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

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; morphological image processing; Gauss background modeling; background update

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。错误！未找到引用源。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。错误！未定义书签。

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。[2]

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。错误！未找到引用源。

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，人类的活动是运动的，进而我们所关心的目标也是运动的，如：流动的人群、

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。[4]

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，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0，0图像二值化效果如图2.1、图2. 2所示。

a ） 原始图像

b ） 二值化图像

图2. 1 二值化效果图

a ） 原始图像

b ） 二值化图像

图2. 2 二值化效果图

用函数来表示图像的输出，而用函数来表示图像的输入，我们可以用下列公式来表示图像的二值化。

（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。[7]

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。

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

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。错误！未找到引用源。

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、两个向量中所有向量相加的和的向量，其运算公式为：

（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、两个向量合并，取共有的向量，其运算公式为：

（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。错误！未找到引用源。

图2. 3 为日常生活中常见的膨胀的一个实例。

；

X B {

}B Xandb x b x p p B X ∈∈+=∈=⊕,:2εX B {

}B b X b p p B X ∈?∈+∈=?,:2εB X ))(({)()(()()}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

图2. 4 为日常生活中常见的腐蚀的一个实例。

；

B X

)

({)

()

()

()

()

()

(()}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。0

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。错误！未找到引用源。

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

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(Red, Green, Blue)颜色空间模型，(Hue, Saturation, Value)颜色空间模型等。本章主要介绍了常用的(Red, Green, Blue)颜色模型。[12]

、、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、、这三种基色通过某种的比例相加而成，如：、、的比例为，则该颜色为黑色，而、、的比例为则该颜色为白色，而为绿色，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：

RGB HSV RGB R G B R G B R G B ()0,0,0R G B ()1,1,1()0,1,0()1,0,0

其中表示为黑色，而则表示为白色，为绿色，则为红色，表示为蓝色。表示为黄色，表示为深红，表示为青色。其他的颜色我们都可以用三种基色有比例相加混合而成。错误！未找到引用源。

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：

（2.4）

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：

（2.5）

为变换后图形在处的像素点。错误！未找到引用源。

图2. 9为日常生活中常见的生活场景。

()0,0,0()1,1,1()0,1,0()0,0,1()1,0,0()0,1,1()1,0,1()1,1,0RGB cB bG aR C ++=C B j i G j i R j i GRAY *+*+*=114.0),(59.0),(11.0),(),(j i GRAY ),(j i

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。

3.1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。错误！未找到引用源。

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。[13]

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。

[14]

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：

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。错误！未找到引用源。

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。错误！未找到引用源。

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. 3 所示：

图3. 4 背景法来检测运动目标的流程示意图

背景差分法在运动目标检测系统中的检测效果快，而且方便实现，在现代社会的应用中，是研究的热门性方向，在各领域的应用都比较广泛。但是由于视频序列中背景图像的连续性，需要我们实时的通过视频序列的信息进行不断地更新背景，也就是我们所说的背景更新。[15]

4背景建模与背景更新

4.1引言

在背景差分法中最关键的步骤是如何获得我们所需要的背景图像，也就是说背景图像的获取是目前研究中的重要部分。而背景图像的获得通常通过两种方法获得，一种是单一固定的背景图像，另外一种则是逐渐更新的背景图像。错误！未找到引用源。

4.2单一的背景图像

单一的背景图像是背景差分法的理想化情况。在单一的背景图像下，基于视频序列的背景图像不会随着时间的变化而发生变化，也就是说背景图像在不会变化的状态下，仅仅是运动目标发生变化。错误！未找到引用源。

图4. 1 背景图像图图4. 2 差分图像

图4. 3 二值化图像图图 4. 4 形态学处理后的图像

图4. 1、图4. 2、图4.3、图4.4则是我们常见的单一背景实例。

而面对逐渐更新的背景图像，我们最常用的的方法则是建立背景模型。在目前的背景建模方法中我们经常采用单高斯背景建模、混合高斯背景建模以及

W4背景建模。[16] 单高斯背景建模用于处理背景静止不动的视频序列，其算法和原理是众多的算法中最简单的，而且在图像处理过程中并不是每一次都需要背景建模。当图像的背景不变时，我们就可以利用单高斯背景建模。图像的像素亮度符合高斯分布时，也就是说图像的在点的亮度像素符合：)(()d u N y x IB ,~,

其中为平均差，为方差。

这时应注意到随着时间的变化，背景图像会随着时间有些变化，这就要求我们随时更新背景模型。[17]单高斯背景建模适应于背景图像静止不动的场合，例如某教室或办公室，而对于背景图像变化的场景，多是室外的场景，如柳叶的摇动、旗帜的摆动、湖面的摆动等，这时候单高斯背景建模就会显露出其缺点，而在实际应用中，场景的复杂度较高，如室外的监控场景，背景中包含很多动态变化的物体，对于背景图像变化的场景我们通常会采用混合高斯背景建模。

4.3经典背景模型

颜色背景模型是背景模型的其中一种，如果当前帧图像的处的灰度值和背景图像在处的灰度值有较小的差别时，我们则认为点事背景点，反之则认为是前景点。下面介绍几种经典背景模型。

4.3.1平均背景模型

平均背景模型是把一段时间内的所有帧图像灰度值的均值作为其背景图像，当没有运动目标时，所有帧图像灰度值的均值没有明显的变化，也就是说当有运动目标出现时，所有帧图像灰度值的均值会发生明显的变化。其表达公式如下：

(4.1)

为视频中第帧图像，为视频中第帧图像的背景图像，把前帧图像的灰度值作为背景图像。

从这个公式可以看出：如果想得到的背景图像越真实，那么的取值就要越大，算法简单，最大的缺点是实用差，不能很好地适应突变的场景，在室外的应用有很大的弊端。

4.3.2非参数背景模型

B u d ()y x ,()y x ,()y x ,()∑=-=n

k k i i y x f n B 0,1()y x f i ,i ()y x B i ,n n n

非参数背景模型是利用概率论的相关知识来建立背景模型的，图像在点的灰度值用来表示。

(4.2)

且 ∑==n

i i 01α，是在时间的像素点灰度值。

如果在时间满足 时，我们则会默认为这个点是前景点，反之则是背景点，非参数背景模型算法要求计算每帧图像的每一个点，因此计算量比较大，消耗时间较长。

4.4混合高斯模型

将视频序列准确的量化分析，将某一视频分解成若干的基于高斯函数，这就是我们所说的高斯模型。

4.4.1混合高斯模型的基本思想

对于基于视频序列的图像的每一个像素点，都可以用K 个不同的正态分布函数来表示，K 通常取 3 ~5。通常K 越大说明其抗干扰能力越强，每个正态分布函数都记录一个均值和一个协方差矩阵。假如要知道该点是背景点还是前景点时，则只需要将该点与K 个高斯分布的均值相比较，该像素点的值不在某一均值允许范围之内时，则认为该像素点是前景点，否则认为是背景点。某点像素在时间t 位于背景图像的概率为：

(4.3)

其中：

表示时刻的混合高斯模型中第h 个正态分布的权重；表示第h 个

正态分布的均值；表示对应的协方差矩阵； 表示正态分布的

概率密度函数，记为

()y x ,()()(){}y x f y x f y x f n ,,...,,,,21()()()()()

y x f y x f K y x f P i t n i h i t ,,,1-=∑=α()y x f t ,t ()y x ,t ()()T y x f y x f i t ≥-,,()y x ,)()()()(∑∑?==t h t h t k h t h t y x I y x I P ,,1,,,,,μηωt h ,ωt h ,μ()∑∑=t h n t h t h I ,2,,σt h ,ωt t h ,μ()∑∑=t h n t h t h I ,2,,ση

(4.4)

传统的混合高斯背景模型如下图所示：

(())()(())(())t y x t t t y x t n t I I y x I T μμπη----∑?∑=,,212121

21

,

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

视频运动跟踪技术

视频运动目标跟踪算法研究 摘要：视频图像中的运动物体跟踪技术是计算机视觉、计算机科学、视频监控等学术领域的一个重要课题。该技术将数字图像处理领域中对静态图像的分析扩展到动态图像中。运动物体识别和跟踪技术的研究成果不仅在社会日常生活和工作中有着广泛的应用前景，而且在军事、交通、医学和科研等领域发挥着日益重要的作用。运动物体识别与跟踪算法的设计将直接影响识别和跟踪效果的准确性及稳定性，对于精确度高、鲁棒性好的算法研究一直是计算机视觉和数字图像处理等领域的热点问题。 关键词：目标跟踪，Mean shift算法，目标检测，粒子滤波 1 研究现状 视频目标跟踪技术已经得到了广泛的应用，主要应用有以下几个方面：智能视频监控、人机交互、机器人视觉、自动驾驶。其背后存在的学术价值和蕴藏的经济价值更是得到了很多人员的青睐，很多学术机构、大型公司以及一些科研人员正在投入大量的人力和财力进行各种开发和科研。 Fukunaga等人早期就提出了Mean shift跟踪算法，他们提出了一种概率密度函数的估计方法。不过在后来相当长的时间里并未受到大家的关注，直到1995年，随着Cheng对其进行近一步的研究并成功将其推广到计算机视觉领域中，这才得到了许多专业人士和科研人员的重视。目前存在很多经改进的Mean shift 算法。另外，在算法融合方面，有许多学者也做了相应的研究，K. NuInmiaro提出了将Mean shift算法和粒子滤波算法相融合，从而提高了目标跟踪的鲁棒性和准确性。 标准卡尔曼算法是在线性系统下滤波的，对于非线性、非高斯的系统没有效果。为此，人们开发出各种非线性滤波算法。一种是扩展卡尔曼算法进行滤波与估算，只适用于滤波误差和预测误差很小的情况；另一种是粒子滤波器[1]，它是近些年出现的解决非线性问题的有效算法。粒子滤波技术通过非参数化的蒙特卡罗模拟方法来实现递推贝叶斯滤波，适用于任何能用状态空间模型以及传统的卡尔曼滤波表示的非线性系统,精度可以逼近最优估计。 在目标模型选取上,也有一些专家进行了探索。1）通过对粒子滤波的研究，将颜色作为目标模型并用粒子滤波跟踪，结果表明该方法可以增加遮挡情况下的鲁棒性。但是这种方法有些欠缺，即如果目标和背景有一定的相似度，则跟踪精度容易下降。2）将目标的边缘特征提取出来来代表目标进行跟踪，结果显示这种方法直观地增强了跟踪的鲁棒性。鉴于颜色描述目标色彩信息，边缘代表目标的轮廓，因此将这两种互补信息结合来代表目标可以改善跟踪效果。3）用局部线性嵌入流形(LLE)将问题降为二维空间，然后进行解决。4）利用一定的判别准则来有效分离目标和背景，并建立有明显区别的目标模板，最后成功用于跟踪中。5）通过Adaboost方法练习得到若干弱分类器，然后用系统集成的方法将其形成强分类器，然后用它们来区别目标和背景，以此用特定的方法获得目标的状态，并跟踪出目标运动的轨迹。 视频目标跟踪的难点主要包括以下几个方面[2]：1）目标外观变化。目标运动过程中发生形状的变化，加上相对于摄像机的视角、尺寸变化，造成目标在图像平面上复杂的外观变化，增加了目标建模的难度。2）复杂背景。变化的光照、与目标颜色相似的背景以及杂乱的变化环境使得较难将目标从背景中区分开来。3）遮挡问题。遮挡包括背景的遮挡和目标之间的遮挡。部分遮挡造成目标部分外观特征检测不到，而且引入了遮挡物的干扰；完全遮挡需要跟踪算法要有重新恢复的机制，当目标再次出现时能重新定位。4）目标的复杂运动。非线性的目标运动使得跟踪算法难以预测目标的运动状态，增加了跟踪算法的搜索计算量。 2 视频运动跟踪概述 视频目标跟踪系统的基本框架如下图，

运动序列目标检测算法研究及 DSP 实现

运动序列目标检测算法研究及DSP实现 李文艳，王月琴，张笑微 （西南科技大学信息工程学院四川绵阳621010） 摘要：由于实际场景的多样性，目前常用的运动目标检测算法都还存在一定程度的缺陷，因此本文提出了一种将帧差法和背景减法相结合的方法，实现快速精确地检测和提取运动目标。实验结果表明，本方法是比较实用的，能较好满足实时视频监控系统的要求。最后将程序移植到基于DSP的平台上，进行相应的优化后基本满足了实时性的要求。 关键词：目标检测；帧差法；背景减法 中图分类号：TP751.1 文献标识码：A Algorism Research of Moving Object Detection and DSP Implementation LI Wen-yan，WANG Yue-qin，ZHANG Xiao-wei (Southwest University of Science and Technology Mianyang Sichuan China 621010) Abstract: Because of the environment’s variety, the methods that have been used for moving object detection need to be improved. An algorithm based on two consecutive frames subtraction and background subtraction is presented and it can detect and extract object quickly and accurately. The results show that the proposed method is a practical one. It can meet the need of the real time video surveillance and monitoring system. The coding is transplanted in DSP, and the project is executed successfully on CCS simulator. Keywords: Object detection; Frames subtraction; Background subtraction 引言 运动目标的检测在智能监控等领域中得到了广泛的应用。运动目标的检测就是从视频流中去除静止背景提取出运动的目标，运动目标的有效分割对跟踪等后期处理非常关键。 本文提出了将帧间差分和背景减法相结合的方法。首先选取一帧作为背景帧, 建立各像素点的高斯模型。再运用帧间差分法对相邻两帧图像进行差分处理, 区分出背景点和变化的区域。然后将变化区域与背景帧的对应区域进行模型拟合区分出显露区和运动物体。 1 运动目标检测算法总体流程 采用帧间差分与背景减法相结合的算法进行运动目标检测，包括运动目标的检测和将检测到的运动目标从背景中分割出来两部分，其系统框架流程图如图1所示。 图1 运动目标检测流程图 这种设计充分利用了被检测区域部分时间静止的特点，具有智能检测的功能，它只在检

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

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

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

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，

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

视频目标跟踪算法综述_蔡荣太

1引言 目标跟踪可分为主动跟踪和被动跟踪。视频目标跟踪属于被动跟踪。与无线电跟踪测量相比，视频目标跟踪测量具有精度高、隐蔽性好和直观性强的优点。这些优点使得视频目标跟踪测量在靶场光电测量、天文观测设备、武器控制系统、激光通信系统、交通监控、场景分析、人群分析、行人计数、步态识别、动作识别等领域得到了广泛的应用[1-2]。 根据被跟踪目标信息使用情况的不同，可将视觉跟踪算法分为基于对比度分析的目标跟踪、基于匹配的目标跟踪和基于运动检测的目标跟踪。基于对比度分析的跟踪算法主要利用目标和背景的对比度差异，实现目标的检测和跟踪。基于匹配的跟踪主要通过前后帧之间的特征匹配实现目标的定位。基于运动检测的跟踪主要根据目标运动和背景运动之间的差异实现目标的检测和跟踪。前两类方法都是对单帧图像进行处理，基于匹配的跟踪方法需要在帧与帧之间传递目标信息，对比度跟踪不需要在帧与帧之间传递目标信息。基于运动检测的跟踪需要对多帧图像进行处理。除此之外，还有一些算法不易归类到以上3类，如工程中的弹转机跟踪算法、多目标跟踪算法或其他一些综合算法。2基于对比度分析的目标跟踪算法基于对比度分析的目标跟踪算法利用目标与背景在对比度上的差异来提取、识别和跟踪目标。这类算法按照跟踪参考点的不同可以分为边缘跟踪、形心跟踪和质心跟踪等。这类算法不适合复杂背景中的目标跟踪，但在空中背景下的目标跟踪中非常有效。边缘跟踪的优点是脱靶量计算简单、响应快，在某些场合（如要求跟踪目标的左上角或右下角等）有其独到之处。缺点是跟踪点易受干扰，跟踪随机误差大。重心跟踪算法计算简便，精度较高，但容易受到目标的剧烈运动或目标被遮挡的影响。重心的计算不需要清楚的轮廓，在均匀背景下可以对整个跟踪窗口进行计算，不影响测量精度。重心跟踪特别适合背景均匀、对比度小的弱小目标跟踪等一些特殊场合。图像二值化之后，按重心公式计算出的是目标图像的形心。一般来说形心与重心略有差别[1-2]。 3基于匹配的目标跟踪算法 3.1特征匹配 特征是目标可区别与其他事物的属性，具有可区分性、可靠性、独立性和稀疏性。基于匹配的目标跟踪算法需要提取目标的特征，并在每一帧中寻找该特征。寻找的 文章编号：1002－8692（2010）12-0135-04 视频目标跟踪算法综述* 蔡荣太1，吴元昊2，王明佳2，吴庆祥1 （1.福建师范大学物理与光电信息科技学院，福建福州350108； 2.中国科学院长春光学精密机械与物理研究所，吉林长春130033） 【摘要】介绍了视频目标跟踪算法及其研究进展，包括基于对比度分析的目标跟踪算法、基于匹配的目标跟踪算法和基于运动检测的目标跟踪算法。重点分析了目标跟踪中特征匹配、贝叶斯滤波、概率图模型和核方法的主要内容及最新进展。此外，还介绍了多特征跟踪、利用上下文信息的目标跟踪和多目标跟踪算法及其进展。 【关键词】目标跟踪；特征匹配；贝叶斯滤波；概率图模型；均值漂移；粒子滤波 【中图分类号】TP391.41；TN911.73【文献标识码】A Survey of Visual Object Tracking Algorithms CAI Rong-tai1,WU Yuan-hao2,WANG Ming-jia2,WU Qing-xiang1 （1.School of Physics,Optics,Electronic Science and Technology,Fujian Normal University,Fuzhou350108,China; 2.Changchun Institute of Optics,Fine Mechanics and Physics,Chinese Academy of Science,Changchun130033,China）【Abstract】The field of visual object tracking algorithms are introduced,including visual tracking based on contrast analysis,visual tracking based on feature matching and visual tracking based on moving detection.Feature matching,Bayesian filtering,probabilistic graphical models,kernel tracking and their recent developments are analyzed.The development of multiple cues based tracking,contexts based tracking and multi-target tracking are also discussed． 【Key words】visual tracking;feature matching;Bayesian filtering;probabilistic graphical models;mean shift;particle filter ·论文·*国家“863”计划项目（2006AA703405F）；福建省自然科学基金项目（2009J05141）；福建省教育厅科技计划项目（JA09040）

本科毕业设计__基于视频的目标跟踪及人群密度估计方法研究开题报告

上海交通大学 2012 级硕士学位论文开题报告登记表 学号姓名导师李建勋学科控制科学与工程学院(系、所) 电子信息与电气工程学院 学位论文题目稳健对地目标跟踪方法研究 研究课题来源国家自然科学基金、航天创新基金、中航613横向项目 课题的意义以及研究的主要内容 运动目标跟踪是视觉图像处理中的一个非常热门的话题，在多个领域有着广泛的应用。运动目标跟踪的应用领域和环境主要有：对大型公共场所进行智能化视频监控、基于视频的人机交互、交通流量监测、医疗诊断等。 本文从计算机视觉角度研究对地目标跟踪方法。由于视觉跟踪系统能在比较复杂的背景下，提取与分离市场内的目标、确定目标位置、估计目标运动趋势、实现对目标的实时跟踪，且具有跟踪精度高、跟踪状态平稳、抗干扰能力强、分辨率高和成本低等特点，在军事上很受重视。在民用领域，对地目标跟踪也有着广泛的应用：对大型公共场所进行智能化视频监控。例如在机场、商场、地铁站等场所进行智能化监控，其主要目的都是为了保障公众财产和信息安全。在人群监测、交通管理上实现智能化有非比寻常的意义。 以以上应用为背景，本文的对地目标跟踪技术包含以下几个主要技术模块：单目标跟踪技术、多目标跟踪技术、密集目标跟踪技术。分出这几个模块是为了应对不同的应用场景，或是在同一场景需要各模块的协同合作。例如地铁站的人群流量具有明显时段特征，早晚上下班高峰人流极大，而其他时段人流量明显减少，这就需要对不同时段采用不同的跟踪方法以达到最好的效果。在上下班高峰期，采用密集目标跟踪技术，而在其他时段，采用多目标跟踪技术，而在有特殊需要的时候，例如跟踪特定犯罪嫌疑人时，可采用单目标跟踪技术。 本文研究的主要内容具体有： ①粒子滤波基本方法研究，这是单目标跟踪方法的框架。在图像跟踪应用中，目标状态的后验概率分布往往是非线性非高斯多模态的，粒子滤波方法对于系统模型没有特殊要求，且能够保持状态的多模态分布，在跟踪领域得到了很大的发展。但常规粒子滤波跟踪算法存在计算量大、采样效率低等问题。 ②粒子群最优化思想研究，改进常规粒子滤波采样效率低的问题，提高采样效率。针对常规粒子滤波跟踪算法存在计算量大、采样效率低等问题，引入粒子群优化思想对目标状态后验分布进行最优搜索，找到后验分布的高似然区，并依据此高似然区来进行重采样。 ③变结构多模型的设计，以更好的表征目标的运动模型。几乎所有的方法对目标的运动状态都假定为平滑的，或者将运动限制在恒速或恒加速运动状态。而实际情况并非如此，例如机动目标的运动状态就很难用单一模型来表征。本文引入变结构多模型方法为目标建立变结构多运动模型。变结构多模型方法能够很好的表征目标的运动模型却又不增加过多的计算量，因此相比单一运动模型能够更好的估计目标的运动。

(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matlab的运动目标检测

1 绪论 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。 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。 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。

(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(,)k f x y 和(1)(,)k f 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： 1(1)(,)(,)k k k Diff f x y f 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1k Diff +；2、对所得到的差值图像1k Diff +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1k Q +进行必要的滤波和去噪处理，后处理结果为1k M +。 111255,,(,)0,,(,)k k k if Diff x y T Q if Diff x y T +++>?=?≤? （T 为阈值） （2-2）