论文总字数：17735字

摘 要

人体运动目标的检测与跟踪是人体运动视觉分析的重要内容，也是计算机视觉研究的重要领域之一。在智能安全监控、高级人机交互、人体运动细节分析等方面有着广泛的应用前景和极大的经济价值。包含运动人体的图像序列的形成可基于以下两种情况:一种是静态背景环境，一种是动态背景环境。本文重点研究了静态背景下视频图像序列中人体运动目标的检测识别与跟踪。

在人体运动目标跟踪方面，本文先介绍了几种常用的运动目标跟踪方法，然后重点研究了背景差分和帧间差方法。基于背景差分法，在运动目标信息检测中，视频图像中运动物体分析关键的一步就是从连续的视频图像中提取出运动目标 ，即运动目标检测。传统的运动目标检测方法有 3 种 :背景图像差分法，帧间差分法和光流法 ，分析比较了它们的优缺点以及适用场合，本文采用背景差分法进行目标的检测。首先是背景建模，其次是前景检测，最后是背景模型更新。最简单的背景建模方法是提取不含前景的视频前几帧图像，对这几帧图像采用均值滤波或者中值滤波的方法来建立初始背景模型。经实验证明，该算法流程检测效果良好，具有很好的鲁棒性，背景适应环境的能力就比较强，但是很容易受到噪声的影响。

关键词：目标检测 目标跟踪 检测方法 背景差分法

 Dssign and Realization of detection and tracking of moving video images based on the human body

Abstract

Human detection and tracking of moving target is an important content of visual analysis of human movement， is also one of the important research field in computer vision. Have a wide application prospect and great economic value in intelligent security monitoring， advanced man-machine interaction，the details analysis of human movement. Which contains the human motion image sequence can be the following .This paper focuses on the detection and tracking of human motion in video sequences with static background objects.

In the human object tracking， this article introduced several commonly used moving target tracking method， and then focus on the Calmanfilter tracking method. Calman filter based tracking moving information by target. In moving object detection， motion analysis in video images is the key step to extract moving objects from the video images， moving target detectionis. There are three kinds of traditional methods of moving object detection. The background image difference method， threshold method and optical flow method， frame difference， analyzed their advantages and disadvantages and applicable occasions， detection by using the background difference method for object. The first is background modeling， followed by foreground detection， and finally updating background model. Background modeling is the most simple way to extract containing no prospect of the video before a few frames of the image method， using the mean filter and median filter to establish the initial background model.Proved by the experiment， the detection result of the algorithm flow of good， good robustness， background adaptation environment ability is strong， but it is easy to be affected by noise.

Keywords: target detection  target tracking detection method background difference method

目 录

摘要 I

Abstract

第一章 绪论 1

1.1 研究背景和意义

1.2 国内外研究现状

1.2.1国外研究现状

1.2.2国内研究现状

1.2.3存在的主要难点

1.3运动目标的检测与跟踪概述

1.3.1运动目标的检测

1.3.2运动目标的跟踪

1.4论文的结构安排

第二章 运动目标的检测技术方法简介

2.1 引言

2.2运动检测方法简介

2.2.1背景图像差分法

2.2.2帧间差分法

2.2.3光流法

2.3运动检测方法比较

2.4本章小结

第三章 基于背景差人体的检测

3.1背景模型的建立

3.1.1背景模型的概念

3.1.2传统背景模型的建立

3.1.3建模方法-中值滤波法

3.1.4背景模型更新

3.2图像处理

3.2.1二值化

3.2.2噪声的处理

3.2.3形态学处理

3.3 小结

第四章基于背景差和帧间差的运动目标检测

4.1 背景差和帧间差的算法描述

4.2 运动目标检测与跟踪

4.3实验结果及分析

4.4小结

第五章 总结与展望

5.1运动目标检测与跟踪的进一步工作

参考文献

致谢

第一章 绪论

1.1 研究背景和意义

人类从外界获取的所有感官信息中一般有70%都来源于视觉。随着电子计算机、网络通信技术的发展，视频、图像以它最能直观有效的描述信息特点，广泛深入到人们生活的各个方面。随着我们对生存环境越来越关注，应对突发灾难的预防意识大大的提升，视频监控已经不仅仅限制在在国家关键部门发展从而扩展到了金融机构、交通设施、公共娱乐场、社区住宅所等各个领域。研究报告表明:中国最有希望形成继美国之后的全球第二大安防市场^[1]。

近几十年来，传统的视频监控系统已经广泛应用在各个领域，尽管能完成对场景的实时监视、但是它却只是相当于一个电子眼，要求监控人员时刻的注意屏幕，然后通过人理解判断才能得到相应的结论。然而人的精力和注意力都是有限的，当持续监视屏幕一定时间以上，人的能力将不能满足监控的需求。不仅如此，如果视频画面复杂，变化快，人眼往往不能及时的做出反应，同时也直接决定了后续的行为理解判断，从而影响决策，造成严重损失。随着现代社会对监控的需求越来越大，要求的水平也越来越高，早已经超于人力所及的范围。为了让视频监控系统具有主动监测和主动预警的功能，就需要视频监控系统能够智能的对大量的信息进行分析、理解，并做出适当的决策，智能视频监控系统应运而生。

请支付后下载全文，论文总字数：17735字