论文总字数：21106字

摘 要

运动目标检测，就是对视频序列中运动目标以及背景正确分割的过程。作为计算机视觉应用中的基础环节，运动目标检测的准确性必然会对后续的图像处理产生重要的影响。

本文以KTH数据库视频和自己拍摄的视频为研究对象，采用visual studio2013和opencv2.0作为开发工具，对常用的帧间差分法、基于混合高斯建模和基于均值滤波建模的背景差分法进行了对比性的仿真实验。本文的主要工作内容如下：

首先，介绍了一些图像预处理相关的基本知识，其中包括图像灰度化、二值化、滤波以及形态学处理等操作。

然后，对背景差分法、帧间差分法和光流法这三种常用的运动目标检测算法进行了理论分析，并且对其优劣势和适用场合进行了对比。

最后，对基于混合高斯建模的背景差分法进行了理论分析。对帧间差分法、基于混合高斯建模以及均值滤波建模的背景差分法这三种方法进行了仿真实验研究。

关键词：运动目标检测 背景差分法 混合高斯建模 均值滤波建模

Research on human moving target detection method based on background subtraction method

Abstract

Moving target detection is the process of moving target in video sequences and the background of the correct segmentation. As a basic part in the application of computer vision, the detection accuracy will have a significant impact on subsequent image processing.

In this paper, I choose the KTH database of video and their shooting video as the research object, using visual and opencv2.0 as studio2013 the development tool. Then, For the commonly used inter frame difference method, the simulation experiment is carried out based on the mixed Gauss model and the background subtraction method based on the mean filter. The main content of this paper are as follows:

Firstly, this paper introduces some basic knowledge of image preprocessing, including morphological treatment of corrosion and expansion.

Then, theoretical analysis is carried out among background subtraction method, inter frame difference method and optical flow method. At the its advantages and disadvantages and applicable occasions were compared.

Finally, based on Gaussian mixture modeling of the background difference method is analyzed in theory. To the inter frame difference method, based on Gaussian mixture modeling and mean filter modeling the background difference method of the three methods were investigated experimentally. 



Keywords: Moving Moving object detection; Background subtraction; Mixed Gauss model; Mean filter modeling 

目 录

摘要 I

Abstract II

第一章 绪论 1

1.1 研究背景和意义 1

1.2 研究现状 1

1.3 论文的结构安排 2

第二章 图像预处理 4

2.1 图像灰度化 4

2.2 图像二值化 4

2.3 图像滤波 5

2.3.1 噪声分类 5

2.3.2 均值滤波 5

2.3.3 中值滤波 6

2.3.4 高斯滤波 6

2.4 图像形态学处理 7

2.5 本章小结 8

第三章 运动目标检测技术 9

3.1 帧间差分法 9

3.2 光流法 10

3.3 背景差分法 10

3.4 主流目标检测算法对比 11

3.5本章小结 12

第四章 基于背景差分法的运动目标检测 13

4.1 基于背景差分法的运动目标检测流程 13

4.2 常用的背景差分运动目标检测 13

4.2.1 混合高斯建模 13

4.2.2 均值滤波建模 17

4.3 背景建模模型性能对比 18

4.4 仿真结果及实验分析 18

4.4.1 基于KTH数据库的仿真实验 19

4.4.2 基于自拍视频的仿真实验 27

4.5 实验分析 29

4.6 本章小结 30

总结和期望 31

参考文献 33

致 谢 34

第一章 绪论

1.1 研究背景和意义

从前，人们如果想要了解外部信息，那就必须要亲历现场才能够得到信息。因为当时还没有摄像技术，一切信息必须透过人眼才可以看到。而现在随着摄像技术的兴起，人们即使足不出户也可以了解到各式各样的信息，通过一个视频监控系统在一个简单的计算机系统上就可以清楚地看出各个时刻各场景的不同情况。如今，随着数字图像处理技术及视频监控技术的提高，人类足够通过计算机系统来实现对区域的监控。学校、商场、景点无处可见的监控系统，无一不体现着智能视频监控的意义。

运动目标检测是智能视频监控领域的基础。因为对于一个监控系统，首先来说是要对运动目标进行检测，即分离前景和背景。而对于智能视频监控的好坏必然是需要运动目标检测的准确性来保障的，一旦这一环节处理效果不合适，那对于后续的识别以及跟踪等，肯定是不能够胜任的。另一个需要考虑的就是实时性，因为对一个区域的监控，如果你的监控信息需要落后好几个小时，那么这样的监控还有什么意义?随着人们对自身安全的意识的提高，人们希望时时刻刻能够提前预知到自己所处环境是否是安全的。那么对于智能视频监控系统的要求也在不断提高，一定意义上也加速了它的进程。

1.2 研究现状

在国外，上个世纪70年代Jain和Nagel通过很多的研究工作提出了累积帧差法。Horn和Schunck在1989年利用光流特征进行目标分割和检测，提出了全局平滑法，紧接着Lucas和Kanade提出了局部平滑法。Wohn提出用多重局部约束和非线性平滑条件等方法来计算视频序列中像素的光流场。Ye提出了将物体表面分割为多个小平面，并假设每个小平面之间有近似的微小运动，而且物体的运动量在很短的时间内为常量，由此得到了附加约束的光流场。另一个研究者Tretiak提出的算法则又有所不同，他的方法是把速度看作是一个局部常量，直接对基本等式求偏导数。基于光流法的检测中一般都是假设运动物体的光流场是连续的，而在现实中却是不连续的。针对这个问题，Mukawa提出了一种修改光流场基本等式的修正方法，该法引入一个修正因子q。q可以通过光照模型、投影模型和物体运动得到。

请支付后下载全文，论文总字数：21106字