣的部分信息标识出来，并将信息进行加工以及分析。

伴随着时代的不断进步和发展，从背景图像中检测出来运动目标，并且将运动目标从背景图像中分割提取出来，是运动目标检测的主要作用，使背景图像与运动目标相分离，为我们提供相应的信息。[5]

1.3 存在的问题

尽管我们在运动目标检测方面已经取得了骄人的成绩，可以依然存在一些问题影响到运动目标检测效果，基于视频序列的图像在背景更新方面有待完善，甚至有些背景不能够实现更新的功能或者说更新不及时。光线的改变、波动的水面、以及飘扬的旗帜都会影响到背景的更新。

1.4 本论文章节安排

第一章为绪论

主要介绍了运动目标检测的国内外研究现状，选题的目的及其意义，目前运动目标检测存在的一些问题。

第二章为图像的预处理

主要介绍了图像的预处理知识，首先简单介绍了二值化相关知识，其次为形态学处理的相关原理，形态学处理的相关内容包含二值膨胀与腐蚀、开与闭运算。最后是简要阐述了颜色空间模型和图像的灰度图像的基础知识。

第三章为常用的三种检测方法

主要介绍三种常用的运动目标检测方法，光流法、帧间差分法、背景差分法的基本原理。

第四章为背景建模与背景更新

主要介绍了单高斯背景建和经典背景模型，混合高斯背景建模以及改进的混合高斯背景建模的基本思想，经典背景模型包含了平均背景模型和非参数背景模型。重点介绍了混合高斯背景建模。

第五章为实验结果与分析

在本章的实验中依次验证了光流法、帧间差分法、背景差分法、单高斯背景建模、混合高斯背景建模、改进的混合高斯背景建模的运动目标检测效果，

3

给出了实验中相关的图像和数字，并进行了简单的实验分析。

第六章为结束语

最后总结了全文，运动目标检测目前依然存在不足，并进行了未来的展望。

2图像的预处理

2.1引言

本章主要介绍了图像的预处理知识和形态学处理，图像的预处理包括图像的二值化，形态学处理则包含了二值膨胀与腐蚀、开与闭运算。然后介绍了颜色空间模型和图像的灰度化等。图像的二值化是运动目标检测方法研究的基础，二值膨胀与腐蚀是形态学变换中最常用的两种方法，而开与闭运算是一种重要的形态学变换。颜色空间模型有RGB（Red，Green，Blue）颜色模型，HSV （Hue，Saturation，Value）颜色模型等。[6]

2.2图像的二值化

图像的二值化是我们研究运动目标检测研究方法的重要前提，但是由于风速或人为操作等原因，我们得到的图像总是和真实的图像都会有一定的误差，这时就只有对图像进行预处理才能使我们得到的图像尽可能的和原图像相一致，为了图像的后期处理和应用，对图像进行归一化处理是我们最常用的的方法，图像的归一化处理二值化的阀值是非常重要的，通常我们会设置适当的阀值来使背景图像与运动目标相分离。

我们都知道运动目标、运动背景、噪声等构成了一幅图像。二值化是彩色图像处理中最常用的方法，依据为将图像上像素点的灰度值设置为0到255，通过设置适当的阀值使图像呈现出黑白两种效果，使图像背景与对象分离，得到黑白效果的图像，图像灰度值大于或等于阀值的像素其灰度值表示为255，而小于阀值的像素灰度值则表示为0，[7]图像二值化效果如图2.1、图2. 2所示。

4

a）原始图像b）

二值化图像

图2. 1 二值化效果图

5

6

a ） 原始图像

b ）

二值化图像

图2. 2 二值化效果图

用函数),(y x Γ来表示图像的输出，而用函数),(y x H 来表示图像的输入，我

们可以用下列公式来表示图像的二值化。

???<≥=ΓT y x H T y x H y x ),(),(01),( （2.1）

二值化过程中阀值的选取是至关重要的，阀值一般是经过严格的运算得到的，但是若没有经过严格的运算，通常我们取该窗口的平均值。二值化过程相对较简单，但是不能因为其过程简单而忽视二值化的运行速度。如果在VC中直接应用某些公式，就会因为浮点数过低而影响代码的执行速度。这时候我们如果能够采用定点整数运算，就可以大幅度的提高运行速度，从而提高整个工程的效率。[8]

在图像处理过程中，二值化占有极其重要的作用，对图像进行二值化处理可以改变图像的大小，以便使图像更好的为我们所应用，图像呈现出黑白两种效果，把我们感兴趣的部分标志出来，如图2.2。二值化图像虽然相对来说变得简单了，但是依然含有原图像整体和局部的数据特征。对二值化图像进行分析和处理，更有利于我们的工作进程。

2.3图像的形态学处理

图像的形态学处理是图像图形描绘的热门研究性方向，如：图像的形态学处理滤波图像中的噪声，是在理论基础上发展起来的一门学科，图像的形态学处理是指利用数字形态从而获取我们感兴趣的部分图像，可以简化图像结构，将我们不感兴趣的部分结构除去，以达到简化图像保持图像原形状的目的。[9]二值膨胀、腐蚀、开以及闭运算是形态处理常用的四个基本元素。[10]

2.3.1二值膨胀与腐蚀

膨胀是指运用向量加法的运算法则，把X、B两个向量中所有向量相加的

和的向量，其运算公式为：

{}B

+

X∈

=

∈

⊕,

=

:2ε

∈

x

Xandb

B

b

x

p

p

（2.2）

通过膨胀我们可以丰富图像，使图像更加生动形象，以便我们完成对图像的分析和应用。

腐蚀就是运用向量的减法运算法则，把X、B两个向量合并，取共有的向量，其运算公式为：

{}B

+

∈

∈

?

:2ε

?,

=

X

X∈

b

p

b

B

p

（2.3）通过腐蚀我们可以达到简化图像数据结构的目的，使图像简单化。[10]

7

8 图2. 3 为日常生活中常见的B 膨胀X 的一个实例。

))(({)()(()()}4,0,3,0,2,2,2,1,1,1,0,1=X ；)({()}0,1,0,0=B

)({)()()()()()()()()()(()}4,1,3,1,2,3,2,2,1,2,0,2,4,1,3,1,2,2,2,1,1,1,0,1=+B X

a ） X 的点集

b ）

B 的点集

c ）

膨胀后的结果 图2. 3 膨胀效果图

9

图2. 4 为日常生活中常见的B 腐蚀X 的一个实例。

)({)()()()()()(()}

4,1,3,3,3,2,3,1,3,0,2,1,1,1,0,1=X ；)(({)}0,1,0,0=B )({)(()}3,2,3,1,3,0=?B X

a ） X 的点集

b ） B 的点集

c ） 腐蚀后的结果 图2.4 腐蚀效果图

二值膨胀与腐蚀的算法虽然看起来有一定的关系，但事实上，二值膨胀与腐蚀是不具有互逆关系的，具有完全不同的运算法则。[11]

2.3.2 开与闭操作

开操作是形态学处理的一种重要的变换，运算法则为先进行腐蚀而后再膨胀处理。闭操作是形态学处理的另一种重要的变换，运算法则为先进行膨胀而后再腐蚀处理。开运算与闭运算是二值膨胀与腐蚀的延伸，是在膨胀与腐蚀上基础上发展演化而来的。

运用闭运算则可以消除图像中细小的空洞，使目标对象与背景图像明显分离。运用闭运算可以填充图像中的小的空洞，使整个图像变得平滑。[12]下图为我们常见的图像处理中开与闭运算的运算结果。

图2. 5 原始图像图2. 6 开运算图像

10

11

图2. 7 闭运算后的图像

2.4颜色空间模型

颜色空间模型的种类有很多，在目前的图像运用中我们常见的颜色空间模

型有RGB (Red, Green, Blue)颜色空间模型，HSV (Hue, Saturation, Value)

颜色空间模型等。本章主要介绍了常用的RGB (Red, Green, Blue)颜色模型。

[13]

R 、G 、B 是指红、绿、蓝三种颜色，是其他颜色的基础。自然界的任

一色彩都可以由R 、G 、B 这三种基色通过某种的比例相加而成，如：R 、G 、B 的比例为()0,0,0，则该颜色为黑色，而R 、G 、B 的比例为()1,1,1则该颜色为白

色，而()0,1,0为绿色，()1,0,0表示为蓝色，而红色+绿色+蓝色=白色，这就是我们

所说的RGB 三基色原理。利用三维坐标表示：

12

其中()0,0,0表示为黑色，而()1,1,1则表示为白色，()0,1,0为绿色，()0,0,1则为

红色，()1,0,0表示为蓝色。()0,1,1表示为黄色，()1,0,1表示为深红，()1,1,0表示为青

色。其他的颜色我们都可以用RGB 三种基色有比例相加混合而成。[14]

2.5视频图像灰度化

任何图像都是有红、绿、蓝三种基色以一定的比例相加而形成的，其表达式为：

cB bG aR C ++= （2.4）

C 为R 、G 、B 三种颜色混合成的新颜色。因此，需要将RGB 彩色图像转化为

灰度图像。由于存储彩色图像占据的空间比灰色图像要大得多，因此，需要将

RGB 彩色图像转换成灰度图像。为了提高运动目标的检测速度，通常我们会把图

形灰度化，常用的灰度公式如下：

B j i G j i R j i GRAY *+*+*=114.0),(59.0),(11.0),( （2.5）

13

),(j i GRAY 为变换后图形在),(j i 处的像素点。[14]

图2. 9为日常生活中常见的生活场景。

a ） 彩色原始图像

b ） 灰度图像

图2.9

b)为a ）的灰度图像，我们可以看出b ）简化了图像，但是却完好的保存了

原始图像的全部信息。

3常用的三种检测方法

3.1引言

运动目标检测意思是说利用一定的技术在图像中将我们需要的部分标识出来，在目前的运动目标检测中我们常用的运动目标检测方法有三种，即光流法、帧间差分法、背景差分法。[15]

3.2光流法

运动目标的像素在基于视频中的序列中的瞬时速度，也就是我们平时所说的光流。光流法则是把检测的图像先变成速度的矢向量，然后再进行图像的后处理。如果在基于视频序列的图像中运用了光流法，我们可以保留图像中完整的图像信息，有利于运动目标的检测。

基于匹配、基于频域以及基于梯度是我们在光流法中常用的三种计算方法，而基于梯度方法是我们最常用的方法，在这里不做过多的介绍。

在运动目标检测中采用光流法，使图像本事包含了原图像的完整信息，在运动目标检测效果中有较高的效率。可是鉴于光流法的计算方法相对复杂，而且在实时监控方面依然存在实时检测效率低等问题，故而光流法在运动目标检测系统中的应用依然有限。[16]

3.3帧间差分法

帧间差分法是运动目标检测中常用的方法之一，帧间差分法是指在某视频中前后两帧图像相比较做差，来获得差分图像。

当监控系统中出现不同于背景图像的物体时，视频序列前后两帧图像会出现不同，两帧图像相减，得到差分图像。以便我们分析图像，得到我们所需信息。[17]

基于视频序列的图像通过帧间差分法来检测运动目标的一般流程图如图3. 1所示：

图3. 1 帧间差分法来检测运动目标的流程示意图

二帧差分法、三帧差分法是我们在帧间差分法中常用的两种方法，而最常用的方法则是二帧差分法，二帧差分法的基本原则就是利用基于视频序列的图像的当前帧和前一帧图像的灰度值，两帧图像的灰度值做差，得到差值图像，再进行图像的后处理等工作。

尽管帧间差分法的实现方法简单，程序的编程相对来所难度较低，但是由于帧间差分法对风速光线等变化反应较慢，所以帧间差分法的应用广度和深度依然有待发展。[18]

3.4背景差分法

背景差分法是帧间差分法的一种特殊情况，与帧间差分法的原理有相似之处。背景差分法的基本思想为：在视频图像序列中将背景图像与运动目标相比较，两帧图像做差，得到差值图像，我们就可以得到运动目标在背景图像下的遇不到效果。[18]

背景差分法是目前应用最成熟的一种算法，在这三种方法中是最重要的一种，我们通常所说的通过背景差分法来检测运动目标的一般流程图如图3. 2 所示：

15

运动目标检测光流法

摘要 运动目标检测方法是研究如何完成对视频图像序列中感兴趣的运动目标区域的“准确定位”问题。光流场指图像灰度模式的表面运动，它可以反映视频相邻帧之间的运动信息，因而可以用于运动目标的检测。MATLAB这种语言可移植性好、可扩展性强，再加上其中有丰富的图像处理函数，所以利用MATLAB 软件来用光流法对运动目标的检测中具有很大的优势。本设计主要可以借助matlab软件编写程序，运用Horn-Schunck算法对图像前后两帧进行处理，画出图像的光流场。而图像的光流场每个像素都有一个运动矢量，因此可以反映相邻帧之间的运动，分析图像的光流场就可以得出图像中的运动目标的运动情况。 关键字：光流法；Horn-Schunck算法；matlab

目录 1光流法的设计目的 (1) 2光流法的原理 (1) 2.1光流法的介绍 (1) 2.1.1光流与光流场的概念 (1) 2.1光流法检测运动目标的原理 (2) 2.1.1光流场计算的基本原理 (2) 2.2.2基于梯度的光流场算法 (2) 2.2.3Horn-Schunck算法 (3) 2.2.4光流法检测运动目标物体的基本原理概述 (5) 3光流法的程序具体实现 (6) 3.1源代码 (6) 3.1.1求解光流场函数 (6) 3.1.2求导函数 (9) 3.1.3高斯滤波函数 (9) 3.1.4平滑性约束条件函数 (10) 3.1.5画图函数 (10) 4仿真图及分析 (12) 结论 (13) 参考文献 (14)

1 光流法的设计目的 数字图像处理，就是用数字计算机及其他有关数字技术，对图像进行处理，以达到预期的目的。随着计算机的发展，图像处理技术在许多领域得到了广泛应用，数字图像处理已成为电子信息、通信、计算机、自动化、信号处理等专业的重要课程。 数字图像处理课程设计是在学习完数字图像处理的相关理论后，进行的综合性训练课程，其目的是：使学生进一步巩固数字图像处理的基本概念、理论、分析方法和实现方法；增强学生应用Matlab编写数字图像处理的应用程序及分析、解决实际问题的能力；尝试所学的内容解决实际工程问题，培养学生的工程实践能力。 运动目标检测是数字图像处理技术的一个主要部分，近些年来，随着多媒体技术的迅猛发展和计算机性能的不断提高，动态图像处理技术日益受到人们的青睞，并且取得了丰硕的成果，广泛应用于交通管理、军事目标跟踪、生物医学等领域。 因此，基于光流法，实现运动目标的检测是本文的研究对象。结合图书馆书籍、网上资料以及现有期刊杂志，初步建立起运动目标检测的整体思路和方法。 2 光流法的原理 2.1 光流法的介绍 2.1.1 光流与光流场的概念 光流是指空间运动物体在观测成像面上的像素运动的瞬时速度，它利用图像序列像素强度数据的时域变化和相关性来确定各自像素位置的“运动”，即反映图像灰度在时间上的变化与景物中物体结构及其运动的关系。将二维图像平面特定坐标点上的灰度瞬时变化率定义为光流矢量。视觉心理学认为人与被观察物体

运动目标检测方法总结报告

摘要 由于计算机技术的迅猛发展，使得基于内容的视频信息的存取、操作和检索不仅成为一种可能，更成为一种需要。同时，基于内容的视频编码标准MPEG-4和基于内容的视频描述标准MPEG-7正在发展和完善。因此提取和视频中具有语义的运动目标是一个急需解决的问题。运动目标提取和检测作为视频和图像处理领域的重要研究领域，有很强的研究和应用价值。运动检测就是将运动目标从含有背景的图像中分离出来，如果仅仅依靠一种检测算法，难以从复杂的自然图像序列中完整地检测出运动的目标。较高的检测精度和效率十分重要，因此融合多种检测方法的研究越来越受到重视。本文介绍了几种国内外文献中的经典的视频运动目标的检测和提取算法，并对各种方法进行了评价和总结。首先介绍了基本的运动目标检测的基本知识和理论，然后介绍了基本的几种目标检测方法及其各种改进方法。对今后的运动目标检测提取的相关研究提供一定的参考。 关键词：运动目标检测光流法帧差法背景建模方法

ABSTRACT Because of the rapid development of computer technology, it is possible to access, operate and retrieve the video information based on the content of the video. At the same time, based on the content of the video coding standard MPEG-4 and content-based video description standard MPEG-7 is developing and improving. Therefore, it is an urgent problem to be solved in the extraction and video. Moving object extraction and detection is a very important field of video and image processing, and has a strong research and application value. Motion detection is to separate moving objects from the image containing background, if only rely on a detection algorithm, it is difficult to from a complex natural image sequences to detect moving target. Higher detection accuracy and efficiency are very important, so the study of the fusion of multiple detection methods is becoming more and more important. In this paper, the detection and extraction algorithms of the classical video moving objects in the domestic and foreign literatures are introduced, and the methods are evaluated and summarized. Firstly, the basic knowledge and theory of basic moving target detection is introduced, and then the basic method of target detection is introduced. To provide a reference for the research on the extraction of moving target detection in the future. Keywords: Visual tracking Optical flow method Frame Difference Background modeling method

(完整版)视频目标检测与跟踪算法综述

视频目标检测与跟踪算法综述 1、引言 运动目标的检测与跟踪是机器视觉领域的核心课题之一，目前被广泛应用在视频编码、智能交通、监控、图像检测等众多领域中。本文针对视频监控图像的运动目标检测与跟踪方法，分析了近些年来国内外的研究工作及最新进展。 2、视频监控图像的运动目标检测方法 运动目标检测的目的是把运动目标从背景图像中分割出来。运动目标的有效分割对于目标分类、跟踪和行为理解等后期处理非常重要。目前运动目标检测算法的难点主要体现在背景的复杂性和目标的复杂性两方面。背景的复杂性主要体现在背景中一些噪声对目标的干扰，目标的复杂性主要体现在目标的运动性、突变性以及所提取目标的非单一性等等。所有这些特点使得运动目标的检测成为一项相当困难的事情。目前常用的运动目标检测算法主要有光流法、帧差法、背景相减法，其中背景减除法是目前最常用的方法。 2.1帧差法 帧差法主要是利用视频序列中连续两帧间的变化来检测静态场景下的运动目标，假设f k（x, y）和f（k i）（x, y）分别为图像序列中的第k帧和第k+1帧中象素点（x，y）的象素值,则这两帧图像的差值图像就如公式2-1所示： Diff ki f k（x, y） f（k 1）（x, y）（2-1）2-1式中差值不为0的图像区域代表了由运动目标的运动所经过的区域（背景象素值不变），又因为相邻视频帧间时间间隔很小，目标位置变化也很小，所以运动目标的运动所经过的区域也就代表了当前帧中运动目标所在的区域。利用此原理便可以提取出目标。下图给出了帧差法的基本流程：1、首先利用2-1式得到第k帧和第k+1帧的差值图像Diff k 1；2、对所得到的差值图像Diff k 1二值化（如 式子2-2示）得到Qk+1 ；3、为消除微小噪声的干扰，使得到的运动目标更准 确，对Q k 1进行必要的滤波和去噪处理，后处理结果为M k 1。 1

视频图像中运动目标检测方法研究

视频图像中运动目标检测方法研究

毕业论文 题目视频图像中运动目标检测 方法研究

摘要 在很多现代化领域，运动目标检测都显示出了其重要的作用。尤其是近二十年的社会经济的飞速发展，运动目标检测都彰显了其重要性，在航空、通信、航海等各个方面都有关键性的作用，从而使运动目标检测方法的研究成为各国的研究热门课题。 通过阅读大量的相关论文、期刊及其网络资源，了解了高斯背景建模及背景更新的基本原理及思想。在本文中，首先介绍了运动目标检测方法的相关基础知识，如图像的二值化、图像的形态学处理、颜色空间模型。然后重点说明了三种常用的运动目标检测方法的研究，简要阐述了三种研究方法的基本思想。在老师的帮助下进行了相应的实验，最终得出了三种运动目标检测方法的优点和缺点，着重探究了高斯背景建模及其背景更新基本原理及思想。 最后，通过相关的程序及软件对混合高斯背景模型进行了相关的实验，进而发现了混合高斯背景建模算法存在的不足之处，如：高斯背景建模的计算量大、运动目标较大时检测效果差等问题，并对对这些问题提出了相关设想及改进。 关键词：运动目标检测；二值化；图像的形态学处理；高斯背景建模；背景更新 I

ABSTRACT In many modern fields, moving target detection are showing its important role. Especially nearly twenty years of rapid development of social economy, the moving target detection has shown its importance, in various aviation, communication, navigation and so on have a key role, so the study of moving target detection method has become a research hot topic in countries. By reading relevant papers, a large number of journals and cyber source, understand the basic principle and thought of Gauss background modeling and updating the background. In this paper, firstly introduces the basic knowledge of moving target detection method, such as the two values image, morphological image processing, color space model. Then focus on the study of three methods used for moving object detection, a brief description of the basic ideas of the three kinds of research methods. By the experiment, the results of three kinds of method of moving target detection has advantages and disadvantages, this paper emphatically explores Gauss background modeling and background updating basic principle and thought. Finally, through the program and software related to mixed Gauss background model for the relevant experiments, and found the shortcomings, the presence of mixed Gauss background modeling algorithm such as: the problem of computing Gauss background modeling, moving target volume larger detection effect is poor, and on these problems put forward relevant ideas and improvement. Keywords: moving object detection; two values; I I

(完整word版)基于图像处理的运动物体的跟踪与检测开题报告

1、课题来源 随着计算机技术的高速发展，运动物体的检测和跟踪在图像处理、计算机视觉、模式识别、人工智能、多媒体技术等领域越来越受到人们的关注。运动跟踪和检测的应用广泛，在智能监控和人机交互中，如：银行、交通、超市等场合常常使用运动跟踪分析技术，通过定位物体并对其行为进行分析，一旦发现物体有异常行为，监控系统就发出警报，提醒人们注意并即时的处理，改善了人工监督注意力分散、反应时间较慢、人力资源浪费等问题。运动目标的跟踪在虚拟现实、工业控制、军事设备、医学研究、视频监控、交通流量观测监控等很多领域也有重要的实用价值。特别在军事上，先进的武器导航、军事侦察和监控中都成功运用了自动跟踪技术。而跟踪的难点在于如何快速而准确的在每一帧图像中实现目标定位。正因如此，对运动目标的跟踪和检测的研究很有价值。 2、研究目的和意义 运动目标检测是图像处理与计算机视觉的一个分支，在理论和实践上都有重大意义，长久以来一直被国内外学者所关注。在实际中，视频监控利用摄像机对某一特定区域进行监视，是一个细致和连续的过程，它可以由人来完成，但是人执行这种长期枯燥的例行监测是不可靠，而且费用也很高，因此引入运动监测非常有必要。它可以减轻人的负担，并且提高了可靠性。概括起来运动监测主要包括三个内容：运动目标检测，方向判断和图像跟踪。运动目标检测是整个监测过程的基础，运动目标的提取准确与否，直接关系到后续高级过程的完成质量。3、国内外研究现状和发展趋势及综述 运动目标检测在国外已经取得了一些的研究成果，许多相关技术已经开始应用到实际系统中，但是国内研究相对落后,与国外还有较大差距。传统的视频目标提取大致可以分两类,一类以空间同性为准则,先用形态学滤波器或其他滤波器对图像作预处理;然后对该图像的亮度、色度或其他信息作空间上的分割以对区域作边缘检测;之后作运动估计,并合并相似的运动区域以得到最终的提取结果。如光流算法、主动轮廓模型算法。此类方法结果较为准确但是运算量相对较大。另一类算法主要以时间变化检测作为准则,这类算法主要通过帧差检测图像上的变化区域和不变区域,将运动物体与静止背景进行分割。此类方法运算量小,提取结果不如前类方法准确。此外,还有时空结合方法、时空亮度梯度信息结合的方法等等。 4、研究方法

视频图像中运动目标检测

视频图像中运动目标检测

毕业论文 题目视频图像中运动目标检测 方法研究 专业电气工程及其自动化 班级电气1003 学生曹文 学号20113024543 指导教师赵哥君 二〇一二年六月八日

摘要 在很多现代化领域，运动目标检测都显示出了其重要的作用。尤其是近二十年的社会经济的飞速发展，运动目标检测都彰显了其重要性，在航空、通信、航海等各个方面都有关键性的作用，从而使运动目标检测方法的研究成为各国的研究热门课题。 通过阅读大量的相关论文、期刊及其网络资源，了解了高斯背景建模及背景更新的基本原理及思想。在本文中，首先介绍了运动目标检测方法的相关基础知识，如图像的二值化、图像的形态学处理、颜色空间模型。然后重点说明了三种常用的运动目标检测方法的研究，简要阐述了三种研究方法的基本思想。在老师的帮助下进行了相应的实验，最终得出了三种运动目标检测方法的优点和缺点，着重探究了高斯背景建模及其背景更新基本原理及思想。 最后，通过相关的程序及软件对混合高斯背景模型进行了相关的实验，进而发现了混合高斯背景建模算法存在的不足之处，如：高斯背景建模的计算量大、运动目标较大时检测效果差等问题，并对对这些问题提出了相关设想及改进。 关键词：运动目标检测；二值化；图像的形态学处理；高斯背景建模；背景更新 I

ABSTRACT In many modern fields, moving target detection are showing its important role. Especially nearly twenty years of rapid development of social economy, the moving target detection has shown its importance, in various aviation, communication, navigation and so on have a key role, so the study of moving target detection method has become a research hot topic in countries. By reading relevant papers, a large number of journals and cyber source, understand the basic principle and thought of Gauss background modeling and updating the background. In this paper, firstly introduces the basic knowledge of moving target detection method, such as the two values image, morphological image processing, color space model. Then focus on the study of three methods used for moving object detection, a brief description of the basic ideas of the three kinds of research methods. By the experiment, the results of three kinds of method of moving target detection has advantages and disadvantages, this paper emphatically explores Gauss background modeling and background updating basic principle and thought. Finally, through the program and software related to mixed Gauss background model for the relevant experiments, and found the shortcomings, the presence of mixed Gauss background modeling algorithm such as: the problem of computing Gauss background modeling, moving target volume larger detection effect is poor, and on these problems put forward relevant ideas and improvement. Keywords: moving object detection; two values; I I

目标检测综述

一、传统目标检测方法 如上图所示，传统目标检测的方法一般分为三个阶段：首先在给定的图像上选择一些候选的区域，然后对这些区域提取特征，最后使用训练的分类器进行分类。下面我们对这三个阶段分别进行介绍。 (1) 区域选择这一步是为了对目标的位置进行定位。由于目标可能出现在图像的任何位置，而且目标的大小、长宽比例也不确定，所以最初采用滑动窗口的策略对整幅图像进行遍历，而且需要设置不同的尺度，不同的长宽比。这种穷举的策略虽然包含了目标所有可能出现的位置，但是缺点也是显而易见的：时间复杂度太高，产生冗余窗口太多，这也严重影响后续特征提取和分类的速度和性能。（实际上由于受到时间复杂度的问题，滑动窗口的长宽比一般都是固定的设置几个，所以对于长宽比浮动较大的多类别目标检测，即便是滑动窗口遍历也不能得到很好的区域） (2) 特征提取由于目标的形态多样性，光照变化多样性，背景多样性等因素使得设计一个鲁棒的特征并不是那么容易。然而提取特征的好坏直接影响到分类的准确性。（这个阶段常用的特征有SIFT、HOG等） (3) 分类器主要有SVM, Adaboost等。 总结：传统目标检测存在的两个主要问题： 一是基于滑动窗口的区域选择策略没有针对性，时间复杂度高，窗口冗余； 二是手工设计的特征对于多样性的变化并没有很好的鲁棒性。

二、基于Region Proposal的深度学习目标检测算法 对于传统目标检测任务存在的两个主要问题，我们该如何解决呢？ 对于滑动窗口存在的问题，region proposal提供了很好的解决方案。region proposal（候选区域）是预先找出图中目标可能出现的位置。但由于region proposal 利用了图像中的纹理、边缘、颜色等信息，可以保证在选取较少窗口（几千个甚至几百个）的情况下保持较高的召回率。这大大降低了后续操作的时间复杂度，并且获取的候选窗口要比滑动窗口的质量更高（滑动窗口固定长宽比）。比较常用的region proposal算法有selective Search和edge Boxes，如果想具体了解region proposal可以看一下PAMI2015的“What makes for effective detection proposals？” 有了候选区域，剩下的工作实际就是对候选区域进行图像分类的工作（特征提取+分类）。对于图像分类，不得不提的是2012年ImageNet大规模视觉识别挑战赛（ILSVRC）上，机器学习泰斗Geoffrey Hinton教授带领学生Krizhevsky使用卷积神经网络将ILSVRC分类任务的Top-5 error降低到了15.3%，而使用传统方法的第二名top-5 error高达26.2%。此后，卷积神经网络占据了图像分类任务的绝对统治地位，微软最新的ResNet和谷歌的Inception V4模型的top-5 error降到了4%以内多，这已经超越人在这个特定任务上的能力。所以目标检测得到候选区域后使用CNN对其进行图像分类是一个不错的选择。 2014年，RBG（Ross B. Girshick）大神使用region proposal+CNN代替传统目标检测使用的滑动窗口+手工设计特征，设计了R-CNN框架，使得目标检测取得巨大突破，并开启了基

检测交通视频中运动目标的程序设计

专业综合实践任务书 学生姓名:________专业班级: 指导教师: 工作单位: 信息工程学院 题目:检测交通视频中运动目标的程序设计 初始条件: （1）提供实验室机房及其matlab软件； （2）数字图像处理的基本理论学习。 要求完成的主要任务:(包括课程设计工作量及其技术要求,以及说明书撰写等具体 要求): （1）学习运动目标检测的原理及方法，并利用matlab设计程序完成以下功能；（2）读取交通视频文件； （3）运用一种背景建模方法，提取背景图像； （4）读取一帧有运动目标的图像，利用背景差分法，得到差分区域； （5）对差分区域进行数学形态学处理，得到完整的运动目标区域，并显示运动目标检测结果图； （6）对检测的结果进行分析比较； （7）要求阅读相关参考文献不少于5篇； （8）根据课程设计有关规范，按时、独立完成课程设计说明书。 时间安排: (1) 布置课程设计任务，查阅资料，确定方案 1.5天； (2) 进行编程设计、调试2天； (3) 完成课程设计报告书、答辩 1.5天； 指导教师签名: 年月日系主任(或责任教师)签名: 年月日

目录 摘要 (1) 1.概述 (2) 2.设计原理 (3) 2.1 背景提取与更新算法 (3) 2.1.1 手动背景法 (4) 2.1.2 统计中值法 (4) 2.1.3 算术平均法 (4) 2.1.4 Surendra算法 (5) 2.2 背景差分法运动目标检测 (6) 2.3 形态学滤波 (7) 2.4总体方案设定 (9) 2.4.1 算术平均法与Surendra算法相结合的背景建模 (9) 2.4.2 总体程序框图 (10) 3.软件编程实现 (11) 4.结果及分析 (13) 5.心得体会 (17) 参考文献 (18)

交通场景中运动目标的检测文献综述

交通场景中运动目标的检测文献综述 摘要:运动目标检测是数字图像处理技术的一个主要部分,是一种基于视频监控系统的运动目标检测方法。这种算法主要包括：图像预处理、运动目标的检测、运动速度的求取。运动目标分割是实现交通场景下车辆检测的前提。常用的分割方法可以分为背景差分法、帧间差分法和基于光流的分割方法等。 关键词:数字图像处理;运动目标;检测方法 1 前言 运动目标检测是数字图像处理技术的一个主要部分，近些年来，随着多媒体技术的迅猛发展和计算机性能的不断提高，动态图像处理技术日益受到人们的青睐，并且取得了丰硕的成果，广泛英语与交通管理、军事目标跟踪、生物医学等领域。 目前,以数字图像处理技术为核心的视频监视系统越来越广泛地应用到交通监管中,它利用摄像机来获取图像,由计算机完成对运动目标的自动检测,如果车辆交通违规时,自动发出预警,记录全程违章视频,这在很大程度上减轻了监控人员的劳动强度,克服可能的人为失误,而且节省大量存储空间,使存储的数据更为有效,为交通违规的后续处理提供了客观依据。 交通场景中运动目标的检测是本文的研究对象。结合图书馆书籍、网上资料以及现有期刊杂志的相关信息，初步建立起交通场景中运动目标检测课题研究的整体思路和方法。 2 正文 2.1运动目标 运动目标是常生活中常见的．如活动的动物、行驶的运载工具等。在现实生活中，尽管人类的视觉既能看见运动又能看见静止的物体，但是在交通这样的复杂场景中大量有意义的视觉信息都包含在这些运动之中，人们往往只对运动的

物体或目标感兴趣。因此，研究运动目标的检测问题，有着很大的现实意义和应用价值。 2.2运动目标检测的基本概念 目前我们主要是通过对动态图像进行分析处理来获取运动目标信息，从而实现对运动目标的检测，它是图像处理与计算机视觉应用研究领域的一个重要课题。，所谓动态图像是由一序列图像组成的，即图像序列。图像序列是用一个传感器(如摄像机、数码相机)采集的一组随时间变化的图像，不同时刻采集的二帧图像或多帧图像中包含了存在于相机与景物之间的相对运动信息。还有景物本身发生变化的运动信息等等，这些信息表现为图像帧之间的灰度变化或诸如点、线、区域等记号的位置和运动方向速度等属性的变化。 运动目标检测的目的就是从序列图像中将变化区域从背景图像中提取出来。我们首先用摄像机获取运动目标的视频影像，经视频采集卡将视频信号传输到计算机，利用计算机对其进行相关处理，从视频图像中按一定时间间隔获取序列图像，然后通过对这些序列图像进行特定的处理，就可以检测出我们感兴趣的运动目标。 运动目标检测和分析是一种基于视频监控系统的运动目标检测方法。这种算法主要包括：图像预处理、运动目标的检测、运动速度的求取。这种算法在帧差法的基础之上，提取出运动目标，并对其求取运动速度。这种技术可以用于各类图像监控系统，用来检测运动目标，对于现实应用有重要意义。 2.3运动目标检测的基本方法 由运动目标所形成的图像序列可分为两种情况：一种是静止背景，一种是运动背景。前一种情况通常发生在摄像机相对静止状态(如监视某一路口车流量的固定摄像机)，后一种情况通常发生在摄像机也在相对运动状态(如装在卫星或飞机上的监视系统)。从处理方法上看，对前一种情况可采用消除背景的方法检测运动目标，处理起来比较简单，如简单的帧间差分或自适应背景对消方法。对后一种情况．处理起来比较复杂，一般是采用突出目标或消除背景的思想检测运动目标。若采用消除背景的方法，则通常需要先进行帧间稳像及配准；若采用突出

AVI视频中运动目标检测的matlab实现

%-------------------------------------------------------------------------- % 基于中位数算法的运动目标检测 % 第1种实现方法 %-------------------------------------------------------------------------- %*******************************读取视频数据******************************** % 调用aviread函数读取视频文件 vid = aviread('WalkingMan.avi') size(vid(1).cdata) % 查看第1帧的大小，也是每一帧的大小 vid(1).colormap % 查看第1帧的colormap值 %*****************************数据类型的转换******************************** % 把vid的cdata字段的取值转换成一个240×360×3×80的四维数组IM IM = cat(4,vid.cdata); size(IM) % 查看IM的大小 [m,n,k,h] = size(IM); % 把IM的大小赋给四个变量 % 把IM转换成一个80行，240×360×3列的矩阵 I = reshape(IM,[m*n*k,h])'; %********************调用median函数求中位数，进行视频图像分割**************** I = median(I); % 求I矩阵中各列元素的中位数 I = reshape(I,[m,n,k]); % 将向量I转成240×360×3的三维数组，得到背景图像 figure; % 新建一个图形窗口 imshow(I); % 显示背景图像 figure; % 新建一个图形窗口 imshow(IM(:,:,:,1) - I); % 显示第1帧中的目标图像 %-------------------------------------------------------------------------- % 基于中位数算法的运动目标检测 % 第1种实现方法 %-------------------------------------------------------------------------- % 调用mmreader函数创建读取视频文件的多媒体阅读对象WalkManObj WalkManObj = mmreader('WalkingMan.avi'); % 根据多媒体阅读对象WalkManObj，读取视频的各帧图像数据 IM = read(WalkManObj, [1, inf]); [m,n,k,h] = size(IM); % 把IM的大小赋给四个变量

运动目标检测

运动目标检测 跟踪各过程算法综述图像预处理数字图像中的几种典型噪声有:高斯噪声来源于电子电路噪声和低照明度或高温带来的传感器噪声椒盐噪声类似于随机分布在图像上的胡椒和盐粉微粒主要由图像切割引起或变换域引起的误差加性噪声是图像在传输中引进的信道噪声。一般来说引入的都是加性随机噪声可以采用均值滤波、中值滤波、高斯滤波等方法去除噪声提高信噪比。均值滤波在噪声分布较平均且峰值不是很高的情况下能够得到较好的应用中值滤波对尖脉冲噪声的滤除有较好的效果并且能突出图像的边缘和细节高斯滤波对滤除高斯白噪声有较好的效果。运动目标检测背景差分法:能完整、快速地分割出运动对象。不足之处易受光线变化的影响背景的更新是关键。不适用摄像头运动的情况。光流法:能检测独立运动的对象可用于摄像头运动的情况但计算复杂耗时很难实时检测。帧差法:受光线变化影响较小简单快速但不能分割出完整的运动对象需进一步运用目标分割算法。还有一些改进的算法主要致力于减少光照影响和检测慢速物体变化。图像标识图像标识的作用是确定物体是否独立图像中有几个运动目标。 1领域:常取周围的4或8个像素作为领域。 2连通域:二值图像中互相连通的0像素集或1像素集称之为连通域。被1像素包围的0像素叫做孔。1像素连通域不含孔时叫做单连通成分含有一个或多个孔的连通成为叫做多重连通成分。 3标记:差值后的一帧图像可能存在多个连通域每个非连通域对应一个目标图像区给各目标区分配相应标号的工作成为标记。标识过程大致为:按一定顺序逐个扫描像素扫描到1的像素检测其领域的像素值若一样则为连通域并标记为第一个目标然后依次寻找下一个目标。在所有可能的目标都找到了之后可以为每个目标划出一个波门将目标框起来。并建立一个多目标位置链表找到的每一个目标区域的中心位置都作为一个结点加入该链表储存起来。波门的划分有可能将同一个目标分为两个部分或者一个波门里包括了两个目标使得目标数据错误增加或减少所以还要判断当前的目标是属于同一个目标还是不同的目标这将在后面的图像分割中完成。图像分割图像分割用于分离目标和背景的组合或者分离不同目标的组合。图像分割不仅可以大量压缩数据减少储存容量而且能大大简化其后的分析和处理步骤。 1直方图阈值分割法灰度直方图即为灰度级的像素数与灰度的二维关系反映了一副图像灰度分布的统计特性。如果前景物体内部灰度值分布比较均匀背景灰度值的分布也比较均匀这个图像的直方图将有明显的双峰这时可以选择两峰之间的谷底作为阈值。由于直方图不含目标的位置信息还要结合图像的内容来确定。 2最大类间方差阈值分割法利用图像目标与背景这两类的总体灰度之间存在的差距确定阈值从而进行分割。 3区域生长法指将周围特性相似的像素再次合并到目标区域中。 4边缘检测和轮廓提取分割法 5形态学分割法主要作用是使运动目标的区域更加完整。腐蚀的作用是消除物体边界点把小于结构元素的物体去除。如果两物体之间有细小的连通那么当结构元素足够大时通过腐蚀运算可以将两个物体分开。膨胀运算的作用是把图像周围的背景点合并到物体中。如果两个物体比较接近那么膨胀运算可能会使这两个物体连通在一起。膨胀对填补图像的空洞很有用膨胀最简单的应用之一就是将裂缝接起来。形态学也可用于图像滤波、增强等方面。运动轨迹预测在分割出运动目标后应提取出目标的特征然后在下一帧图像中匹配特征从而跟踪目标。但为了减少搜索特征匹配的区域提高实时性在此加入对目标运动轨迹预测这一步骤。运动轨迹预测也有利于增强遮挡情况下跟踪的鲁棒性。 1线性预测算法2Kalman滤波算法及其扩展算法 3粒子滤波算法目标跟踪 1特征选取灰度特

运动目标检测原理

运动检测（移动侦测）原理 一、引言 随着技术的飞速发展，人们对闭路电视监控系统的要求越来越高，智能化在监控领域也得到越来越多的应用。在某些监控的场所对安全性要求比较高，需要对运动的物体进行及时的检测和跟踪，因此我们需要一些精确的图像检测技术来提供自动报警和目标检测。运动检测作为在安防智能化应用最早的领域，它的技术发展和应用前景都受到关注。 运动检测是指在指定区域能识别图像的变化，检测运动物体的存在并避免由光线变化带来的干扰。但是如何从实时的序列图像中将变化区域从背景图像中提取出来，还要考虑运动区域的有效分割对于目标分类、跟踪等后期处理是非常重要的，因为以后的处理过程仅仅考虑图像中对应于运动区域的像素。然而，由于背景图像的动态变化，如天气、光照、影子及混乱干扰等的影响，使得运动检测成为一项相当困难的工作。 二、运动检测（移动侦测）原理 早期的运动检测如MPEG1是对编码后产生的I帧进行比较分析，通过视频帧的比较来检测图像变化是一种可行的途径。原理如下：MPEG1视频流由三类编码帧组成，它们分别是：关键帧（I 帧），预测帧（P帧）和内插双向帧（B帧）。I帧按JPEG标准编码，独立于其他编码帧，它是MPEG1视频流中唯一可存取的帧，每12帧出现一次。截取连续的I帧，经过解码运算，以帧为单位连续存放在内存的缓冲区中，再利用函数在缓冲区中将连续的两帧转化为位图形式，存放在另外的内存空间以作比较之用，至

于比较的方法有多种。此方法是对编码后的数据进行处理，而目前的MPEG1/MPEG4编码都是有损压缩，对比原有的图像肯定存在误报和不准确的现象。 目前几种常用的方法： 1.背景减除（Background Subtraction ） 背景减除方法是目前运动检测中最常用的一种方法，它是利用当前图像与背景图像的差分来检测出运动区域的一种技术。它一般能够提供最完全的特征数据，但对于动态场景的变化，如光照和外来无关事件的干扰等特别敏感。最简单的背景模型是时间平均图像，大部分的研究人员目前都致力于开发不同的背景模型，以期减少动态场景变化对于运动分割的影响。 2.时间差分（Temporal Difference ） 时间差分（又称相邻帧差）方法是在连续的图像序列中两个或三个相邻帧间采用基于像素的时间差分并且阈值化来提取出图像中的运动区域。时间差分运动检测方法对于动态环境具有较强的自适应性，但一般不能完全提取出所有相关的特征像素点，在运动实体内部容易产生空洞现象。 3.光流（Optical Flow） 基于光流方法的运动检测采用了运动目标随时间变化的光流特性，如Meyer[2] 等通过计算位移向量光流场来初始化基于轮廓的跟踪算法，从而有效地提取和跟踪运动目标。该方法的优点是在摄像机运动存在的前提下也能检测出独立的运动目标。然而，

(完整word版)基于matlab的运动目标检测

1 绪论 1.1 课题研究背景及意义 运动目标检测是图像处理与计算机视觉的一个分支，在理论和实践上都有重大意义，长久以来一直被国内外学者所关注。在实际中，视频监控利用摄像机对某一特定区域进行监视，是一个细致和连续的过程，它可以由人来完成，但是人执行这种长期枯燥的例行监测是不可靠，而且费用也很高，因此引入运动监测非常有必要[1]。它可以减轻人的负担，并且提高了可靠性。概括起来运动监测主要包括三个内容[2]：运动目标检测，方向判断和图像跟踪。运动目标检测是整个监测过程的基础，运动目标的提取准确与否，直接关系到后续高级过程的完成质量。 1.2 国内外研究现状 运动目标检测在国外已经取得了一些的研究成果[3]，许多相关技术已经开始应用到实际系统中，但是国内研究相对落后,与国外还有较大差距。传统的视频目标提取大致可以分两类,一类以空间同性为准则,先用形态学滤波器或其他滤波器对图像作预处理;然后对该图像的亮度、色度或其他信息作空间上的分割以对区域作边缘检测;之后作运动估计,并合并相似的运动区域以得到最终的提取结果。如光流算法、主动轮廓模型算法。此类方法结果较为准确但是运算量相对较大。另一类算法主要以时间变化检测作为准则,这类算法主要通过帧差检测图像上的变化区域和不变区域,将运动物体与静止背景进行分割。此类方法运算量小,提取结果不如前类方法准确。此外,还有时空结合方法、时空亮度梯度信息结合的方法等等[4]。本文将围绕以时间变化监测为基础的方法展开分析和讨论。 1.3 本文结构 第1章介绍了本文的研究意义及国内外发展状况；第2章分为四个部分详细讲述了运动目标检测的方法，介绍了背景提取与更新算法，检测算法，阈值选取，形态学滤波等；第三章对全文作出了总结。

基于帧间差分法的目标运动检测算法开题报告

本科毕业设计(论文)开题报告 题目：基于帧间差分法的目标运动检测算法 Frame difference method based on target motion detection algorithm 课题类型：设计□实验研究□论文□ 学生姓名：郭凯 学号： 3100701135 专业班级：计算机101 学院：计算机科学与技术 指导教师：卢桂馥 开题时间： 201年月日

开题报告内容与要求 一、本课题的研究意义、研究现状和发展趋势（文 献综述） 1.1研究意义 在人们感知到的环境信息中，视觉信息占了很大的比重，其中动态视觉信息更是其主要组成部分。感知环境中的这些动态视觉信息己成为计算机视觉的一个重要的研究方向。在现实生活中，大量有意义的视觉信息都包含于运动之中。尽管人类视觉既能看见运动又能看见静止的物体，但是在许多场合，比如航空和军用飞机的制导、交通流量的监测、重要场所的保安以及汽车的自动驾驶和辅助驾驶等等，人们往往对运动的物体更感兴趣。 运动目标检测与跟踪是近些年来图像处理和计算机视觉领域的一个非常活跃的分支，是动态图像分析的基础。目标的运动图像序列提供了比目标静止时更多的有用信息，使得我们可以利用运动目标检测与跟踪技术获得比静止图像更有实用价值的信息。 运动目标检测和运动目标跟踪两方面具有非常紧密的关系。做为运动目标跟踪的基础，运动目标检测是实时的在被监视的场景中检测运动目标，并将其提取出来。而运动目标跟踪是做为衔接运动目标检测和上层的目标行为分析和理解的一个重要环节。所谓运动目标跟踪，就是在运动目标检测的基础上，利用目标有效特征，使用适当的匹配算法，在序列图像中寻找与目标模板最相似的图像的位置，简单的说就是给目标定位。在实际应用中，运动目标跟踪不仅可以提供目标的运动轨迹和准确定位目标，为下一步的目标行为分析与理解提供了可靠的数据来源，而且也可以为运动目标检测提供帮助。 综上，对运动目标检测与跟踪有关算法的研究具有重大的理论价值和现实意义。 1.2研究现状和发展趋势 1.2.1研究现状 近些年来，世界各地的学者们针对视频图像中的运动目标检测 与跟踪问题做了大量而深入的研究，提出了许多行之有效的方法，也取得了一定的进展，但到目前为止，还没有出现能够适用于各 种场合、各种情况的通用算法。现今的各种算法在稳健性、准确性、可靠性等方面还有着这样、那样的不足。困难主要在于视频 中存在着各种干扰因素，这些因素包括：运动目标的位移或者自 身的形变、成像传感器本身的固有噪声、照明情况的变化、背景 中的杂波、运动目标的自遮挡或者互遮挡等。这些问题有待我们 进一步研究。