摘 要

近年来，随着机器视觉、智能视频监控等领域的快速发展，运动目标的检测与跟踪技术发展越来越成熟，其在解决智能视频监控，人机交互，智能交通系统等领域有着广泛而重要的应用。基于此利用MATLAB平台读取交通监控视频并成功地检测出视频中的运动目标。本论文的主要工作和成果如下：

（1）分析比较了三种典型的运动目标检测算法：光流法、帧间差分法和基于混合高斯模型背景差分法。在各种现有算法的基础上，着重研究了基于Surendra背景更新算法的运动目标检测法，从二值差分方法、自适应阈值分割和背景更新策略三个方面进行了思考讨论。

（2）完成了基于MATLAB平台编程实现提取监控视频帧图像工作，并进行相关运算处理，实现了运动目标的识别与定位，并对仿真结果进行了误差分析。

关键字：运动目标检测；图像处理；背景更新

Abstract

In recent years, with machine vision, intelligent video surveillance in the areas of rapid development, moving target recognition and tracking technology of gradual development and mature, in the solve the intelligent video surveillance, human computer interaction, intelligent transportation system has extensive and important application areas. Based on this, MATLAB platform was used to read traffic monitoring video and detect the moving target in video successfully. The main work and achievements of this paper are as follows:

1. Three typical motion target detection algorithms are compared and analyzed: optical flow method, frame difference method and background difference method based on mixed gaussian model. On the basis of various existing algorithms, this paper studies the moving targets based on Surendra background update algorithm, from the binary difference method, adaptive threshold segmentation and background update strategy three aspects to discuss the thinking.
2. Completed based on MATLAB programming platform to achieve extraction of surveillance video frame work, and make relevant processing, realized the identification and location of moving targets, the error analysis and the simulation result.

Key words: Moving object detection; Image Processing; Background update

目录

第1章 绪论 1

1.1课题的研究背景及意义 1

1.2国内外研究现状以及发展趋势 1

1.2.1国内外发展现状 2

1.2.2发展趋势和难题 3

1.3 本文的结构和内容 3

第2章 算法理论知识 5

2.1目标检测算法 5

2.1.1光流法 5

2.1.2背景差分法 5

2.1.3帧间差分法 6

2.2基于背景差分法的背景提取算法 7

2.2.1手动给出背景法 7

2.2.2统计法 8

2.2.3Surendra背景更新算法 8

2.2.4混合高斯模型 9

2.3形态学滤波 10

2.3.1腐蚀和膨胀 10

2.3.2开运算和闭运算 12

第3章 检测系统设计 13

第4章 实验结果分析 15

4.1仿真分析 15

4.2 误差分析 16

第5章 总结与展望 17

参考文献 18

致谢 19

第1章 绪论

1.1课题的研究背景及意义

随着计算机技术的不停发展计算机的功能得到了很大提高，于是利用计算机来完成人类视觉能力已经成为计算机应用范围最活跃的课题之一。它对应的领域称为计算机视觉，是一门新兴技术，也是多个学科（计算机技术，电子信息工程，微电子技术等）的重叠点。运动目标检测是图像处理和计算机视觉的一个分支，由于它在理念和实施上用场十分重大，使得它在过去二十年间获得国内外学者的持续关注。在实际生活中，由人类长期例行监控某一特定区域是不靠谱的，这是由人检测的不稳定性和雇佣费用的高昂性所决定的，因此运动目标的监测十分值得被投入使用，这一系列枯燥冗长的监控过程将由稳定而持久的机器来代劳^[1]。由此可见，检测和跟踪运动目标，往往会运用到其他的知识与技术中去，例如智能运输，交通流量检测以及人体跟踪和鉴别。

运动目标检测，方向判断和图像跟踪是运动检测的三个主要方面^[2]，其中整个过程最基本的就是运动目标检测，也就是我们本文所讨论的课题。作为环节的第一部分，它就是在被看管的情形下，及时地检测和提取出运动的目标，而能不能精准地提取出运动目标，更是决定了之后其他高层次过程的处理质量，是很多基于视觉的应用的要害。由于它对实时性和识别精度要求很高，并且涉及十分多的技术领域，如人工智能、模式识别，视频图像处理等，同时在军工业和科研事业的研究应用也很广泛，所以研究价值很高。

运动目标的检测和运动目标的跟踪是关系的两个方面，但它们也彼此影响。运动物体检测是第一部分。跟踪运动目标也是分析和理解目标检测和目标行为的有效组成部分。运动目标跟踪是基于运动目标的检测，使用目标的主要特点以及使用恰当的匹配算法。在连续图像中找到最接近目标的图像位置来确定目标的位置。在实践中，跟踪运动目标不但可以提供目标轨迹和准确的定位目标，还能够为剖析和了解下一个目标的行为提供靠谱的数据源。它还可以帮助检测运动物体，从而形成良好的循环。运动目标的检测和跟踪技术是一项新兴技术，它对识别的及时性和准确性要求很高。

正是由于运动目标检测和跟踪的应用具有显着的优势和广阔的前景，因而这一课题的研究具备重大意义。

1.2国内外研究现状以及发展趋势

可见光图像、雷达图像和红外图像^[3]是图像的三个主要种类。它们的特点不同，所以它们需要不同的检测和跟踪算法来处理相应的类型。

表1.1三类图像的成像原理

本文仅分析可见光图像中的运动物体。越来越多的学术机构和公司因为其巨大的商业价值和应用价值，投入该项技术的研究。

1.2.1国内外发展现状

国外对该课题研究起步较早，许多国际上的高校和研究所，如麻省理工学学院、牛津大学等都专门设立了针对运动目标检测的研究组或者研究实验室。美英等国家已经研究了大量的相关项目。一些著名公司和研究机构，如IBM、Microsoft、麻省理工学院等近几年来投入了大量的人力物力来进行智能监控系统的研究，部分成果已经转化为产品投入了市场使用。

国内在该方面的研究起步时间晚，与国外相比还有较大差距。中国科学院北京自动化研究所下属的模式识别国家重点实验室视觉监控研究处于领先地位。他们在交通场景视觉监控、人的运动视觉监控和行为模式识别方面进行了深入研究。另外他们也总结了英国雷丁大学VIEWS的车辆交通监控原型系统的研究经验，在之前的理论研究的基础上，自行设计并初步实现了一个拥有完全自主知识产权的交通监控原型系统。

目前，国内大多数视频监控系统都侧重于视频数据的压缩，传输和存储。报警功能主要通过红外，烟雾等外部传感器实现，视频数据到达终端后，仍需实时观察和分析，或存储供以后查看。这种系统还需要大量的人力物力，但它只能实现部分预期功能，远不能满足日益增长的智能监控系统需求。

尽管国内外许多学者已经进行了大量的检测算法，但尚未建立起成熟的理论体系和实用的实用算法。特别是在抑制复杂的背景干扰方面，大部分研究工作并不是真正复杂的背景。学者们在研究和剖析国内外现有算法后，对于非简单背景下红外弱小目标检测提出了一些可靠的技术方法。并着重研究了以下二个方面：

1）具备分离特点的目标和背景特点选择和计算算法；

2）针对多目标特征的目标显着性和分离融合增强算法。

提出了不一样的检测算法来处理背景的复杂性和弱小目标的复杂性。一般来说，提升目标检测性能的诀窍是抓住目标和背景的固有特性，完整抑制背景和增强目标。对于由多个静止区域组成的复杂背景，可以使用多阈值方法将要处理的图像划分为多个灰度区域。将非平稳处理的复杂背景转换为多个平滑且简单的背景有助于检测弱目标。但在实践中，目标和背景的复杂性早已冲破了人类的认为。使用目标背景特征来有效地提高目标并抑制背景仍然是当前研究中的一个重要问题。

用于提取视频中的移动对象的算法传统上分为两种类型。还有时空组合方法，时空亮度梯度信息组合方法^[4]。

空间同性算法在运算量上比较大但是结果比较准确。这种算法的第一步是对图像执行预处理，主要是使用形态学或其他滤波器;第二步是对分割区域进行边缘检测，通过对图像的色度、亮度以及其他的信息进行空间分割；第三步是执行运动估计并合并相似的运动区域以获得最终的提取结果。包括光流算法和主动轮廓模型算法等算法。

时间变化检测算法计算量较小，但提取结果的准确性不够高。它的原理就是利用帧差的方法来检测图像中变与不变的区域，然后将静止的背景分割出来，运动的物体分割出来。本文主要讨论分析时间检测算法。

1.2.2发展趋势和难题

很多国内外的学者和机构都在研究基于计算机视觉的运动目标检测和跟踪课题，但因为其涉及多个学科的内容和复杂的研究对象，仍然存在许多研究的难题尚待解决。

例如在场景光线亮度渐变时和微弱噪声的干扰中如何提高其适应程度。因为在检测环境中的运动目标时，即便是微弱的噪声干扰和细小光线亮度的变化都会在很大程度上影响到检测结果^[5]，而在环境中无论是自然光线还是灯光的亮度都不非固定不变的，相反是实时变化的，所以检测算法倘若无法适应实时变化的光线亮度，最后的检测结果很可能不成功。

如何分别跟踪检测出多个遮挡重叠的运动物体也是一大难题。对单一运动物体进行检测和跟踪比较简单，现存的跟踪方法大都能很好的完成，但是当多个运动物体一起出现在环境中时，尤其当它们相互之间存在遮挡跟重叠问题时，怎么样将运动的目标准确地一一分离和正确地跟踪是十分有难度的。

以上是毕业论文大纲或资料介绍，该课题完整毕业论文、开题报告、任务书、程序设计、图纸设计等资料请添加微信获取，微信号：bysjorg。

相关图片展示：