【導(dǎo)讀】師的指導(dǎo)下進(jìn)行的研究工作及取得的成果。盡我所知，除文中特別加。而使用過的材料。均已在文中作了明確的說明并表示了謝意。除了文中特別加以標(biāo)注引用的內(nèi)容外，本論文。不包含任何其他個(gè)人或集體已經(jīng)發(fā)表或撰寫的成果作品。究做出重要貢獻(xiàn)的個(gè)人和集體，均已在文中以明確方式標(biāo)明。全意識(shí)到本聲明的法律后果由本人承擔(dān)。同意學(xué)校保留并向國(guó)家有關(guān)部門或機(jī)構(gòu)送交論文的復(fù)印件和電子版，允許論文被查閱和借閱。本人授權(quán)大學(xué)可以將本學(xué)位。印或掃描等復(fù)制手段保存和匯編本學(xué)位論文。涉密論文按學(xué)校規(guī)定處理。文科類論文正文字?jǐn)?shù)不少于萬字。合國(guó)家技術(shù)標(biāo)準(zhǔn)規(guī)范。比如重要場(chǎng)所的安全監(jiān)控、航空制導(dǎo)、汽車駕駛等方面都。目前國(guó)內(nèi)外提出了很多種運(yùn)動(dòng)目標(biāo)檢測(cè)的方法，不過至今為。缺點(diǎn)是檢測(cè)出的位置不一定精確，并且不能提取出完整的目標(biāo)。以期達(dá)到理想的檢測(cè)效果。實(shí)驗(yàn)結(jié)果表明，該算法準(zhǔn)確性高，實(shí)時(shí)性好，能較好

　　

【正文】 第 22幀圖像（ c） 差分圖像 （ d） 圖 陰影和物體間的重疊遮檢測(cè)效果 圖 是在非靜態(tài)背景的背景下 。提取其中連續(xù)的三幀，進(jìn)行三幀差分運(yùn)算，圖 (d)是運(yùn)用三幀差分運(yùn)算得到的差值圖像，由實(shí)驗(yàn)結(jié)果可以看出，三幀差分算法非靜態(tài)背景下，對(duì)運(yùn)動(dòng)目標(biāo)的檢測(cè)也有很好地效果； 第 79幀（ a） 第 80幀（ b） 第 81幀（ c） 差分 圖像（ d） 圖 圖 是在運(yùn)動(dòng)目標(biāo)高速運(yùn)動(dòng)的情況下，運(yùn)用三幀差分算法得到進(jìn)行目標(biāo)檢基于幀間差分算法的運(yùn)動(dòng)目標(biāo)檢測(cè)研究 22 測(cè)的結(jié)果。圖 （ d） 是三幀差分運(yùn)算得到的差值圖像，結(jié)果表明，三幀差分運(yùn)算，在物體高速運(yùn)動(dòng)時(shí)，能很好地檢測(cè)出運(yùn)動(dòng)目標(biāo)。 第 139幀（ a） 第 140幀 （ b） 第 141幀（ c） 差分圖像 （ d） 圖 同二幀差分算法與去噪處理步 驟一樣，對(duì)三幀差分算法得到的二值圖像，用數(shù)學(xué)形態(tài)學(xué)的方法，先進(jìn)行腐蝕，然后再膨脹，進(jìn)行去噪處理，得到如圖 所示的結(jié)果。其中 中的 (a)是上圖中的 （ d） ,(b)是上圖中的 （ d）(c)是上圖中的 （ d）。 （ a） 腐蝕 膨脹 （ b） 腐蝕 膨脹 計(jì)算機(jī)畢學(xué)院業(yè)畢業(yè)（設(shè)計(jì)）論文 23 （ c） 腐蝕 膨脹 圖 結(jié)果分析 根據(jù)以上實(shí)驗(yàn)結(jié)果可以看出，三幀差分算法在檢測(cè)運(yùn)動(dòng)目標(biāo)時(shí)，可以很好的檢測(cè)出運(yùn)動(dòng)目標(biāo)，相比之前的二幀差分算法，三幀差分算法所檢測(cè)出來的運(yùn)動(dòng)目標(biāo)輪廓更清晰，目標(biāo)更明確。在不同的環(huán)境因素影響下，三幀差分算法的檢測(cè)效果雖然并不是完全準(zhǔn)確，但是相比之前二幀差分的實(shí)驗(yàn)結(jié)果，三幀差分算法改進(jìn)了許多。如，在陰影和物體間的重疊遮蓋因素影響下，后者檢測(cè)出來的運(yùn)動(dòng)目標(biāo)輪廓更加清晰，在物體高 速運(yùn)動(dòng)的時(shí)候，三幀差分算法在實(shí)驗(yàn)中漏檢的概率大大的降低，因此三幀差分算法相比二幀差分算法相比，有一定的優(yōu)越性。 由以上兩次實(shí)驗(yàn)的結(jié)果對(duì)比我們可以看出，三幀差分算法和二幀差分算法都可以是實(shí)現(xiàn)對(duì)運(yùn)動(dòng)目標(biāo)的檢測(cè)，但是三幀差分算法準(zhǔn)確性更高，檢測(cè)效果更好。另外，我們還可以看出，在不同的環(huán)境因素影響下，三幀差分算法的檢測(cè)結(jié)果的正確率有了很大的提高。能檢測(cè)更清晰更完整的運(yùn)動(dòng)目標(biāo)，這說明，本文實(shí)現(xiàn)的三幀差分算法，在一定程度上，比之前的二幀差分算法有了提高，并且該算法有一定的適用性。 雖然該算法在一定程度上，提高了差分算法 檢測(cè)的正確率，但是有些地方還是需要改進(jìn)。在實(shí)驗(yàn)過程中，閾值的選取是很關(guān)鍵的問題，如何選擇合適的閾值，對(duì)于實(shí)驗(yàn)的結(jié)果有很大的影響，雖然動(dòng)態(tài)設(shè)置閾值雖然比以往的根據(jù)經(jīng)驗(yàn)選取要好一些，但是如果干擾因素過多的話，那么閾值的動(dòng)態(tài)選取有可能不合適。因此，閾值的選取，在本算法中還需要改進(jìn)。另外，該算法在干擾因素過多的情況下，檢測(cè)的效果也會(huì)有所折扣，因此現(xiàn)在出現(xiàn)的問題，將是下一步的研究重點(diǎn)。 本章總結(jié) 本章節(jié)首先介紹了三幀差分算法的原理，然后介紹了三幀差分算法的算法過程，最后實(shí)現(xiàn)算法，提取實(shí)驗(yàn)結(jié)果進(jìn)行分析比對(duì)，得 出實(shí)驗(yàn)結(jié)論，并且根據(jù)實(shí)驗(yàn)基于幀間差分算法的運(yùn)動(dòng)目標(biāo)檢測(cè)研究 24 結(jié)果的對(duì)比，分析出三幀兩者的優(yōu)缺點(diǎn)，實(shí)驗(yàn)結(jié)果表明，三幀差分算法在運(yùn)動(dòng)目標(biāo)檢測(cè)方面，有更好的適用性。 計(jì)算機(jī)畢學(xué)院業(yè)畢業(yè)（設(shè)計(jì)）論文 25 第 5 章 總結(jié)與展望 總結(jié) 本文通過對(duì)運(yùn)動(dòng)目標(biāo)檢測(cè)中的幀間差分算法的研究，首先介紹了運(yùn)動(dòng)目標(biāo)檢測(cè)的研究背景和意義，以及常用的運(yùn)動(dòng)目標(biāo)檢測(cè)方法，然后通過幀間差分算法所需的相關(guān)的圖像處理方面的理論知識(shí)，相繼介紹了圖像處理方面的相關(guān)的知識(shí)，如灰度圖像，二值圖像、數(shù)學(xué)形態(tài)學(xué)等原理和方法。在文章的第 3 章和第 4 章，我們分別介紹了二幀差分算法和三幀差分算法。然后通過對(duì)幀間差分算法的理論研 究，相繼實(shí)現(xiàn)了二幀差分算法和三幀差分算法，并且根據(jù)算法，得出一系列實(shí)驗(yàn)結(jié)果，根據(jù)兩種算法的結(jié)果的比對(duì)分析，從而總結(jié)出，在二幀差分算法的基礎(chǔ)上是實(shí)現(xiàn)的三幀差分算法，具有比二幀差分更好的檢測(cè)效果，并且在不同的因素的影響下，三幀差分算法的檢測(cè)效果更準(zhǔn)確。由實(shí)驗(yàn)結(jié)果可以看出，三幀差分算法檢測(cè)出的結(jié)果更接近實(shí)際運(yùn)動(dòng)目標(biāo)。 實(shí)驗(yàn)結(jié)果是在多次實(shí)驗(yàn)的基礎(chǔ)上，選取的相對(duì)有代表性的結(jié)果來進(jìn)行說明的。根據(jù)實(shí)現(xiàn)的算法以及得到的結(jié)論，都具有一定的說服性。三幀差分算法有其他算法相比，其計(jì)算量小，實(shí)時(shí)性強(qiáng)，準(zhǔn)確度高，易于實(shí)現(xiàn)，并且有很好 的時(shí)間相關(guān)性。經(jīng)過多次實(shí)驗(yàn)，結(jié)果表明，該算法有很好的適用性，有利于在此基礎(chǔ)上，做更深的研究。 然而，本算法雖然實(shí)現(xiàn)了預(yù)期的檢測(cè)效果，但是實(shí)驗(yàn)中還有許多不足之處，如檢測(cè)的結(jié)果不完整，偶爾出現(xiàn)漏檢現(xiàn)象等等，這樣的不足之處本身也是差分算法的缺點(diǎn)，因此，還需要進(jìn)一步完善。 展望 雖然本算法與傳統(tǒng)的二幀差分算法相比，有更好的檢測(cè)效果，但是實(shí)驗(yàn)中，還有不少的問題。雖然三幀差分算法在運(yùn)動(dòng)目標(biāo)檢測(cè)能力上有所提高，但是過多的因素干擾也會(huì)影響其性能，本文中的實(shí)驗(yàn)采取單一干擾因素原則，基本上達(dá)到預(yù)期的檢測(cè)效果，但是當(dāng)多 種干擾因素疊加時(shí)，就會(huì)出現(xiàn)一系列問題。因?yàn)檫@些因素是不可控的，我們有時(shí)很難避免，所以，三幀差分算法的適用性還是有限的。 由于目前還有許多其他的算法用于運(yùn)動(dòng)目標(biāo)檢測(cè)，如背景法，光流法等，可基于幀間差分算法的運(yùn)動(dòng)目標(biāo)檢測(cè)研究 26 以考慮三幀差分與其他算法結(jié)合，或者采取多幀差分，增加檢測(cè)的精確性，都是可以的。在未來的研究中，可以在三幀差分算法的基礎(chǔ)上，再加以改進(jìn)，使檢測(cè)的結(jié)果準(zhǔn)確性更好，實(shí)用性更好，將是課題下一步深入研究的方向。 計(jì)算機(jī)畢學(xué)院業(yè)畢業(yè)（設(shè)計(jì)）論文 27 致謝 本文是我在我的導(dǎo)師 XXX 老師的精心指導(dǎo)下完成的 ， 在論文寫作的過程中 ，郭老師給與我大量的指導(dǎo) ， 這對(duì)于我完成畢業(yè)論文有 很大的幫助 。 在老師的指導(dǎo)下 ，我學(xué)習(xí)了很多關(guān)于圖像處理方面的知識(shí)，雖然平時(shí)對(duì)圖像處理方面的理論學(xué)習(xí)的不多，但是通過畢業(yè)設(shè)計(jì)，我在老師的指點(diǎn)下，對(duì)圖像處理學(xué)的許多理論都有了一定的了解，這對(duì)我來說，無疑是新接觸到一個(gè)領(lǐng)域，在撰寫論文的過程中，我還學(xué)習(xí)到了很多科學(xué)的研究方法 ， 同時(shí) 也深深 體會(huì)到研究一個(gè)領(lǐng)域的所帶來的樂趣 。除了 XXX 老師之外，學(xué)校的其他學(xué)圖像處理的老師也給我?guī)砹撕艽髱椭?，他們的指點(diǎn)讓我在摸索的過程中少走了許多彎路，他們嚴(yán)謹(jǐn)?shù)墓ぷ鲬B(tài)度是我的榜樣，我能完成畢業(yè)論文以及設(shè)計(jì)，離不開各位老師的指導(dǎo)。在此，我謹(jǐn) 向我的導(dǎo)師以及各位指導(dǎo)我的老師們致以深深的敬意以及由衷的感謝。 在論文寫作過程，也有不少同學(xué)給過我?guī)椭?，同樣支持我的還有我的父母親人，在此，也向所有關(guān)心和幫助我的老師，同學(xué)，親人致以深深的感謝。 基于幀間差分算法的運(yùn)動(dòng)目標(biāo)檢測(cè)研究 28 參考文獻(xiàn) [1]閆立峰，涂序彥，劉海濤 .幀間逼近法在運(yùn)動(dòng)探測(cè)中的應(yīng)用 [J].控制工程 .2020 年 5 月 .15（ 3）：347352 [2]徐衛(wèi)星，王蘭英，李秀娟 .一種基于 OpenCV 實(shí)現(xiàn)的三幀差分運(yùn)動(dòng)目標(biāo)檢測(cè)算法研究 [J].計(jì)算機(jī)與數(shù)字工程 .2020 年 .11(265):141143 [3]丁雪梅，王維雅，黃向東 .基于差分和特征不變量的運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤 [J].光學(xué)精密工程 .2020 年 4 月， 4(15):571575 [4]陳俊超，張俊豪，劉詩佳，陸小峰 .基于背景建模與幀間差分的目標(biāo)檢測(cè)改進(jìn)算法 [J].計(jì)算機(jī)工程 .2020 年， 12(37)： 171173 [5]廖馬騰，李全 .基于 System Generator 的幀間差分運(yùn)動(dòng)目標(biāo)檢測(cè)算法仿真 [J].電子質(zhì)量 .2020年 ,第 4 期 .6568 [6]李剛，邱尚武，林凌，曾銳利 .基于背景差法和幀間差法的運(yùn)動(dòng)目標(biāo)檢測(cè)方法 [M].儀器儀表學(xué)報(bào) .2020 年 8 月 ,27(8):962964 [7]李澤鋒，朱凌云 .基于改進(jìn)背景差法的運(yùn)動(dòng)目標(biāo)檢測(cè) [J].儀表技術(shù) .2020 年 ,第 1 期 :3536 [8]嚴(yán)金果，徐巍鴻 .基于新的幀間差分運(yùn)動(dòng)目標(biāo)檢測(cè)算法 [J].計(jì)算機(jī)工程與設(shè)計(jì) .2020 年 12月 ,34(12)： 43324335 [9]王華軍 .人體運(yùn)動(dòng)檢測(cè) [D].貴陽：貴州民族學(xué)院 .2020 年 [10]趙毅寰，王祖林 .背景差分與幀間差分相融合的運(yùn)動(dòng)目標(biāo)檢測(cè)方法 [D].2020 年 8 月，28(8A):133135 [11]胡敬舒 .基于幀間差分的運(yùn)動(dòng)目標(biāo)檢測(cè) [D].哈爾濱：哈爾濱工程大學(xué) .2020 年 [12]馮曉文 .基于幀間差分的運(yùn)動(dòng)目標(biāo)穩(wěn)健檢測(cè)方法 [D].哈爾濱：哈爾濱工程大學(xué) .2020 年 [13]王威 .基于背景和幀間差分方法的運(yùn)動(dòng)目標(biāo)檢測(cè)的研究 [D].上海：上海大學(xué) .2020 年 [14]劉艷麗，陳昊，余炎峰 .基于幀間差分法和不變矩特征的運(yùn)動(dòng)目標(biāo)的檢測(cè)與識(shí)別 [J].計(jì)算機(jī)工業(yè)控制 .2020 年， 21(7):3536 [15]張起麗 .基于數(shù)學(xué)形態(tài)學(xué)的彩色圖像處理研究 [D].西安：西北大學(xué) .2020 年 [16]王孝艷，張艷林，董慧穎等 .運(yùn)動(dòng)目標(biāo)檢測(cè)的三幀差分算法研究 [J].沈陽理工大學(xué)學(xué)報(bào) .2020年 12 月 .30(6):8385 [17]王歡 .運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤研究 [D].南京：南京理工大學(xué) .2020 年 [18]王虎 .運(yùn)動(dòng)目標(biāo)檢測(cè)和跟蹤的研究及應(yīng)用 [D].山東：中國(guó)海洋大學(xué) .2020 年 [19]江萍 .基于數(shù)學(xué)形態(tài)學(xué)的圖像分割及其在車牌分割中的應(yīng)用 [D].安徽：合肥工業(yè)大學(xué) .2020計(jì)算機(jī)畢學(xué)院業(yè)畢業(yè)（設(shè)計(jì)）論文 29 年 [20]孫亮 .數(shù)學(xué)形態(tài)學(xué)在紅外圖像預(yù)處理中的應(yīng)用 [D].黑龍江：哈爾濱工程大學(xué) .2020 年 6 月 [21]高潔 .指紋識(shí)別系統(tǒng)的研究 [D].湖北：武漢理工大學(xué) .2020 年 [22] 王栓，艾海舟，何克忠 . 基于差分圖象的多 運(yùn)動(dòng)目標(biāo)的檢測(cè)與跟蹤 [J]. 《中國(guó)圖象圖形學(xué)報(bào)》， 1999， 4（ 6）： 470475 [23] 張?jiān)攵Y，趙春暉，梅曉丹 .現(xiàn)代圖像處理技術(shù)及 MATLAB 實(shí)現(xiàn) [M]. 北京：人民大學(xué)出版社， 2020 [24] 夏永泉，李衛(wèi)麗，干甘勇，張素智 .智能視頻監(jiān)控中的運(yùn)動(dòng)目標(biāo)檢測(cè)技術(shù)研究 [J]，通信技術(shù)， 2020， 42（ 6）： 185187 基于幀間差分算法的運(yùn)動(dòng)目標(biāo)檢測(cè)研究 30 附錄 1． 二幀差分算法主要代碼： clc。 clear all。 close all。 % 原始視頻 targetavi = 39。39。 % 檢測(cè)結(jié)果視頻 resultavi = 39。39。 %% 讀取視頻 mov = VideoReader(targetavi)。 fnum = 。 %% 建立結(jié)果視頻 aviobj = VideoWriter(resultavi)。 = 100。 = 25。 = 39。Indeo539。 %% 幀間差分法 figure(1)。 for i = 2 : fnum x = read(mov, )。 y = read(mov, i)。 subplot(1, 2, 1)。 imshow(x, [])。 title(sprintf(39。第 %d 幀視頻， By lyqmath39。, ), 39。FontWeight39。, 39。Bold39。, 39。Color39。, 39。r39。)。 % 灰度化 if ndims(x) == 3 m = rgb2gray(x)。 else m = x。 end if ndims(y) == 3 n = rgb2gray(y)。 else n = y。 end % 中值濾波 m = medfilt2(m)。 n = medfilt2(n)。 % 數(shù)據(jù)類型轉(zhuǎn)換 q = im2double(n)。 w = im2double(m)。 % 差分 c = 。 % 閾值，此值可以調(diào)節(jié) t = 40/256。 計(jì)算機(jī)畢學(xué)院業(yè)畢業(yè)（設(shè)計(jì)）論文 31 % 閾值分割 c(abs(c)=t)=255。 c(abs(c)t) = 0。 c = logical(c)。 x1 = x(:, :, 1)。 x2 = x(:, :, 2)。 x3 = x(:, :, 3)。 x1(c) = 255。 x2(c) = 0。 x3(c) = 0