基于帧间差分算法的运动目标检测研究毕业设计论文文档格式.docx

基于帧间差分算法的运动目标检测研究毕业设计论文文档格式.docx

《基于帧间差分算法的运动目标检测研究毕业设计论文文档格式.docx》由会员分享，可在线阅读，更多相关《基于帧间差分算法的运动目标检测研究毕业设计论文文档格式.docx（34页珍藏版）》请在冰豆网上搜索。

对本研究提供过帮助和做出过贡献的个人或集体，均已在文中作了明确的说明并表示了谢意。

作者签名：

　　　　　日　期：

指导教师签名：

　　　　　日　　期：

使用授权说明

本人完全了解大学关于收集、保存、使用毕业设计（论文）的规定，即：

按照学校要求提交毕业设计（论文）的印刷本和电子版本；

学校有权保存毕业设计（论文）的印刷本和电子版，并提供目录检索与阅览服务；

学校可以采用影印、缩印、数字化或其它复制手段保存论文；

在不以赢利为目的前提下，学校可以公布论文的部分或全部内容。

作者签名：

　　　　　日　期：

学位论文原创性声明

本人郑重声明：

所呈交的论文是本人在导师的指导下独立进行研究所取得的研究成果。

除了文中特别加以标注引用的内容外，本论文不包含任何其他个人或集体已经发表或撰写的成果作品。

对本文的研究做出重要贡献的个人和集体，均已在文中以明确方式标明。

本人完全意识到本声明的法律后果由本人承担。

日期：

年月日

学位论文版权使用授权书

本学位论文作者完全了解学校有关保留、使用学位论文的规定，同意学校保留并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅。

本人授权　　　　大学可以将本学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。

涉密论文按学校规定处理。

日期：

导师签名：

日期：

注意事项

1.设计（论文）的内容包括：

1）封面（按教务处制定的标准封面格式制作）

2）原创性声明

3）中文摘要（300字左右）、关键词

4）外文摘要、关键词

5）目次页（附件不统一编入）

6）论文主体部分：

引言（或绪论）、正文、结论

7）参考文献

8）致谢

9）附录（对论文支持必要时）

2.论文字数要求：

理工类设计（论文）正文字数不少于1万字（不包括图纸、程序清单等），文科类论文正文字数不少于1.2万字。

3.附件包括：

任务书、开题报告、外文译文、译文原文（复印件）。

4.文字、图表要求：

1）文字通顺，语言流畅，书写字迹工整，打印字体及大小符合要求，无错别字，不准请他人代写

2）工程设计类题目的图纸，要求部分用尺规绘制，部分用计算机绘制，所有图纸应符合国家技术标准规范。

图表整洁，布局合理，文字注释必须使用工程字书写，不准用徒手画

3）毕业论文须用A4单面打印，论文50页以上的双面打印

4）图表应绘制于无格子的页面上

5）软件工程类课题应有程序清单，并提供电子文档

5.装订顺序

1）设计（论文）

2）附件：

按照任务书、开题报告、外文译文、译文原文（复印件）次序装订

3）其它

摘要

运动目标检测在图像处理方面的一个很重要的应用。

在计算机视觉领域，运动目标检测研究一直是一个很好的研究方向，并且运动目标检测是分析动态图像的基础。

它在很多领域都有很广泛的应用。

比如重要场所的安全监控、航空制导、汽车驾驶等方面都。

目前国内外提出了很多种运动目标检测的方法，不过至今为止，还没有一种方法能够适应在各种测试环境中，每种方法都有自己的局限性。

在所有的运动目标检测方法中，帧间差分算法是最常用的一种运动目标检测方法。

帧间差分算法的优点是实现相对简单，程序设计复杂度低，易于实时监控等。

缺点是检测出的位置不一定精确，并且不能提取出完整的目标。

在运动目标检测方面，本文通过实现一种三帧差分算法来进行运动目标的检测。

该算法通过对视频序列进行预处理，运用帧间差分的方法提取出运动目标的大致图像，然后运用数学形态学的逻辑运算进行去噪处理，研究并分析实验结果，以期达到理想的检测效果。

实验结果表明，该算法准确性高，实时性好，能较好的解决问题，具有一定的使用价值。

关键词：

帧间差分；

运动目标检测；

数学形态学

Abstract

Movingobjectdetectionisoneofthemostactiveresearchfieldsofimageprocessingandcomputervision,andit’sthefoundationofdynamicimageanalysis.Itisusedwidelyinmanyfields,suchasanimportantplaceofsafetymonitoring,trafficcontrol,aviationandnavigation,cardrivingandsoon.Sofarthereexistsmanymethodsofmovingobjectdetectionintheworld,However,everyoneofthemhavetheirownlimitations.Inallofthem,interframedifferenceisoneofthemostfrequently.usedmethods.Itsdemeritsisthatitissimpletorealize,anditsprogramsissimple,itiseasytomomentlymonitor.However,interframedifferencecan’tdetectaccuateposition,Alsoitcan’tgetcompleteobject.

Aboutmovingobjectdetction,thispaperwepresentsathree.framedifferencealgorithmofmovingtargetdetection,thealgorithmfirstpreprocessthevideotoextractthetargettoresearch,byusinginterframedifferenceandthelogicmethodofmathematicalmorphology.Theexperimentalresultsshowsthat,thealgorithmishighaccuracyandgoodreal.timeperformance,itcansolvetheproblemeffectivelyandhascertainapplicationvalues.

KeyWords:

Interframedifference；

Movingobjectdetection；

MathematicalMorphology

第1章引言

1.1课题研究的目的及意义

我们知道，在我们的所感知到的环境信息中，视觉信息是最多的，它在人们的生活中占了相当大的一部分比例，而且在这里面，动态的视觉信息在其中有着很重要的地位。

人类对环境中的动态视觉信息的研究是计算机视觉研究的一个重要方向。

在我们的生活中，多数有意义的视觉信息基本上都是动态的，是运动的而不是静止不动的，然而动态的视觉信息与静态信息相比，更不容易捕获。

虽然我们的眼睛既能看见静止事物也能看见移动事物，但是在许多重要场合，例如交通流量检测，航空制导以及重要场合安保等环境，人类以自己的视觉捕捉到的信息，往往不能实现所预期的要求。

因此，借助外部设备来捕获动态视觉信息并进行分析，是图像处理在现实生活中的应用实例。

运动目标检测在图像处理和计算机视觉领域是一个非常活跃的研究方向，运动目标检测是动态图像分析的基础[17]。

目标运动图像序列为我们提供了非常多有的用的信息，对运动目标的检测研究，可以使我们提取到这些有用信息，从而应用于我们的现实生活中。

运动目标检测算法的大致步骤有以下几个方面：

首先选取视频序列中的图像，对图像中给定的像素区域进行分析,然后根据帧间的数据差异，可以产生相对应的运动信号,从而获取到场景中的运动目标。

运动目标检测在特定的场景中提取运动目标，并将其从背景中分离提取出来，并以此结果来分析检测到的目标能否提供有效的价值，从而帮助人们在生活中更有效的解决遇到的问题。

因此，对运动目标检测有关算法的研究具有重大的理论价值和现实意义。

1.2课题发展状况及应用前景

多年以来，计算机视觉方面的专家针对视频图像中的运动目标检测问的题，做了大量而深入的研究，并且提出了不少的运动目标检测的方法。

其中常用的背景差分法，帧间差分法，光流法，背景差分法与帧间差分法的结合方法等，帧间差分算法是最常用的方法。

虽然发展到现在，人们在运动目标检测方面取得了一定的进展，然而到目前为止，人们并没有还实现一种能适用于各种场合、各种情况的通用算法。

目前计算机方面的专家们所提出的算法各有缺陷，几乎没有一个算法能同时满足准确性、稳健性、可靠性等各种特性，因此，在运动目标检测的算法中，还有着各种各样的不足。

之所以会出现这种情况，主要原因在于图像中存在着各种干扰因素，这些因素在运动目标检测中本被视为干扰项，它们的出现给运动目标检测造成了一定的困难。

这些因素包括：

1）光线亮度的变化

由于现场光线亮度的变化会引起相应的检测的环境的变化，从而导致背景图像也随之发生变化，这些将会使我们很难将这些变化与图像中由于前景运动目标导致的变化加以区分，从而影响运动目标的检测。

2）背景景物的变动

当检测环境的背景中某些景物发生变化时时，或者背景中的景物的相对位置发生移动时，如果这些变化持续一段时间，我们就需要及时更新背景模型，这无疑增加了检测的难度。

3）背景和目标重叠遮盖

物体的前景目标在运动时，其阴影部分有可能会导致背景中的一些画面的亮度发生变化，或者是运动的目标与运动的目标之间，以及运动的目标和背景部分的重叠遮盖，都会有可能会改变检测出来的运动目标的特征。

4）前景与背景物体相近

当运动的前景目标的物体与背景中的景物在颜色或者形状等外观特征相似时，将会增大从背景中分辨出运动目标的难度。

5）非完全表态背景

如果背景并不是完全表态的，就像风中的树叶或者映射在墙上的背影等，就很有可能被当成前景目标进行处理，这样无疑增加运动目标跟检测的难度。

6）运动目标运动路径的变化

前景目标的运动轨迹调整可能会导致许多不同的目标图像频繁的出入背景中，这样将会使我们难以分辨哪些是真的背景，哪些是前景目标，从而给运动目标跟踪增加难度。

7）难以选取所检测的运动目标特征

运动图像是由一定序列的视频组成的，而是视频中包含了许多信息，在这些信息中提取图像的某个特征，有时会很困难。

因为有些信息我们是很难发现的。

就像运动目标的图像中梯度信息、深度信息等，再如彩色图像中的彩色的纹理特征、颜色信息，直方图信息等，以及运动图像中的边缘信息，中间信息等等，以上所述的信息都可以作为图像特征用来检测，如果以这些特征来对运动目标进行检测，将会带来很多问题，并切导致检测结果不准确[17]。

因此选取何种特征作为目标检测的依据，这不仅仅和采用的方法本身有关，同时还涉及到运动图像自身的特点，因此，从运动目标热证来考虑的话，人们将很难判断出哪个特征具有明显优势，适合对运动目标检测。

8）运动目标检测的实时性