当前位置：文档库 › 基于背景减法和帧差法的运动目标检测算法研究

基于背景减法和帧差法的运动目标检测算法研究

分类号：密级

硕士学位论

文

论文题

目:基于背景减法和帧差法的运动目标检测算法研

究

研究方向图像处理

专业名称通信与信息系统

研究生姓名余启明

导师姓名、职称任克强教授

2013年6月5日

江西?赣州

运动目标检测是计算机视觉领域的一个重要课题，在航空航天、视频监控以及智能交通等领域有着广泛的应用前景。研究视频图像序列中运动目标检测算法具有重要的理论价值和实践意义。本文在分析几种常见运动目标检测算法的基础上，着重研究了背景减法和帧差法。本文所做的主要工作如下：

(1)分析了运动目标检测的应用背景、研究现状和目标检测中要用到的一些视频图像处理理论。对视频序列中常用的光流法、帧差法和背景减法等运动目标检测算法进行研究，分别介绍了它们的基本原理和一些改进算法。特别是针对背景减法，分析了常见的几种背景减法的建模方法。

⑵在分析现有背景建模方法的基础之上，发现采用传统混合高斯模型建模进行目标检测时，其学习速率不可根据背景的改变而改变，影响了背景的更新效率，本文提出了一种改进的运动目标检测算法。改进的算法把学习速率分成背景建模初期和背景形成以后这两个阶段，在这两个阶段里均采用自适应的学习速率，使得模型可以更即时地更新，从而能够及时更新背景，消除运动目标的残影，提高检测准确率。实验结果表明，本文算法可以更准确地检测出运动目标，较好地消除阴影，并具有较好的自适应性和稳健性。

⑶在分析传统帧差法进行目标检测的基础之上，针对运动目标颜色与背景灰度值相似情况下出现检测的目标轮廓不完整的问题，本文进行了改进。先用改进的帧差法进行运动目标检测，再将Canny算子作用于此目标，以提取出边缘信息，最后将目标边缘与原目标取“或”操作。此方法能够较好地解决运动目标和背景颜色差别较小时，检测的运动目标轮廓不完整的问题，从而得到更加准确的运动目标。实验结果表明，本文提出的改进的基于边缘检测与帧差法的运动目标检测算法可用于比较复杂的环境，对目标色彩的局限性小，具有较好的实用性。

关键词：目标检测；背景减法；混合高斯模型；边缘检测；帧差法

Abstract

The detection of moving targets is an important topic in the field of computer vision, and has a wide range of applications in the aerospace, video surveillance, intelligent transportation and other fields. Studying moving target detection algorithm of video image sequence has important theoretical value and practical significance. This paper focuses on the analysis of several common moving target detection algorithms which based on background subtraction and frame difference. The main work of this paper is as follows:

(1)Analyzed the background of moving object detection, the current situation and video image processing theory of target detection. Studied three moving target detection algorithms, which are optical flow method, the frame difference method and background subtraction. The principles of these algorithms and improved algorithms are analyzed. At last, this paper studied the modeling methods of the background subtraction.

(2)The fixed learning rate is adopted by traditional Gaussian mixture model, in other words,

background updating. An improved moving target detection algorithm is proposed based on the background modeling algorithms. The learning rate is divided into two stages by the improved algorithms, which are the early stage of background modeling and the stage after the formation of background. The adaptive learning rate is adopted by both of the stages, so that makes the background updating immediately, eliminates the blur of a moving target, and improves the detection accuracy. The experimental results show that the improved algorithm can detect moving targets more accurately, eliminate shadows, and with a better adaptability and robustness.

(3)To solve the problem of incomplete contour when the color of the target and background are similar, this paper has carried on the improvement based on analyzing the traditional frame difference method for target detection. First the improved frame difference method is adopted on the target for the moving object detection, then we carry the Canny operator on the result above to extract the edge information, and finally the outcome from Canny operator and the result from frame difference are done with the OR operation. This method can solve the problem of the similar color between target and background better and can get more accurate moving targets. Experimental results show that, the proposed algorithm which based on edge detection algorithm and frame difference algorithm can be applied to complex environment. Also the proposed algorithm has slight color limitations and better applicability.

Key Words: moving object detection; background subtraction; Gaussian mixture model; edge detection; frame difference

MS................................................................................. I Abstract............................................................................ II m嫌.. (i)

1.1研究背景及意义 (1)

1.2研究现状 (2)

1.3研究内容和论文结构 (3)

第二章视频图像处理 (5)

2.1图像去噪 (5)

2. 1. 1均值滤波 (6)

2. 1. 2中值滤波 (7)

2. 1.3频域滤波 (8)

2.2图像的颜色空间 (11)

2.2. 1 RGB颜色空间 (11)

2. 2. 2 H SV颜色空间 (11)

2. 2. 3其他颜色空间 (13)

2.3边缘检测算法 (13)

2. 3. 1 Roberts算子 (14)

2. 3. 2 Prewitt算子 (15)

2. 3. 3 Sobel算子 (15)

2. 3. 4 Laplacian算子 (15)

2.4本章小结 (17)

第三章运动目标检测 (18)

3.1光流法 (18)

3.2帧差法 (21)

3. 2. 1基本原理 (21)

3. 2. 1改进方法 (22)

3.3背景减法 (22)

3. 3. 1 W4 模型 (23)

3. 3. 2均值滤波法 (25)

3.3.3核密度估计法 (25)

3.3.4高斯模型 (26)

3. 4本章小节 (26)

第四章改进的混合高斯模型运动目标检测算法 (27)

ill

4.1单高斯模型 (27)

4.2混合高斯模型 (28)

4.2.1背景建模 (28)

4.2.2参数更新 (28)

4. 2. 3背景模型的生成和运动目标的提取 (29)

4.2.4后期处理 (30)

4.3参数对系统性能的影响 (32)

4.3.1高斯分布数目 (32)

4.3.2学习速率 (34)

4. 3. 3 阈值 (35)

4.4改进的混合高斯模型运动目标检测算法 (36)

4.4.1学习速率的改进 (36)

4.4.2阴影的抑制 (37)

4.5实验结果与分析 (38)

4.6本章小节 (41)

第五章改进的基于边缘检测与帧差法的运动目标检测算法 (42)

5. 1 Canny边缘检测算法 (42)

5.2帧差法运动目标检测 (44)

5.2.1两帧差法 (44)

5. 2. 2三帧差法 (45)

5.3改进的基于边缘检测法与帧差法的运动目标检测算法 (45)

5.3.1改进的算法 (45)

5.3.2面积法去噪 (46)

5.4实验结果与分析 (47)

5.5本章小结 (48)

第六章总结与展望 (49)

6.1工作总结 (49)

6. 2 臟 (49)

参考t献 (51)

攻读硕士期间发表的学术论文 (54)

第一章绪论

1.1研究背景及意义

随着以网络、通信以及计算机等科学技术的迅速发展，图像和视频应用逐渐融入到人们的日常生活和工作中。在一些特殊的领域，复杂恶劣的外界环境因素可能会使人力无法直接参与，或者是工作量太大而容易造成视觉疲劳，效率下降，甚至出现操作出错等不良后果，而计算机视觉却可以很好地克服这些不足。近年来，计算机视觉在人工智能、视频图像处理、行为分析等领域受到了学者和大众的关注?2]。

运动信息处理的一般过程是：通过摄像头等设备捕获到运动信息以后，再对视频序列中运动目标进行检测，分类识别和跟踪，以及对某些运动目标的活动进行进一步分析。运动目标的检测涉及到众多学科，如数字图像处理、模式识别和自动控制等，如何使用这些技术进行运动目标检测显得尤为重要。如果运动目标检测过程中错检、漏检率过高，一定会影响到后面的目标跟踪等。因此，运动目标检测是目标跟踪的前提和基础[3]。

上世纪60年代，运动目标检测技术开始受到了学者的重视，由于当时硬件资源有限，运动视频的采集和处理只能是在有条件的实验室中仿真。21世纪，计算机技术飞速发展，硬件和软件水平都有了很大提高，运动目标检测技术逐渐从理论研究迈向实际应用。

近年来，集成电路高速发展，运动目标检测技术相对成熟，故其被广泛地应用于超市、人口密集的路口、银行等公共场所的智能视频监控系统中。智能监控系统能够处理从摄像机捕捉到的视频数据，并控制整个视频监控系统，从而赋予视频监控类似人类的智能，这是它与传统的视频监控系统最大的不同。

在停车场、大型购物广场等场所，智能视频监控系统[4]能够自动的对相关人员进行检测与跟踪，有选择地进行分析和行为理解，若有破坏或者偷盗等非法行为发生时，系统会迅速做出反应，通知有关人员进行处理，使损失降到最低。除此之外，运动目标检测广泛应用于智能交通系统中，可以通过目标检测技术来判断道路交通状况，如：车辆超速、违规、交通事故等，也可根据需要监测交通流量，以使交通指挥人员做出合理的调度。目前国内外许多城市已经配备了具有目标检测功能的监控系统，使得交通管理日益智能化。运动目标检测在军事、安检等领域也得到越来越多的研究，其中一些项目已经在实际应用中取得了相当不错的效果[5]。

一般情况下，运动目标检测算法分为光流法、帧差法和背景减法等。基于光流法的目标检测实时性较差，且需要相应的硬件支持，这种方法通常用在摄像机运动的情况下。而帧差法和背景减法的算法复杂度相对要低，便于实现，因此研究背景减法和帧差法具有十分重要的意义。

1.2研究现状

随着学者对运动目标检测技术的深入研究，运动目标检测在进入21世纪以来发展迅速。最近，强大的跟踪器已经被开发出来，可以对一些简单的目标检测进行实时跟踪。

在国外，上世纪70年代Jain和Nagel对累积巾贞差法进行了研究[6]，Horn和Schunck在1981年利用光流这一特征进行目标分割与检测，其后Lucas和Kanade[7]，Szeliski和Couglan[8]

也对光流法产生了浓厚的兴趣，并提出了一些改进的算法。背景减法伴随着WrenM的一篇关于实时跟踪人们活动的著作，即单高斯模型，也在1997年后受到学者关注。随后产生了经典的混合高斯模型采用高斯函数进行建模，这样可以得到实时的背景模型，使得背景减法进行目标检测更为精确。Shahbaz K. F.M利用运动目标的颜色与形状特性进行运动目标检测，降低了时间复杂度，取得了较好的检测效果。

国内不仅有许多学者对目标检测算法进行研究，而且有不少高校和科研机构对其投入了大量精力，如清华大学图形图像研究所、中科院自动化所等，在世界顶级计算机视觉、图像处理等相关期刊也越来越多的有国内科研机构和单位的文章出现。融入目标检测功能的智能视频监控技术已经在国内得到大量应用[12，13]，如停车场系统中的车牌识别，安防中的人脸识别等。

然而，运动目标检测并不是一项十分容易的工作[1'这主要是由目标检测中的环境复杂性和目标的不确定性造成的。现实环境中的光照不是固定不变的、目标运动的路线没有规律可言、目标颜色可能和背景十分相似、背景中的事物可能杂乱无章等等，这些不利因素都为目标检测算法的设计增加了难度[15]。具体来说，运动目标检测的难点表现在：

⑴场景的复杂性

在背景减法中，场景中光照、物体状态发生改变等，容易导致目标范围内背景与前景的错乱，如果不及时更新背景，运动目标检测的准确性就无法得以保证。

⑵色彩与背景的相似性

如果运动目标附近的环境色彩和运动目标差别不大，则极易出现检测后的运动目标带有空洞，从而会增加目标检测的难度，甚至可能使跟踪目标丢失。

⑶算法的通用性

目前为止，目标检测的一些算法及其改进算法都有一定的适用范围限制。某些算法在背景静止时检测效果很好，但光线发生突变时可能检测不到目标；某些算法在室内检测效果不错，但可能无法在室外环境下应用。还没有一种算法可以在所有环境下使用，即算法的通用性仍没有解决。

⑷算法的实时性

实时性就要求选取的算法时间复杂度不能过高，它与运动目标检测中另一个重要指标一一稳健性相矛盾。一般来说，算法的稳健性是建立在复杂算法之上的，这就造成了实时性与稳健性之间的矛盾，实际应用时要在两者之间做出取舍。

围绕运动目标检测算法，本文从图像处理进行展开，先分析了运动目标检测前期处理不可缺

1.3研究内容和论文结构

少的三种图像去噪方法。接着分析了图像的几种常用颜色空间，为后文在HSV空间进行阴影处理打下理论基础。最后研究了光流法，帧差法和背景减法这三种常见运动目标检测算法。

对背景减法和帧差法两种目标检测算法进行重点分析。首先针对传统混合高斯背景建模的不足，设计一种改进的基于此模型的目标检测算法。引入自适应的学习速率，加快了背景更新，有效解决了由于“拖影”问题造成的误检。最后在HSV空间检测阴影，通过实验发现此方法可以较好地抑制目标的阴影。

分析了帧间差分算法，引入一种结合边缘检测的帧间差分算法。利用边缘检测法对颜色较为敏感这一特性，解决了在目标与背景颜色相似时，单一帧差法目标检测不能分离出目标轮廓的问题。

对于提出的两种改进算法，本文利用openCV分别对其进行了仿真实验。

全文主要包括以下章节：

第一章介绍了目标检测技术的研究背景及意义、研究现状和内容等。

第二章介绍了视频图像处理的相关理论知识，先阐述了图像去噪中的三种滤波方法，然后分析了图像的RGB和HSV彩色空间及这些空间之间的转换等，最后简单介绍了四种常见的边缘检测算法。

第三章阐述了运动目标检测相关的一些理论知识，并对常见的三种目标检测算法分别进行分析。重点介绍了背景减法中的W4模型法、均值滤波法、核密度估计法和高斯模型等这几种常用建模方法，同时也分析了帧差法和其改进算法。

第四章设计了一种基于改进的混合高斯模型的运动目标检测算法，并结合openCV对此算法进行实验仿真与性能分析。具体来说，就是对混合高斯模型目标检测算法中的一个重要参数——学习速率进行改进，因为学习速率会影响到背景建模的响应速度，学习速率选取不恰当，会导致目标检测性能下降。本文用自适应的学习速率来替代传统混合高斯模型中的不变的学习速率，在背景建模的不同时期，分别采用不同的自适应调整策略动态更新学习速率，从而较好地解决了传统GMM 方法采用不变的学习速率所带来的目标误判问题。最后在HSV空间进行阴影抑制。通过实验发现，在相同条件下，本文的改进算法能够更准确地检测出运动目标。

第五章设计了一种改进的基于Canny算子与帧差法的运动目标检测算法，并对此算法进行了实验仿真。在运动目标与背景色彩差别较小时，此方法仍然能够检测出相对完整的轮廓。这是由于这种较小的色彩差别可以从梯度上反映出来，而Canny边缘检测正是建立在计算梯度之上，所以可以使用Canny算子先检测出所有目标的边缘，然后再结合三帧差法检测到的前景目标，二者进行逻辑“或”运算，这样保留了真正运动目标，所以可以很

好地解决色彩相似时用帧差法进行目标检测效果不理想的问题。最后以实验进行对比，结果发现本文算法可以较好地保留运动物体的边缘特征，从而物体的轮廓更加完整，可以更准确地检测出运动目标。

第六章总结全文，展望运动目标检测技术的发展和未来。

运动目标检测光流法

摘要运动目标检测方法是研究如何完成对视频图像序列中感兴趣的运动目标区域的“准确定位”问题。光流场指图像灰度模式的表面运动，它可以反映视频相邻帧之间的运动信息，因而可以用于运动目标的检测。MATLAB这种语言可移植性好、可扩展性强，再加上其中有丰富的图像处理函数，所以利用MATLAB 软件来用光流法对运动目标的检测中具有很大的优势。本设计主要可以借助matlab软件编写程序，运用Horn-Schunck算法对图像前后两帧进行处理，画出图像的光流场。而图像的光流场每个像素都有一个运动矢量，因此可以反映相邻帧之间的运动，分析图像的光流场就可以得出图像中的运动目标的运动情况。关键字：光流法；Horn-Schunck算法；matlab

目录 1光流法的设计目的 (1) 2光流法的原理 (1) 2.1光流法的介绍 (1) 2.1.1光流与光流场的概念 (1) 2.1光流法检测运动目标的原理 (2) 2.1.1光流场计算的基本原理 (2) 2.2.2基于梯度的光流场算法 (2) 2.2.3Horn-Schunck算法 (3) 2.2.4光流法检测运动目标物体的基本原理概述 (5) 3光流法的程序具体实现 (6) 3.1源代码 (6) 3.1.1求解光流场函数 (6) 3.1.2求导函数 (9) 3.1.3高斯滤波函数 (9) 3.1.4平滑性约束条件函数 (10) 3.1.5画图函数 (10) 4仿真图及分析 (12) 结论 (13) 参考文献 (14)

1 光流法的设计目的数字图像处理，就是用数字计算机及其他有关数字技术，对图像进行处理，以达到预期的目的。随着计算机的发展，图像处理技术在许多领域得到了广泛应用，数字图像处理已成为电子信息、通信、计算机、自动化、信号处理等专业的重要课程。数字图像处理课程设计是在学习完数字图像处理的相关理论后，进行的综合性训练课程，其目的是：使学生进一步巩固数字图像处理的基本概念、理论、分析方法和实现方法；增强学生应用Matlab编写数字图像处理的应用程序及分析、解决实际问题的能力；尝试所学的内容解决实际工程问题，培养学生的工程实践能力。运动目标检测是数字图像处理技术的一个主要部分，近些年来，随着多媒体技术的迅猛发展和计算机性能的不断提高，动态图像处理技术日益受到人们的青睞，并且取得了丰硕的成果，广泛应用于交通管理、军事目标跟踪、生物医学等领域。因此，基于光流法，实现运动目标的检测是本文的研究对象。结合图书馆书籍、网上资料以及现有期刊杂志，初步建立起运动目标检测的整体思路和方法。 2 光流法的原理 2.1 光流法的介绍 2.1.1 光流与光流场的概念光流是指空间运动物体在观测成像面上的像素运动的瞬时速度，它利用图像序列像素强度数据的时域变化和相关性来确定各自像素位置的“运动”，即反映图像灰度在时间上的变化与景物中物体结构及其运动的关系。将二维图像平面特定坐标点上的灰度瞬时变化率定义为光流矢量。视觉心理学认为人与被观察物体

运动目标检测方法总结报告

摘要由于计算机技术的迅猛发展，使得基于内容的视频信息的存取、操作和检索不仅成为一种可能，更成为一种需要。同时，基于内容的视频编码标准MPEG-4和基于内容的视频描述标准MPEG-7正在发展和完善。因此提取和视频中具有语义的运动目标是一个急需解决的问题。运动目标提取和检测作为视频和图像处理领域的重要研究领域，有很强的研究和应用价值。运动检测就是将运动目标从含有背景的图像中分离出来，如果仅仅依靠一种检测算法，难以从复杂的自然图像序列中完整地检测出运动的目标。较高的检测精度和效率十分重要，因此融合多种检测方法的研究越来越受到重视。本文介绍了几种国内外文献中的经典的视频运动目标的检测和提取算法，并对各种方法进行了评价和总结。首先介绍了基本的运动目标检测的基本知识和理论，然后介绍了基本的几种目标检测方法及其各种改进方法。对今后的运动目标检测提取的相关研究提供一定的参考。关键词：运动目标检测光流法帧差法背景建模方法

ABSTRACT Because of the rapid development of computer technology, it is possible to access, operate and retrieve the video information based on the content of the video. At the same time, based on the content of the video coding standard MPEG-4 and content-based video description standard MPEG-7 is developing and improving. Therefore, it is an urgent problem to be solved in the extraction and video. Moving object extraction and detection is a very important field of video and image processing, and has a strong research and application value. Motion detection is to separate moving objects from the image containing background, if only rely on a detection algorithm, it is difficult to from a complex natural image sequences to detect moving target. Higher detection accuracy and efficiency are very important, so the study of the fusion of multiple detection methods is becoming more and more important. In this paper, the detection and extraction algorithms of the classical video moving objects in the domestic and foreign literatures are introduced, and the methods are evaluated and summarized. Firstly, the basic knowledge and theory of basic moving target detection is introduced, and then the basic method of target detection is introduced. To provide a reference for the research on the extraction of moving target detection in the future. Keywords: Visual tracking Optical flow method Frame Difference Background modeling method

运动序列目标检测算法研究及 DSP 实现

运动序列目标检测算法研究及DSP实现李文艳，王月琴，张笑微（西南科技大学信息工程学院四川绵阳621010）摘要：由于实际场景的多样性，目前常用的运动目标检测算法都还存在一定程度的缺陷，因此本文提出了一种将帧差法和背景减法相结合的方法，实现快速精确地检测和提取运动目标。实验结果表明，本方法是比较实用的，能较好满足实时视频监控系统的要求。最后将程序移植到基于DSP的平台上，进行相应的优化后基本满足了实时性的要求。关键词：目标检测；帧差法；背景减法中图分类号：TP751.1 文献标识码：A Algorism Research of Moving Object Detection and DSP Implementation LI Wen-yan，WANG Yue-qin，ZHANG Xiao-wei (Southwest University of Science and Technology Mianyang Sichuan China 621010) Abstract: Because of the environment’s variety, the methods that have been used for moving object detection need to be improved. An algorithm based on two consecutive frames subtraction and background subtraction is presented and it can detect and extract object quickly and accurately. The results show that the proposed method is a practical one. It can meet the need of the real time video surveillance and monitoring system. The coding is transplanted in DSP, and the project is executed successfully on CCS simulator. Keywords: Object detection; Frames subtraction; Background subtraction 引言运动目标的检测在智能监控等领域中得到了广泛的应用。运动目标的检测就是从视频流中去除静止背景提取出运动的目标，运动目标的有效分割对跟踪等后期处理非常关键。本文提出了将帧间差分和背景减法相结合的方法。首先选取一帧作为背景帧, 建立各像素点的高斯模型。再运用帧间差分法对相邻两帧图像进行差分处理, 区分出背景点和变化的区域。然后将变化区域与背景帧的对应区域进行模型拟合区分出显露区和运动物体。 1 运动目标检测算法总体流程采用帧间差分与背景减法相结合的算法进行运动目标检测，包括运动目标的检测和将检测到的运动目标从背景中分割出来两部分，其系统框架流程图如图1所示。图1 运动目标检测流程图这种设计充分利用了被检测区域部分时间静止的特点，具有智能检测的功能，它只在检

(完整版)视频目标检测与跟踪算法综述

视频目标检测与跟踪算法综述 1、引言运动目标的检测与跟踪是机器视觉领域的核心课题之一，目前被广泛应用在视频编码、智能交通、监控、图像检测等众多领域中。本文针对视频监控图像的运动目标检测与跟踪方法，分析了近些年来国内外的研究工作及最新进展。 2、视频监控图像的运动目标检测方法运动目标检测的目的是把运动目标从背景图像中分割出来。运动目标的有效分割对于目标分类、跟踪和行为理解等后期处理非常重要。目前运动目标检测算法的难点主要体现在背景的复杂性和目标的复杂性两方面。背景的复杂性主要体现在背景中一些噪声对目标的干扰，目标的复杂性主要体现在目标的运动性、突变性以及所提取目标的非单一性等等。所有这些特点使得运动目标的检测成为一项相当困难的事情。目前常用的运动目标检测算法主要有光流法、帧差法、背景相减法，其中背景减除法是目前最常用的方法。 2.1帧差法帧差法主要是利用视频序列中连续两帧间的变化来检测静态场景下的运动目标，假设f k（x, y）和f（k i）（x, y）分别为图像序列中的第k帧和第k+1帧中象素点（x，y）的象素值,则这两帧图像的差值图像就如公式2-1所示： Diff ki f k（x, y） f（k 1）（x, y）（2-1）2-1式中差值不为0的图像区域代表了由运动目标的运动所经过的区域（背景象素值不变），又因为相邻视频帧间时间间隔很小，目标位置变化也很小，所以运动目标的运动所经过的区域也就代表了当前帧中运动目标所在的区域。利用此原理便可以提取出目标。下图给出了帧差法的基本流程：1、首先利用2-1式得到第k帧和第k+1帧的差值图像Diff k 1；2、对所得到的差值图像Diff k 1二值化（如式子2-2示）得到Qk+1 ；3、为消除微小噪声的干扰，使得到的运动目标更准确，对Q k 1进行必要的滤波和去噪处理，后处理结果为M k 1。 1

(完整word版)基于图像处理的运动物体的跟踪与检测开题报告

1、课题来源随着计算机技术的高速发展，运动物体的检测和跟踪在图像处理、计算机视觉、模式识别、人工智能、多媒体技术等领域越来越受到人们的关注。运动跟踪和检测的应用广泛，在智能监控和人机交互中，如：银行、交通、超市等场合常常使用运动跟踪分析技术，通过定位物体并对其行为进行分析，一旦发现物体有异常行为，监控系统就发出警报，提醒人们注意并即时的处理，改善了人工监督注意力分散、反应时间较慢、人力资源浪费等问题。运动目标的跟踪在虚拟现实、工业控制、军事设备、医学研究、视频监控、交通流量观测监控等很多领域也有重要的实用价值。特别在军事上，先进的武器导航、军事侦察和监控中都成功运用了自动跟踪技术。而跟踪的难点在于如何快速而准确的在每一帧图像中实现目标定位。正因如此，对运动目标的跟踪和检测的研究很有价值。 2、研究目的和意义运动目标检测是图像处理与计算机视觉的一个分支，在理论和实践上都有重大意义，长久以来一直被国内外学者所关注。在实际中，视频监控利用摄像机对某一特定区域进行监视，是一个细致和连续的过程，它可以由人来完成，但是人执行这种长期枯燥的例行监测是不可靠，而且费用也很高，因此引入运动监测非常有必要。它可以减轻人的负担，并且提高了可靠性。概括起来运动监测主要包括三个内容：运动目标检测，方向判断和图像跟踪。运动目标检测是整个监测过程的基础，运动目标的提取准确与否，直接关系到后续高级过程的完成质量。3、国内外研究现状和发展趋势及综述运动目标检测在国外已经取得了一些的研究成果，许多相关技术已经开始应用到实际系统中，但是国内研究相对落后,与国外还有较大差距。传统的视频目标提取大致可以分两类,一类以空间同性为准则,先用形态学滤波器或其他滤波器对图像作预处理;然后对该图像的亮度、色度或其他信息作空间上的分割以对区域作边缘检测;之后作运动估计,并合并相似的运动区域以得到最终的提取结果。如光流算法、主动轮廓模型算法。此类方法结果较为准确但是运算量相对较大。另一类算法主要以时间变化检测作为准则,这类算法主要通过帧差检测图像上的变化区域和不变区域,将运动物体与静止背景进行分割。此类方法运算量小,提取结果不如前类方法准确。此外,还有时空结合方法、时空亮度梯度信息结合的方法等等。 4、研究方法

目标检测综述

一、传统目标检测方法如上图所示，传统目标检测的方法一般分为三个阶段：首先在给定的图像上选择一些候选的区域，然后对这些区域提取特征，最后使用训练的分类器进行分类。下面我们对这三个阶段分别进行介绍。 (1) 区域选择这一步是为了对目标的位置进行定位。由于目标可能出现在图像的任何位置，而且目标的大小、长宽比例也不确定，所以最初采用滑动窗口的策略对整幅图像进行遍历，而且需要设置不同的尺度，不同的长宽比。这种穷举的策略虽然包含了目标所有可能出现的位置，但是缺点也是显而易见的：时间复杂度太高，产生冗余窗口太多，这也严重影响后续特征提取和分类的速度和性能。（实际上由于受到时间复杂度的问题，滑动窗口的长宽比一般都是固定的设置几个，所以对于长宽比浮动较大的多类别目标检测，即便是滑动窗口遍历也不能得到很好的区域） (2) 特征提取由于目标的形态多样性，光照变化多样性，背景多样性等因素使得设计一个鲁棒的特征并不是那么容易。然而提取特征的好坏直接影响到分类的准确性。（这个阶段常用的特征有SIFT、HOG等） (3) 分类器主要有SVM, Adaboost等。总结：传统目标检测存在的两个主要问题：一是基于滑动窗口的区域选择策略没有针对性，时间复杂度高，窗口冗余；二是手工设计的特征对于多样性的变化并没有很好的鲁棒性。

二、基于Region Proposal的深度学习目标检测算法对于传统目标检测任务存在的两个主要问题，我们该如何解决呢？对于滑动窗口存在的问题，region proposal提供了很好的解决方案。region proposal（候选区域）是预先找出图中目标可能出现的位置。但由于region proposal 利用了图像中的纹理、边缘、颜色等信息，可以保证在选取较少窗口（几千个甚至几百个）的情况下保持较高的召回率。这大大降低了后续操作的时间复杂度，并且获取的候选窗口要比滑动窗口的质量更高（滑动窗口固定长宽比）。比较常用的region proposal算法有selective Search和edge Boxes，如果想具体了解region proposal可以看一下PAMI2015的“What makes for effective detection proposals？” 有了候选区域，剩下的工作实际就是对候选区域进行图像分类的工作（特征提取+分类）。对于图像分类，不得不提的是2012年ImageNet大规模视觉识别挑战赛（ILSVRC）上，机器学习泰斗Geoffrey Hinton教授带领学生Krizhevsky使用卷积神经网络将ILSVRC分类任务的Top-5 error降低到了15.3%，而使用传统方法的第二名top-5 error高达26.2%。此后，卷积神经网络占据了图像分类任务的绝对统治地位，微软最新的ResNet和谷歌的Inception V4模型的top-5 error降到了4%以内多，这已经超越人在这个特定任务上的能力。所以目标检测得到候选区域后使用CNN对其进行图像分类是一个不错的选择。 2014年，RBG（Ross B. Girshick）大神使用region proposal+CNN代替传统目标检测使用的滑动窗口+手工设计特征，设计了R-CNN框架，使得目标检测取得巨大突破，并开启了基

检测交通视频中运动目标的程序设计

专业综合实践任务书学生姓名:________专业班级: 指导教师: 工作单位: 信息工程学院题目:检测交通视频中运动目标的程序设计初始条件: （1）提供实验室机房及其matlab软件；（2）数字图像处理的基本理论学习。要求完成的主要任务:(包括课程设计工作量及其技术要求,以及说明书撰写等具体要求): （1）学习运动目标检测的原理及方法，并利用matlab设计程序完成以下功能；（2）读取交通视频文件；（3）运用一种背景建模方法，提取背景图像；（4）读取一帧有运动目标的图像，利用背景差分法，得到差分区域；（5）对差分区域进行数学形态学处理，得到完整的运动目标区域，并显示运动目标检测结果图；（6）对检测的结果进行分析比较；（7）要求阅读相关参考文献不少于5篇；（8）根据课程设计有关规范，按时、独立完成课程设计说明书。时间安排: (1) 布置课程设计任务，查阅资料，确定方案 1.5天； (2) 进行编程设计、调试2天； (3) 完成课程设计报告书、答辩 1.5天；指导教师签名: 年月日系主任(或责任教师)签名: 年月日

目录摘要 (1) 1.概述 (2) 2.设计原理 (3) 2.1 背景提取与更新算法 (3) 2.1.1 手动背景法 (4) 2.1.2 统计中值法 (4) 2.1.3 算术平均法 (4) 2.1.4 Surendra算法 (5) 2.2 背景差分法运动目标检测 (6) 2.3 形态学滤波 (7) 2.4总体方案设定 (9) 2.4.1 算术平均法与Surendra算法相结合的背景建模 (9) 2.4.2 总体程序框图 (10) 3.软件编程实现 (11) 4.结果及分析 (13) 5.心得体会 (17) 参考文献 (18)

光流法运动目标跟踪论文

研究生课程论文《光流法运动目标跟踪》课程名称s 姓名学号专业任课教师教师评阅意见：论文成绩评阅日期课程论文提交时间：年月日

摘要本文实现了对运动目标的跟踪检测，重点研究金字塔Lucas-Kanade算法，在研究基于特征点的目标跟踪的一般方法，即采用改进的Harris角点提取点的方法。实验结果表明先采用Shi-Tomasi算法比Harris算法提取角点效果更好，之后用金字塔光流进行跟踪。关键词运动目标跟踪Lucas-Kanade Shi-Tomasi 改进Harris 1.引言近些年，模式识别领域的图像处理已经成为一个支柱，其中，动态目标的识别跟踪已经被研究者应用到工程上，而运动目标跟踪算法的优劣直接影响着运动目标跟踪的稳定性和精确性。本文主要是运动光流法等算法对运动目标进行跟踪。目标特征点的跟踪是计算机视觉中的一个基本而极具挑战性的研究课题，该课题在人机互动（HCI），目标识别，目标运动等领域有着非常重要的应用。虽然对运动目标跟踪算法能够完成对运动目标的可靠跟踪，大多数都存在处理数据量大，运算复杂等问题。因此，研究具有高精度且运算简单的目标检测与跟踪算法是图形跟踪迫切需要解决的问题，目前基于特征和光流的图像跟踪方法受到了极大的关注。 2.运动目标检测算法运动目标检测技术是目标自动检测、识别与跟踪的基础，也是实现进一步处理视频编码、目标跟踪、目标分类及行为理解等的关键技术。基于视频或序列图像的分析一般可分为四个步骤：(1)运动目标的检测与提取，(2)运动目标的分类，(3)运动目标的跟踪，(4)运动目标的行为理解与分析，如图1所示。图像序列运动检测目标分类目标跟踪行为理解图1 分析过程在计算机视觉处理中，运动目标检测技术处于中层处理级别，它是指在一个视频或者图像中，对需要研究的并且是处于运动状态的目标和背景进行分离，对于行为理解，行为分析等其他技术的研究，运动目标检测也是一种有效的方法。目标检测要依据运动目标的主要特性，例如时间特性、边缘形状特性、颜色灰度特性、矢量特性等等。时间特性、区域作为视频序列时间差分和图像分割的基础，是运动目标最基本的特性。目标运动时在形状、大小、刚度等方面的差异称为形态特征，利用形态特征对运动目标检测，难点是对小目标的检测。 3.光流法 1950年，Gibuson首先提出了光流的概念，所谓光流就是指图像表现运动的速度。物体在运动的时候之所以能被人眼发现，就是因为当物理运动时，会在人的视网膜上形成一系列的连续变化的图像，这些变化信息在不同时间，不断的流过眼睛视网膜，就好像一种光流过一

运动目标检测原理

运动检测（移动侦测）原理一、引言随着技术的飞速发展，人们对闭路电视监控系统的要求越来越高，智能化在监控领域也得到越来越多的应用。在某些监控的场所对安全性要求比较高，需要对运动的物体进行及时的检测和跟踪，因此我们需要一些精确的图像检测技术来提供自动报警和目标检测。运动检测作为在安防智能化应用最早的领域，它的技术发展和应用前景都受到关注。运动检测是指在指定区域能识别图像的变化，检测运动物体的存在并避免由光线变化带来的干扰。但是如何从实时的序列图像中将变化区域从背景图像中提取出来，还要考虑运动区域的有效分割对于目标分类、跟踪等后期处理是非常重要的，因为以后的处理过程仅仅考虑图像中对应于运动区域的像素。然而，由于背景图像的动态变化，如天气、光照、影子及混乱干扰等的影响，使得运动检测成为一项相当困难的工作。二、运动检测（移动侦测）原理早期的运动检测如MPEG1是对编码后产生的I帧进行比较分析，通过视频帧的比较来检测图像变化是一种可行的途径。原理如下：MPEG1视频流由三类编码帧组成，它们分别是：关键帧（I 帧），预测帧（P帧）和内插双向帧（B帧）。I帧按JPEG标准编码，独立于其他编码帧，它是MPEG1视频流中唯一可存取的帧，每12帧出现一次。截取连续的I帧，经过解码运算，以帧为单位连续存放在内存的缓冲区中，再利用函数在缓冲区中将连续的两帧转化为位图形式，存放在另外的内存空间以作比较之用，至

于比较的方法有多种。此方法是对编码后的数据进行处理，而目前的MPEG1/MPEG4编码都是有损压缩，对比原有的图像肯定存在误报和不准确的现象。目前几种常用的方法： 1.背景减除（Background Subtraction ）背景减除方法是目前运动检测中最常用的一种方法，它是利用当前图像与背景图像的差分来检测出运动区域的一种技术。它一般能够提供最完全的特征数据，但对于动态场景的变化，如光照和外来无关事件的干扰等特别敏感。最简单的背景模型是时间平均图像，大部分的研究人员目前都致力于开发不同的背景模型，以期减少动态场景变化对于运动分割的影响。 2.时间差分（Temporal Difference ）时间差分（又称相邻帧差）方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。时间差分运动检测方法对于动态环境具有较强的自适应性，但一般不能完全提取出所有相关的特征像素点，在运动实体内部容易产生空洞现象。 3.光流（Optical Flow）基于光流方法的运动检测采用了运动目标随时间变化的光流特性，如Meyer[2] 等通过计算位移向量光流场来初始化基于轮廓的跟踪算法，从而有效地提取和跟踪运动目标。该方法的优点是在摄像机运动存在的前提下也能检测出独立的运动目标。然而，

交通场景中运动目标的检测文献综述

交通场景中运动目标的检测文献综述摘要:运动目标检测是数字图像处理技术的一个主要部分,是一种基于视频监控系统的运动目标检测方法。这种算法主要包括：图像预处理、运动目标的检测、运动速度的求取。运动目标分割是实现交通场景下车辆检测的前提。常用的分割方法可以分为背景差分法、帧间差分法和基于光流的分割方法等。关键词:数字图像处理;运动目标;检测方法 1 前言运动目标检测是数字图像处理技术的一个主要部分，近些年来，随着多媒体技术的迅猛发展和计算机性能的不断提高，动态图像处理技术日益受到人们的青睐，并且取得了丰硕的成果，广泛英语与交通管理、军事目标跟踪、生物医学等领域。目前,以数字图像处理技术为核心的视频监视系统越来越广泛地应用到交通监管中,它利用摄像机来获取图像,由计算机完成对运动目标的自动检测,如果车辆交通违规时,自动发出预警,记录全程违章视频,这在很大程度上减轻了监控人员的劳动强度,克服可能的人为失误,而且节省大量存储空间,使存储的数据更为有效,为交通违规的后续处理提供了客观依据。交通场景中运动目标的检测是本文的研究对象。结合图书馆书籍、网上资料以及现有期刊杂志的相关信息，初步建立起交通场景中运动目标检测课题研究的整体思路和方法。 2 正文 2.1运动目标运动目标是常生活中常见的．如活动的动物、行驶的运载工具等。在现实生活中，尽管人类的视觉既能看见运动又能看见静止的物体，但是在交通这样的复杂场景中大量有意义的视觉信息都包含在这些运动之中，人们往往只对运动的

物体或目标感兴趣。因此，研究运动目标的检测问题，有着很大的现实意义和应用价值。 2.2运动目标检测的基本概念目前我们主要是通过对动态图像进行分析处理来获取运动目标信息，从而实现对运动目标的检测，它是图像处理与计算机视觉应用研究领域的一个重要课题。，所谓动态图像是由一序列图像组成的，即图像序列。图像序列是用一个传感器(如摄像机、数码相机)采集的一组随时间变化的图像，不同时刻采集的二帧图像或多帧图像中包含了存在于相机与景物之间的相对运动信息。还有景物本身发生变化的运动信息等等，这些信息表现为图像帧之间的灰度变化或诸如点、线、区域等记号的位置和运动方向速度等属性的变化。运动目标检测的目的就是从序列图像中将变化区域从背景图像中提取出来。我们首先用摄像机获取运动目标的视频影像，经视频采集卡将视频信号传输到计算机，利用计算机对其进行相关处理，从视频图像中按一定时间间隔获取序列图像，然后通过对这些序列图像进行特定的处理，就可以检测出我们感兴趣的运动目标。运动目标检测和分析是一种基于视频监控系统的运动目标检测方法。这种算法主要包括：图像预处理、运动目标的检测、运动速度的求取。这种算法在帧差法的基础之上，提取出运动目标，并对其求取运动速度。这种技术可以用于各类图像监控系统，用来检测运动目标，对于现实应用有重要意义。 2.3运动目标检测的基本方法由运动目标所形成的图像序列可分为两种情况：一种是静止背景，一种是运动背景。前一种情况通常发生在摄像机相对静止状态(如监视某一路口车流量的固定摄像机)，后一种情况通常发生在摄像机也在相对运动状态(如装在卫星或飞机上的监视系统)。从处理方法上看，对前一种情况可采用消除背景的方法检测运动目标，处理起来比较简单，如简单的帧间差分或自适应背景对消方法。对后一种情况．处理起来比较复杂，一般是采用突出目标或消除背景的思想检测运动目标。若采用消除背景的方法，则通常需要先进行帧间稳像及配准；若采用突出

视频图像中运动目标检测

毕业论文题目视频图像中运动目标检测方法研究专业电气工程及其自动化班级电气1003 学生曹文学号20113024543 指导教师赵哥君二〇一二年六月八日

摘要在很多现代化领域，运动目标检测都显示出了其重要的作用。尤其是近二十年的社会经济的飞速发展，运动目标检测都彰显了其重要性，在航空、通信、航海等各个方面都有关键性的作用，从而使运动目标检测方法的研究成为各国的研究热门课题。通过阅读大量的相关论文、期刊及其网络资源，了解了高斯背景建模及背景更新的基本原理及思想。在本文中，首先介绍了运动目标检测方法的相关基础知识，如图像的二值化、图像的形态学处理、颜色空间模型。然后重点说明了三种常用的运动目标检测方法的研究，简要阐述了三种研究方法的基本思想。在老师的帮助下进行了相应的实验，最终得出了三种运动目标检测方法的优点和缺点，着重探究了高斯背景建模及其背景更新基本原理及思想。最后，通过相关的程序及软件对混合高斯背景模型进行了相关的实验，进而发现了混合高斯背景建模算法存在的不足之处，如：高斯背景建模的计算量大、运动目标较大时检测效果差等问题，并对对这些问题提出了相关设想及改进。关键词：运动目标检测；二值化；图像的形态学处理；高斯背景建模；背景更新 I

ABSTRACT In many modern fields, moving target detection are showing its important role. Especially nearly twenty years of rapid development of social economy, the moving target detection has shown its importance, in various aviation, communication, navigation and so on have a key role, so the study of moving target detection method has become a research hot topic in countries. By reading relevant papers, a large number of journals and cyber source, understand the basic principle and thought of Gauss background modeling and updating the background. In this paper, firstly introduces the basic knowledge of moving target detection method, such as the two values image, morphological image processing, color space model. Then focus on the study of three methods used for moving object detection, a brief description of the basic ideas of the three kinds of research methods. By the experiment, the results of three kinds of method of moving target detection has advantages and disadvantages, this paper emphatically explores Gauss background modeling and background updating basic principle and thought. Finally, through the program and software related to mixed Gauss background model for the relevant experiments, and found the shortcomings, the presence of mixed Gauss background modeling algorithm such as: the problem of computing Gauss background modeling, moving target volume larger detection effect is poor, and on these problems put forward relevant ideas and improvement. Keywords: moving object detection; two values; I I

视频图像中运动目标检测方法研究

毕业论文题目视频图像中运动目标检测方法研究

运动目标检测

运动目标检测跟踪各过程算法综述图像预处理数字图像中的几种典型噪声有:高斯噪声来源于电子电路噪声和低照明度或高温带来的传感器噪声椒盐噪声类似于随机分布在图像上的胡椒和盐粉微粒主要由图像切割引起或变换域引起的误差加性噪声是图像在传输中引进的信道噪声。一般来说引入的都是加性随机噪声可以采用均值滤波、中值滤波、高斯滤波等方法去除噪声提高信噪比。均值滤波在噪声分布较平均且峰值不是很高的情况下能够得到较好的应用中值滤波对尖脉冲噪声的滤除有较好的效果并且能突出图像的边缘和细节高斯滤波对滤除高斯白噪声有较好的效果。运动目标检测背景差分法:能完整、快速地分割出运动对象。不足之处易受光线变化的影响背景的更新是关键。不适用摄像头运动的情况。光流法:能检测独立运动的对象可用于摄像头运动的情况但计算复杂耗时很难实时检测。帧差法:受光线变化影响较小简单快速但不能分割出完整的运动对象需进一步运用目标分割算法。还有一些改进的算法主要致力于减少光照影响和检测慢速物体变化。图像标识图像标识的作用是确定物体是否独立图像中有几个运动目标。 1领域:常取周围的4或8个像素作为领域。 2连通域:二值图像中互相连通的0像素集或1像素集称之为连通域。被1像素包围的0像素叫做孔。1像素连通域不含孔时叫做单连通成分含有一个或多个孔的连通成为叫做多重连通成分。 3标记:差值后的一帧图像可能存在多个连通域每个非连通域对应一个目标图像区给各目标区分配相应标号的工作成为标记。标识过程大致为:按一定顺序逐个扫描像素扫描到1的像素检测其领域的像素值若一样则为连通域并标记为第一个目标然后依次寻找下一个目标。在所有可能的目标都找到了之后可以为每个目标划出一个波门将目标框起来。并建立一个多目标位置链表找到的每一个目标区域的中心位置都作为一个结点加入该链表储存起来。波门的划分有可能将同一个目标分为两个部分或者一个波门里包括了两个目标使得目标数据错误增加或减少所以还要判断当前的目标是属于同一个目标还是不同的目标这将在后面的图像分割中完成。图像分割图像分割用于分离目标和背景的组合或者分离不同目标的组合。图像分割不仅可以大量压缩数据减少储存容量而且能大大简化其后的分析和处理步骤。 1直方图阈值分割法灰度直方图即为灰度级的像素数与灰度的二维关系反映了一副图像灰度分布的统计特性。如果前景物体内部灰度值分布比较均匀背景灰度值的分布也比较均匀这个图像的直方图将有明显的双峰这时可以选择两峰之间的谷底作为阈值。由于直方图不含目标的位置信息还要结合图像的内容来确定。 2最大类间方差阈值分割法利用图像目标与背景这两类的总体灰度之间存在的差距确定阈值从而进行分割。 3区域生长法指将周围特性相似的像素再次合并到目标区域中。 4边缘检测和轮廓提取分割法 5形态学分割法主要作用是使运动目标的区域更加完整。腐蚀的作用是消除物体边界点把小于结构元素的物体去除。如果两物体之间有细小的连通那么当结构元素足够大时通过腐蚀运算可以将两个物体分开。膨胀运算的作用是把图像周围的背景点合并到物体中。如果两个物体比较接近那么膨胀运算可能会使这两个物体连通在一起。膨胀对填补图像的空洞很有用膨胀最简单的应用之一就是将裂缝接起来。形态学也可用于图像滤波、增强等方面。运动轨迹预测在分割出运动目标后应提取出目标的特征然后在下一帧图像中匹配特征从而跟踪目标。但为了减少搜索特征匹配的区域提高实时性在此加入对目标运动轨迹预测这一步骤。运动轨迹预测也有利于增强遮挡情况下跟踪的鲁棒性。 1线性预测算法2Kalman滤波算法及其扩展算法 3粒子滤波算法目标跟踪 1特征选取灰度特

LK光流算法总结

运动目标检测之Lucas-Kanade光流算法读书笔记视觉是人类感知自身周围复杂环境最直接有效的手段之一，而在现实生活中大量有意义的视觉信息都包含在运动中，人眼对运动的物体和目标也更敏感，能够快速的发现运动目标。随着计算机技术、通信技术、图像处理技术的不断发展，计算机视觉己成为目前的热点研究问题之一。而运动目标检测是计算机视觉研究的核心课题之一，融合了图像处理、模式识别、人工智能、自动控制、计算机等众多领域的先进技术，在军事制导、视觉导航、视频监控、智能交通、医疗诊断、工业产品检测等方面有着重要的实用价值和广阔的发展前景。一目标检测运动目标检测运动目标检测是指从序列图像中将运动的前景目标从背景图像中提取出来。目前,已有的运动目标检测方法按照算法的基本原理可以分为三类:背景差分法，帧间差分法和光流法。 1背景差分法背景差分法又称背景减除法，背景差分法的原理是将当前帧与背景图像进行差分来得到运动目标区域，但是需要构建一幅背景图像，这幅背景图像必须不含运动目标，并且应该能不断的更新来适应当前背景的变化，构建背景图像的方法有很多，比较常用的有基于单个高斯模型的背景构建，基于混合高斯模型的背景构建，基于中值滤波器的背景构造，基于卡尔曼滤波器的背景构造，基于核函数密度估计的背景模型构造。缺点：因为要求背景是静止的，所以背景的变化，场景中有很多干扰，比如场景中有树枝和叶子在风中晃动、水面的波动等等，还有照明的变化和天气的变化等都可能影响检测的结果 2帧间差分法帧间差分法是一种通过对视频图像序列中相邻两帧作差分运算来获得运动目标轮廓的方法，它可以很好地适用于存在多个运动目标和摄像机移动的情况。当监控场景中出现异常物体运动时，帧与帧之间会出现较为明显的差别，两帧相减，得到两帧图像亮度差的绝对值，