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

征对于灰度图像像素灰度值是最基本的目标图像特征几何特征它反映的是目标的几何性质它仅与目标像素点的位置有关而与其灰度无关。常用的几何特征有目标周长、面积、扁率和高度等统计特征如目标灰度均值与方差、直方图、熵、矩以及目标相对于背景的对比度等变换域特征包括Forier、Gabor、Wavelet 等变换域特征颜色特征。 2跟踪算法 a.模板匹配跟踪模板在图像上滑动对应于图像的各个位置的灰度值与模板上像素的灰度值比较每个位置计算出一个累积误差挑选出最合适的位置完成匹配。 b.camshift跟踪颜色直方图匹配。 c.主动轮廓线跟踪又称snake算法最小化图像的能量函数。 d.多模跟踪使用多个跟踪算法模型同时跟踪。运动目标检测跟踪的复杂性表现在 1、光线变化。由于时间变化一天的早晚上午和下午日光的照射强度和角度变化会引起光线变化再由于天气原因同样会导致照射光线的变化。由于光线的变化要使一种检测算法适应各种光照情况是比较困难的。 2、场景中运动目标的干扰。比如大面积区域中各种目标的运动车辆的的突然停止与突然启动场景中某些目标的频繁变动比如摇摆的树枝和树叶水面的波动等。 3、初始化问题。在一些监视场景中要得到无噪声干扰的纯背景图像不含检测目标和运动背景目标的图像是很困难的。比如人车繁忙的交通场景。 4、遮挡与孔洞问题。要检测的运动目标被背景中的目标所遮挡情况下怎样判断遮挡。 5、阴影问题。在目标检测当中如何将被检测目标与其产生的阴影区分开来从而仅检测目标部分。 6、目标的失踪。运动目标长期停留在场景中有可能变成背景目标。由于目标检测的复杂性想要建立一个通用的适合所有情况的目标检测算法是不现实也是不可能的。因此根据具体情况建立符合实际条件的目标检测算法是目标检测方法的研究方向。

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

基于matlab的运动目标检测

1 绪论 1.1 课题研究背景及意义 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[1]。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[2]：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。 1.2 国内外研究现状 运动目标检测在国外已经取得了一些的研究成果[3]，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]。本文将围绕以时间变化监测为基础的方法展开分析和讨论。 1.3 本文结构 第1章介绍了本文的研究意义及国内外发展状况；第2章分为四个部分详细讲述了运动目标检测的方法，介绍了背景提取与更新算法，检测算法，阈值选取，形态学滤波等；第三章对全文作出了总结。

目标检测与识别

采用视频图像的运动目标检测与识别 相关调研 目标检测是计算机视觉的一个重要组成部分,在军事及工业等领域有着重要的应用前景。运动目标的检测方法主要有光流法,差值法。光流法的计算量很大,实时性和应用性较差。而图像差值法比较简单,实时性较好,是目前应用最广泛,最成功的运动目标检测的方法。图像差值法可分为两类,一类是用序列图像的每一帧与一个固定的静止的参考帧做图像差分,但自然场景不是静止不变的,因而必须不断的更新背景。另一类是用序列图像的两帧进行差分,这种方法无法检测出两帧图像中重合的部分,只能检测出目标的一部分信息。在绝大多数视频监控图像应用中,每一个像素都可以用一个或多个高斯模型近似,因此,高斯背景模型是绝大多数目标检测方法常用的基本模型。 智能视频服务器是飞瑞斯在多年视频分析技术优势的基础上，推出的一系列具有智能视频分析功能的DVS 视频编码设备。智能视频服务器基于DSP、ARM等核心平台，完成前端标准的H.264高压缩率编码，同时完成智能分析功能。 智能视频服务器的最大的创新点在于，这一系列DVS不仅仅提供视频监控的功能，能通过飞瑞斯核心的智能视频分析技术，来感知视频场景内的环境、人和物，并挖掘其中的人(物)行为、状态、身份信息、数量、轨迹等更深层次的元数据信息。 智能视频服务器赋予了视频监控系统智慧的大脑，从此视频监控不仅仅是能看得到，而且还能自己思考，提供更为智能的应用。

https://www.wendangku.net/doc/9511913361.html,/products_20_26.html?bdclkid=BztEJhpzcR34JE_Ft948PGoNuxuK0gsc zre7HPa3EhvUMBqk3J

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)

运动目标图像的识别与跟踪

运动目标图像的识别与跟踪 本文主要目的是将视频摄像头中的运动目标从背景中提取出来，并加以跟踪。首先考虑的是常见的目标检测的算法，其次考虑对于噪声的滤除，最后是对运动目标的跟踪。 一、基本目标检测算法 我们主要考虑的目标检测的算法主要有三种，光流场法、背景模型法以及时域差分法。 1.1光流场法 光流主要是图像亮度模式的表现运动。而光流场则是指灰度模式的表面运动。一般条件下，我们可以根据图像的运动，进行估算相对运动。 光流场法的基本理论是光流场基本方程： 0=++t y x I vI uI (1.1) 式中我们根据亮度守恒，利用泰勒公式展开，忽略高阶项与二次项。其中x I 、y I 和t I 是图像在对数轴x 、y 两个方向和t 的的导数，()v u ,就是这个点的光流坐标。 光流场法的目标检测，在摄像机运动时候也可以做出判断，但是图像的噪声太过明显，使得计算数据庞杂，计算的公式更加复杂，这样并不适合我们的对于目标跟踪的高精度的摄像系统。 1.2背景模型法 背景模型法，也被称为背景差法，主要利用当前的图像和背景的图像的二值化做差，然后取阈值，分割运动目标。 首先根据： ()()()y x b y x f y x D t t t ,,,-= (1.2) 我们可以得到当前的图像帧数()y x f t ,和背景图像的帧数),(y x b t 做差，然后以公式对图像进行二值化的处理。 ???≤>=)(,0)(,1),(BackGround T D ForeGround T D y x P t t t (1.3) 上面),(y x P t 是二值化模板图。假设某一区域大于一个给定的面积的时候，该区域就是我们要找的目标区域。 背景模型法的算法简单，可以快速反应，并且可以提供运动目标的大略特征等数据。但是对于复杂背景下，比如人流较大的公共场所，或者有光照等干扰时，就需以其他的算法以不断更新背景信息来进行弥补。

高速运动目标多维姿态视觉测量关键技术研究

高速运动目标多维姿态视觉测量关键技术研究航空领域中的核心作业装备大多要求具有高速运动能力,为了使这些核心作业装备在高速、失重、强流场干扰等复杂环境下仍能保证高加速度、高机动、多维运动可控等良好性能,需对这些运动目标位置和姿态进行高精度、高鲁棒性的测量。例如为了提升新一代高速飞行器的挂载能力,我国展开了高速飞行器载荷稳定悬挂与安全投放等研究工作。但载荷与飞行器分离过程中由于高速流场的扰动干扰,投放后的载荷可能出现无法脱离,甚至分离后直接撞向母机的危险。所以为了优化高速飞行器投放系统的结构与性能,降低安全事故的风险,风洞模拟实验成为了一种尤为重要的手段。 在风洞模拟实验中为了获取飞行器投放载荷的分离特性,需在风洞复杂环境中实现分离后高速运动目标的六维位姿信息的高精度测量。视觉测量以其环境适应性强、测量非接触、测量频响高等优点被广泛应用于风洞实验位姿测量当中,但是由于风洞环境具有强流场干扰、低照度、空间狭小、强振动等特点,被测目标具有体积小、运动速度快、运动空间大等特点,导致风洞复杂环境下高速运动目标位姿信息的高速、高精度、大范围、多维度视觉测量十分困难,严重制约了我国高速飞行器挂载与作战能力的提升。针对以上难题,展开的具体内容如下:(1)由于复杂风洞环境具有漆黑狭小、振动强烈、强气流扰动等特点,所以在复杂风洞环境下很难获取高速运动目标的高质量图像信息。针对以上问题提出一种蕴含目标位姿信息的复杂环境高速序列图像采集方法,揭示入射光线角度对微玻璃珠混合材料成像质量的影响规律,实现了强振动、狭小空间下小型高速运动目标图像的高速采集;提出了探测目标表面的微玻璃珠混合材料标记点附着与定位技术,实现了特征图案在被测目标表面的准确定位与附着,且特征图案厚度仅为60微米,对被测目标周围的流场分布影响较小;采用基于图像信噪比的三维空间高速序列图像质量评价方法,对基于滚动印刷逆反光材料的图像采集方法进行图像质量评价,结果表明:此方法在风洞环境下超高速采集序列图像的信噪比均高于3,满足后期测量要求,为复杂环境高速目标的动态测量奠定了基础。 (2)针对复杂环境测量光路多介质导致的目标成像畸变大、严重影响测量精度的难题,建立复杂跨介质环境下摄像机多折射成像模型,提出跨介质环境下双目立体视觉测量理论,并研究跨介质模型下两相机成像的空间约束关系。以此为

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，

运动目标检测研究意义及国内外现状

运动目标检测研究意义及国内外现状运动目标检测研究意义及国内外现状 1研究意义...................................................................... (1) 2国内外研究现 状 ..................................................................... . (1) 1研究意义 众所周知，当前是信息时代，信息的获得、加工、处理以及应用都有了飞跃发展。人们认识世界的重要知识来源就是图像信息，在很多场合，图像所传送的信息比其他形式的信息更丰富、真切和具体。人眼与大脑的协作使得人们可以获取、处理以及理解视觉信息，人类利用视觉感知外界环境信息的效率很高。事实上，据一些国外学者所做的统计，人类所获得外界信息有80%左右是来自眼睛摄取的图像。由此可见，视觉作为人类获取外界信息的主要载体，计算机要实现智能化，就必须能够处理图像信息。尤其是近年来，以图形、图像、视频等大容量为特征的图像数据处理广泛应用于医学、交通、工业自动化等领域。 自然界的一切图像都是连续变化的模拟图像，在日常生活中，这些图像中的运动目标往往是我们比较关心的，如:行人、行驶的交通工具以及其他的运动物体。运动目标检测是计算机视觉和数字图像处理的一个热门方向，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。因此，运动目标检测也就成为了近年来理论和应用的研究热点，它是图像处理和计算机视觉学科的重要分支，也是智能监控系统的核心部分。它的目的就是如何快速、准确地检测出监控视频中的运动目标，即从序列图像中将运动目标提取出来。

对空高速目标检测和跟踪方法解释

对空高速目标信号处理 对于常规慢速目标，在相参处理时间内该走动量通常不会超过一个距离单元。而对于高速目标，它可能跨越多个距离单元，而必须加以处理才能实现相参处理时间内多次回波的相参积累。尤其HSV载体运动速度很高且机动能力很强，雷达目标间的高速高机动特性更加明显，雷达目标回波会出现跨距离单元、跨多普勒单元问题，加剧了目标回波相参积累的难度。为了提高雷达的探测性能，需要补偿后才能达到好的积累增益。 雷达目标间的相对速度最高可达15马赫以上，加速度最高可达20g。以速度每秒5000米为例，如果雷达相参处理时间为50ms，其运动距离可达250米，对窄带雷达来讲需要考虑回波包络的补偿。此外，速度在相参时间里变化10m/s，对X波段雷达来说，多普勒扩展为667Hz，而多普勒分辨率为20Hz。所以为了获得高的处理增益，提高探测距离，回波多普勒扩散需要补偿。 （1）高重频信号处理 高脉冲重复频率的相参脉冲串信号的频谱如图3.5所示。除了载频上的中央谱线之外，在载频PRF的整数倍处还有其它一些谱线，谱线间隔为脉冲重复频率。发射频谱的包络取决于脉冲形状，例如，矩形脉冲时为sin/x x形。运动目标回波的频谱是发射频谱偏移后的复制品，也含有一些间隔为PRF的谱线。

f 0r f f +0r f f -02r f f -02r f f + 图3.8 PD 雷达发射信号的频谱 高占空比高重频的信号没有距离门的概念，可以只考虑多普勒扩展的影响。由于加速度的存在对回波信号补偿后其多普勒仍不为常数而是时变的，故需要进一步获取目标的精确运动参数。解线性调频法是一种简单而且易于实现的运动补偿法。 可用一个调频因子2 j ut e π-（λ/2a u =）与信号相乘，即 2 (,){()}j ut d D f u FFT r t e π-= （3.1） 当u ＝02/a λ （其中 0a 为目标的加速度真值）、式（3.1）出现峰值。因而速度、加速度的精确估计问题转化为寻找最优的u 即a 的问题。 利用解线性调频法精确估计速度、加速度，关键是对式（3.1）中的u 进行最优搜索，搜索步长的选取十分重要，如果步长选得过大，就不能满足估计精度要求；如果搜索步长选得过小，则运算量剧增，不利于算法的实时处理和工程实现。 由于u 需要遍历搜索，为减少运算量以及提高估计精度，可以采用“逐次逼近法”来估计目标的速度、加速度。对u 遍历搜索时，为满足精度要求搜索步长必须选得很小，我们要计算的FFT 次数太多，运算量相当的大，“逐次逼近法”在保证估计精度的前提下，有效的解

视频图像中运动目标检测

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

浅谈运动目标检测方法的研究

浅谈运动目标检测方法的研究 摘要：摄像头视频监控是指通过摄像头来监视特定场所发生的事件，实时地观 察在监控场所运动目标的行为，通过系统分析计算，在一定条件下给与报警，特 别是对监控对象的可视性、实时性及客观性记录，因此给人直接的视觉听觉感受。 关键词：视频；监控；运动目标；建模 前言 运动目标检测的解决需依靠智能、有效、可行的识别检测技术，但受限于目 前技术发展现状，运动目标检测仍具有研究必要性和广阔的发展前景。 1概述 1.1目标分割技术和检测技术 目标检测效果主要受运动目标的大小、位置的变化而改变。其中因素多种多样，基本包括目标类型的多元化、目标运动速度的不确定性，以及视频采集设备 抖动、背景、光照等发生变化或干扰等因素。此外，由于受背景光照的变化，目 标物体在视频序列中的颜色分布会发生变化，从而导致目标特征也随之发生变化，直接影响了目标检测的效率和准确度。视频采集设备的抖动容易造成背景检测区 域的变化，直接对根据背景建模的目标检测方法准确性造成影响；目标类型的多 元化和背景干扰给目标检测带来了更多的表示困难，需要适应及泛化能力较好的 目标检测和表示模型；目标运动速度的不确定性也会导致目标的丢失。 1.2目标外形变化 视频采集设备发生运动时，会使检测的目标物体的外形尺寸发生旋转、位移 变化等几何性质的变化，若快速检测改变后的目标物体则需要实时更新源目标的 表示、表现模型。 1.3被检测目标局部遮挡和多目标相互干扰 基于目标全局特征的目标检测识别算法在被遮挡时会导致目标外形发生变化 或暂时无法检测的情况，目标提取的准确性直接反应了目标识别算法的优劣，因此，需要鲁棒性强的算法提供目标检测的准确性。而多帧之间目标的相互重叠和 目标局部特征的刷新也需要进行重新检测。 1.4目标检测的复杂性 对于一般视频采集设备，帧频为25-30帧/s，数据流非常大，而对于目标检测识别算法来说，每帧图像的像素都需要进行处理，提取目标物体的视觉特性，这 个过程中需要大量的计算和判断，此外，目标检测识别系统的目的是保证检测识 别的准确性，提高目标识别效率，这样就需多特征进行联合匹配，导致目标检测 算法复杂度急剧上升，降低了系统的实时性和有效性。 2运动目标检测方法 2.1光流场法 生活中的一切事物都随着时间变化而变化，这是周围事物时域特性。光流场 法也是基于时间变化来研究运动目标，时间在继续，当场景中出现运动目标，场 景中的光流特性改变，通过此方法可以有效检测运动目标。当场景的环境多变如 多光源、阴影、透明和遮挡时，使得光流场对运动目标检测不准确，这样使得后 续子模块可能输入错误信号，达不到复杂环境检测目的。当然光流场法检测过程 中计算量相当大，耗时耗力。模块计算量太大系统可能会出现中断重启，对实时 检测运动目标达不到要求。 2.2帧间差分法

基于帧间差分法的目标运动检测算法开题报告

本科毕业设计(论文)开题报告 题目：基于帧间差分法的目标运动检测算法 Frame difference method based on target motion detection algorithm 课题类型：设计□实验研究□论文□ 学生姓名：郭凯 学号： 3100701135 专业班级：计算机101 学院：计算机科学与技术 指导教师：卢桂馥 开题时间： 201年月日

开题报告内容与要求 一、本课题的研究意义、研究现状和发展趋势（文 献综述） 1.1研究意义 在人们感知到的环境信息中，视觉信息占了很大的比重，其中动态视觉信息更是其主要组成部分。感知环境中的这些动态视觉信息己成为计算机视觉的一个重要的研究方向。在现实生活中，大量有意义的视觉信息都包含于运动之中。尽管人类视觉既能看见运动又能看见静止的物体，但是在许多场合，比如航空和军用飞机的制导、交通流量的监测、重要场所的保安以及汽车的自动驾驶和辅助驾驶等等，人们往往对运动的物体更感兴趣。 运动目标检测与跟踪是近些年来图像处理和计算机视觉领域的一个非常活跃的分支，是动态图像分析的基础。目标的运动图像序列提供了比目标静止时更多的有用信息，使得我们可以利用运动目标检测与跟踪技术获得比静止图像更有实用价值的信息。 运动目标检测和运动目标跟踪两方面具有非常紧密的关系。做为运动目标跟踪的基础，运动目标检测是实时的在被监视的场景中检测运动目标，并将其提取出来。而运动目标跟踪是做为衔接运动目标检测和上层的目标行为分析和理解的一个重要环节。所谓运动目标跟踪，就是在运动目标检测的基础上，利用目标有效特征，使用适当的匹配算法，在序列图像中寻找与目标模板最相似的图像的位置，简单的说就是给目标定位。在实际应用中，运动目标跟踪不仅可以提供目标的运动轨迹和准确定位目标，为下一步的目标行为分析与理解提供了可靠的数据来源，而且也可以为运动目标检测提供帮助。 综上，对运动目标检测与跟踪有关算法的研究具有重大的理论价值和现实意义。 1.2研究现状和发展趋势 1.2.1研究现状 近些年来，世界各地的学者们针对视频图像中的运动目标检测 与跟踪问题做了大量而深入的研究，提出了许多行之有效的方法，也取得了一定的进展，但到目前为止，还没有出现能够适用于各 种场合、各种情况的通用算法。现今的各种算法在稳健性、准确性、可靠性等方面还有着这样、那样的不足。困难主要在于视频 中存在着各种干扰因素，这些因素包括：运动目标的位移或者自 身的形变、成像传感器本身的固有噪声、照明情况的变化、背景 中的杂波、运动目标的自遮挡或者互遮挡等。这些问题有待我们 进一步研究。

静止背景运动目标识别

Moving Object Detection in Stationary Scene 摘要：随着计算机技术的不断提高，智能视频监控技术得到了很好的发展, 过去依靠人力监控视频中出现的人或汽车等既浪费人力物力，又不够准确，很容易发生遗漏，而智能监控就不存在这种问题，只需在程序中设定报警条件即可，能够准确地达到实时监控的目的。现在智能视频监控逐渐应用于城市道路、小区、银行等重要场所及对场景中的异常事件或人的异常行为的监控中, 应用前景广泛，正在逐步取代靠人力来观察视频信息。智能视频监控相比过去常用的靠人来监测的最重要的不同就是识别出需要监控的对象，通常是运动目标的提取。在本文中利用matlab视频处理功能，通过matlab程序来获取视频，使用背景减差法来检测出运动目标提取静止背景中的运动目标，并将结果显示出来，以进行进一步的分析处理。 关键字：视频监控；目标提取；静止背景；matlab；目标识别；背景减差法

基于视频的运动目标主要提取方法 目标检测是计算机视觉的一个重要组成部分，在军事及工业等领域有着重要的应用前景。运动目标的检测方法主要有光流法，差值法。光流法的计算量很大，实时性和应用性较差。而图像差值法比较简单，实时性较好，是目前应用最广泛，最成功的运动目标检测的方法。图像差值法可分为两类，一类是用序列图像的每一帧与一个固定的静止的参考帧做图像差分，但自然场景不是静止不变的，因而必须不断的更新背景。另一类是用序列图像的两帧进行差分，这种方法无法检测出两帧图像中重合的部分，只能检测出目标的一部分信息。在绝大多数视频监控图像应用中，每一个像素都可以用一个或多个高斯模型近似，因此，高斯背景模型是绝大多数目标检测方法常用的基本模型。许多学者对基于高斯混合背景模型的背景消除法作了改进并取得了较好的效果。Stauffer 等人提出了采用自适应混合高斯模型，作为背景统计模型的算法；Power 等人详细的讨论了混合高斯模型，并对模型中的参数选择及更新提出了很好的建议。Monnet 等人在文献[3]中对摆动的树叶，水纹的波动等动态纹理干扰作了深入研究，提出了在线的自动聚类模型来获得并预测场景中的这些变化以减少干扰。然而，由于光照条件的影响，大多数图像都存在阴影，阴影的存在干扰了目标的检测，使检测到的目标与真实的目标形状相差很大，这对后续处理如目标识别、行为判断等会产生很大的影响。混合高斯模型无法消除阴影的干扰，因此找到阴影消除的方法变得非常重要。近年来，提出了很多阴影消除方法，毛晓波提出了基于最大色度差分的阴影检测方法，A. Leone提出了基于纹理分析的阴影消除方法，通过分析纹理信息获取前景目标并消除阴影，取得了较好的效果。 运动目标检测常用的方法一般分为两大类，一种是基于特征的方法，另一种是基于灰度的方法。基于特征的方法是依据图像的特征来检测运动目标，它多用于目标较大、特征容易提取的场合。基于灰度的方法一般是依据图像中灰度的变化来检测运动目标。目前基于视频的检测方法主要有: 基于帧间差分的方法、基于光流场的方法、基于背景差的方法等。帧间差分法是基于运动图像序列中相邻两帧图像间具有强相关性而提出的检测方法, 具有很强的自适应性。但如果物体内部灰度分布均匀这种方法会造成目标重叠部分形成较大空洞，严重时造成目标分割不连通，从而检测不到目标。 光流场法是基于对光流的估算进行检测分割的方法。光流中既包括被观察物体的运动信息, 也包括有关的结构信息。光流场的不连续性可以用来将图像分割

基于matlab的运动目标检测.docx

1绪论 1.1 课题研究背景及意义 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[1]。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[2]：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。 1.2 国内外研究现状 运动目标检测在国外已经取得了一些的研究成果[3]，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]。本文将围绕以时间变化监测为基础的方法展开分析和讨论。 1.3 本文结构 第1章介绍了本文的研究意义及国内外发展状况；第2章分为四个部分详细讲述了运动目标检测的方法，介绍了背景提取与更新算法，检测算法，阈值选取，形态学滤波等；第三章对全文作出了总结。

人形目标检测与跟踪

——人形目标检测与跟踪

一、 本组研究方案，算法系统框图 二、 检测算法、原理、程序实现方法、调试过程 【视频处理】 老师提供的两端视频两段视频并不能直接用来输入OpenCV 所编程序处理，需要将其转化为无压缩的avi 格式。利用软件WinAVI Video Converter ，转换为ZJMedia uncompressed RGB24格式。 【背景建模】 我们小组利用N 帧图像的平均来求取背景，并实时对背景进行更新。由于考虑到ExhibitionHall.avi 视频中运动物体所占场景比例少，运动轨迹为直线，为了处理的简单，所以在这不刻意区分物体和背景像素点。即(1)(1)()()A A A B k B k I k αα+=-+ ，这里的α 很小（0.003） 。 【前景提取】 灰度图像的处理比彩色图像的处理过程简单。我们小组将读入的彩色图像变成灰度图像，并二值化；同样，背景也进行二值化。两者做差值，得到一些离散的黑白点块。也就

是要识别的目标。但是，这样得到的块是分散开的，程序 整的人形被分块识别成多个目标。为此，我们做了一些简 单的后处理。先腐蚀元素，去除不必要的杂点，然后进行 膨胀块处理，自定义块的大小，使其膨胀成能被识别成一 个人形的目标。另外，我们还做个简单的高斯低通滤波， 是得到的结果光滑些。其流程图如右。 【目标检测】 根据前景处理的结果，得到一些连续的块目标。利用帧间差，可以提取出目标的轮廓。根 据轮廓的位置分布，计算出检测目标的形心和大小。并予以标记。 【目标跟踪】 根据目标帧间的位移差值，可以计算出运动目标在x，y方向上的运动速度。可以利用这 个关系判断下一帧目标的位置。设置一个合适的阈值，就可以实现目标的跟踪。在此，我们还 引入了重叠判断机制。如果目标重叠，即通过遍历，发现块重叠大于一定阈值后，根据前面得 到的位置预测判断当前物块位置；如果不重叠，则遍历这幅图像中的所有物块，寻找临近最优 物块，以保持编号连续性。在目标跟踪过程中，还进行了Kalman滤波，对目标轨迹进行滤波 处理。

基于matlab的运动目标检测

1 绪论 课题研究背景及意义 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[1]。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[2]：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。 国内外研究现状 运动目标检测在国外已经取得了一些的研究成果[3]，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]。本文将围绕以时间变化监测为基础的方法展开分析和讨论。 本文结构 第1章介绍了本文的研究意义及国内外发展状况；第2章分为四个部分详细讲述了运动目标检测的方法，介绍了背景提取与更新算法，检测算法，阈值选取，形态学滤波等；第三章对全文作出了总结。