全文总字数：2285字

1. 研究目的与意义及国内外研究现状

目标检测是计算机视觉领域的一个重要领域，广泛应用于机器人导航、智能视频监控、工业检测、航空航天等诸多领域。自然存在的一切图像都是连续变化的模拟图像，这些图像中的运动目标，是我们获取视觉信息的重要来源。由于场景的动态变化，如天气、光照阴影及杂乱背景干扰等的影响，使得运动目标的检测变得相当困难，如何在复杂场景中有效地进行运动目标检测仍然是个很有挑战性的问题，也具有广阔的应用前景。

国内外研究现状

目标检测是当前计算机视觉和机器学习领域的研究热点，几十年来，研究人员已经提出了多种运动目标检测的方法，如帧间差分法，视觉背景提取法（vibe），光流法，背景相减法等。

上个世纪70年代末，jain等在文献[1]中提出了利用帧间差分的方法来提取运动目标。帧间差分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。使用基于时间序列图像上的差分图像检测运动目标，能够较好地适应环境变化大的情况，运算速度快，但是对于图像序列中运动缓慢的目标其检测效果不好，难以有效检测出运动物体的所有像素点，运动实体内部容易产生空洞现象，因此该方法适用于简单的运动检测。

2009年，barnich等在文献[2]中提出了一种新颖的基于像素点的运动目标检测法，并命名为视觉背景提取法（vibe），该算法直接对每个像素点按照一定的规则随机地选取一定数量的像素值进行背景建模，之后采用欧氏距离对像素点进行前景与背景的分类。这个算法的优点是不需要假定任何概率模型，并且可以在视频序列的第二帧就进行运动目标的检测，效率高，计算速度也很快，但在一些深色背景、阴影以及背景快速变化的场景中还是会出现问题，如“鬼影”现象等。

2. 研究的基本内容

本论文主要研究内容有以下几个方面：

一是静态场景下运动目标检测，即摄像机在静止条件下对运动目标的检测，可能存在一些小的干扰，如风吹草动、摄影机抖动等，就是从序列图像中将实际的变化区域和背景区分开了，静态场景下运动目标检测的方法很多，更侧重于背景扰动小噪声的消除，通过光帧间差分法以及背景相减法等方法研究，比较各自的优缺点。

二是动态场景下的运动目标检测，及摄像机在运动条件下对运动目标的检测，需要进行图像的全局运动估计与补偿，因为在背景和目标都处在运动状态的条件下是无法简单的根据运动来判断的。在智能监控摄像头可以进行上下、左右转动。动态场景下运动目标检测的方法也很多，如块匹配、光流估计等。

3. 实施方案、进度安排及预期效果

本文主要研究复杂场景中的运动目标检测，分别从静态场景中和动态场景中对运动目标检测进行深入研究。论文的安排如下：

2018.12.01-12.31确定论文主题方向，搜集资料，进行开题报告；

2019.01.01-02.15根据已有资料、构筑论文大纲；

4. 参考文献

[1] 童飞扬. 基于视频流的四带图像偏色校正研究[d]. 2016.

[2] 王正. 复杂场景下运动目标检测与分类算法研究[d]. 2007.

[3]李艾华，崔智高等. 视频图像运动目标检测技术[m].北京：科学出版社，2017：129.