【導讀】師的指導下進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注引用的內容外，本論文。不包含任何其他個人或集體已經發(fā)表或撰寫的成果作品。究做出重要貢獻的個人和集體，均已在文中以明確方式標明。全意識到本聲明的法律后果由本人承擔。同意學校保留并向國家有關部門或機構送交論文的復印件和電子版，允許論文被查閱和借閱。本人授權大學可以將本學位。印或掃描等復制手段保存和匯編本學位論文。涉密論文按學校規(guī)定處理。文科類論文正文字數不少于萬字。合國家技術標準規(guī)范。比如重要場所的安全監(jiān)控、航空制導、汽車駕駛等方面都。目前國內外提出了很多種運動目標檢測的方法，不過至今為。缺點是檢測出的位置不一定精確，并且不能提取出完整的目標。以期達到理想的檢測效果。實驗結果表明，該算法準確性高，實時性好，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，進行三幀差分運算，圖 (d)是運用三幀差分運算得到的差值圖像，由實驗結果可以看出，三幀差分算法非靜態(tài)背景下，對運動目標的檢測也有很好地效果； 第 79幀（ a） 第 80幀（ b） 第 81幀（ c） 差分 圖像（ d） 圖 圖 是在運動目標高速運動的情況下，運用三幀差分算法得到進行目標檢基于幀間差分算法的運動目標檢測研究 22 測的結果。圖 （ d） 是三幀差分運算得到的差值圖像，結果表明，三幀差分運算，在物體高速運動時，能很好地檢測出運動目標。 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，對三幀差分算法得到的二值圖像，用數學形態(tài)學的方法，先進行腐蝕，然后再膨脹，進行去噪處理，得到如圖 所示的結果。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 計算機畢學院業(yè)畢業(yè)（設計）論文 23 （ c） 腐蝕 膨脹 圖 結果分析 根據以上實驗結果可以看出，三幀差分算法在檢測運動目標時，可以很好的檢測出運動目標，相比之前的二幀差分算法，三幀差分算法所檢測出來的運動目標輪廓更清晰，目標更明確。在不同的環(huán)境因素影響下，三幀差分算法的檢測效果雖然并不是完全準確，但是相比之前二幀差分的實驗結果，三幀差分算法改進了許多。如，在陰影和物體間的重疊遮蓋因素影響下，后者檢測出來的運動目標輪廓更加清晰，在物體高 速運動的時候，三幀差分算法在實驗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。 由以上兩次實驗的結果對比我們可以看出，三幀差分算法和二幀差分算法都可以是實現對運動目標的檢測，但是三幀差分算法準確性更高，檢測效果更好。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結果的正確率有了很大的提高。能檢測更清晰更完整的運動目標，這說明，本文實現的三幀差分算法，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 檢測的正確率，但是有些地方還是需要改進。在實驗過程中，閾值的選取是很關鍵的問題，如何選擇合適的閾值，對于實驗的結果有很大的影響，雖然動態(tài)設置閾值雖然比以往的根據經驗選取要好一些，但是如果干擾因素過多的話，那么閾值的動態(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。另外，該算法在干擾因素過多的情況下，檢測的效果也會有所折扣，因此現在出現的問題，將是下一步的研究重點。 本章總結 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，最后實現算法，提取實驗結果進行分析比對，得 出實驗結論，并且根據實驗基于幀間差分算法的運動目標檢測研究 24 結果的對比，分析出三幀兩者的優(yōu)缺點，實驗結果表明，三幀差分算法在運動目標檢測方面，有更好的適用性。 計算機畢學院業(yè)畢業(yè)（設計）論文 25 第 5 章 總結與展望 總結 本文通過對運動目標檢測中的幀間差分算法的研究，首先介紹了運動目標檢測的研究背景和意義，以及常用的運動目標檢測方法，然后通過幀間差分算法所需的相關的圖像處理方面的理論知識，相繼介紹了圖像處理方面的相關的知識，如灰度圖像，二值圖像、數學形態(tài)學等原理和方法。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。然后通過對幀間差分算法的理論研 究，相繼實現了二幀差分算法和三幀差分算法，并且根據算法，得出一系列實驗結果，根據兩種算法的結果的比對分析，從而總結出，在二幀差分算法的基礎上是實現的三幀差分算法，具有比二幀差分更好的檢測效果，并且在不同的因素的影響下，三幀差分算法的檢測效果更準確。由實驗結果可以看出，三幀差分算法檢測出的結果更接近實際運動目標。 實驗結果是在多次實驗的基礎上，選取的相對有代表性的結果來進行說明的。根據實現的算法以及得到的結論，都具有一定的說服性。三幀差分算法有其他算法相比，其計算量小，實時性強，準確度高，易于實現，并且有很好 的時間相關性。經過多次實驗，結果表明，該算法有很好的適用性，有利于在此基礎上，做更深的研究。 然而，本算法雖然實現了預期的檢測效果，但是實驗中還有許多不足之處，如檢測的結果不完整，偶爾出現漏檢現象等等，這樣的不足之處本身也是差分算法的缺點，因此，還需要進一步完善。 展望 雖然本算法與傳統(tǒng)的二幀差分算法相比，有更好的檢測效果，但是實驗中，還有不少的問題。雖然三幀差分算法在運動目標檢測能力上有所提高，但是過多的因素干擾也會影響其性能，本文中的實驗采取單一干擾因素原則，基本上達到預期的檢測效果，但是當多 種干擾因素疊加時，就會出現一系列問題。因為這些因素是不可控的，我們有時很難避免，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動目標檢測，如背景法，光流法等，可基于幀間差分算法的運動目標檢測研究 26 以考慮三幀差分與其他算法結合，或者采取多幀差分，增加檢測的精確性，都是可以的。在未來的研究中，可以在三幀差分算法的基礎上，再加以改進，使檢測的結果準確性更好，實用性更好，將是課題下一步深入研究的方向。 計算機畢學院業(yè)畢業(yè)（設計）論文 27 致謝 本文是我在我的導師 XXX 老師的精心指導下完成的 ， 在論文寫作的過程中 ，郭老師給與我大量的指導 ， 這對于我完成畢業(yè)論文有 很大的幫助 。 在老師的指導下 ，我學習了很多關于圖像處理方面的知識，雖然平時對圖像處理方面的理論學習的不多，但是通過畢業(yè)設計，我在老師的指點下，對圖像處理學的許多理論都有了一定的了解，這對我來說，無疑是新接觸到一個領域，在撰寫論文的過程中，我還學習到了很多科學的研究方法 ， 同時 也深深 體會到研究一個領域的所帶來的樂趣 。除了 XXX 老師之外，學校的其他學圖像處理的老師也給我?guī)砹撕艽髱椭?，他們的指點讓我在摸索的過程中少走了許多彎路，他們嚴謹的工作態(tài)度是我的榜樣，我能完成畢業(yè)論文以及設計，離不開各位老師的指導。在此，我謹 向我的導師以及各位指導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，也向所有關心和幫助我的老師，同學，親人致以深深的感謝。 基于幀間差分算法的運動目標檢測研究 28 參考文獻 [1]閆立峰，涂序彥，劉海濤 .幀間逼近法在運動探測中的應用 [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 實現的三幀差分運動目標檢測算法研究 [J].計算機與數字工程 .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動目標檢測與跟蹤 [J].光學精密工程 .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檢測改進算法 [J].計算機工程 .2020 年， 12(37)： 171173 [5]廖馬騰，李全 .基于 System Generator 的幀間差分運動目標檢測算法仿真 [J].電子質量 .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動目標檢測方法 [M].儀器儀表學報 .2020 年 8 月 ,27(8):962964 [7]李澤鋒，朱凌云 .基于改進背景差法的運動目標檢測 [J].儀表技術 .2020 年 ,第 1 期 :3536 [8]嚴金果，徐巍鴻 .基于新的幀間差分運動目標檢測算法 [J].計算機工程與設計 .2020 年 12月 ,34(12)： 43324335 [9]王華軍 .人體運動檢測 [D].貴陽：貴州民族學院 .2020 年 [10]趙毅寰，王祖林 .背景差分與幀間差分相融合的運動目標檢測方法 [D].2020 年 8 月，28(8A):133135 [11]胡敬舒 .基于幀間差分的運動目標檢測 [D].哈爾濱：哈爾濱工程大學 .2020 年 [12]馮曉文 .基于幀間差分的運動目標穩(wěn)健檢測方法 [D].哈爾濱：哈爾濱工程大學 .2020 年 [13]王威 .基于背景和幀間差分方法的運動目標檢測的研究 [D].上海：上海大學 .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動目標的檢測與識別 [J].計算機工業(yè)控制 .2020 年， 21(7):3536 [15]張起麗 .基于數學形態(tài)學的彩色圖像處理研究 [D].西安：西北大學 .2020 年 [16]王孝艷，張艷林，董慧穎等 .運動目標檢測的三幀差分算法研究 [J].沈陽理工大學學報 .2020年 12 月 .30(6):8385 [17]王歡 .運動目標檢測與跟蹤研究 [D].南京：南京理工大學 .2020 年 [18]王虎 .運動目標檢測和跟蹤的研究及應用 [D].山東：中國海洋大學 .2020 年 [19]江萍 .基于數學形態(tài)學的圖像分割及其在車牌分割中的應用 [D].安徽：合肥工業(yè)大學 .2020計算機畢學院業(yè)畢業(yè)（設計）論文 29 年 [20]孫亮 .數學形態(tài)學在紅外圖像預處理中的應用 [D].黑龍江：哈爾濱工程大學 .2020 年 6 月 [21]高潔 .指紋識別系統(tǒng)的研究 [D].湖北：武漢理工大學 .2020 年 [22] 王栓，艾海舟，何克忠 . 基于差分圖象的多 運動目標的檢測與跟蹤 [J]. 《中國圖象圖形學報》， 1999， 4（ 6）： 470475 [23] 張噪禮，趙春暉，梅曉丹 .現代圖像處理技術及 MATLAB 實現 [M]. 北京：人民大學出版社， 2020 [24] 夏永泉，李衛(wèi)麗，干甘勇，張素智 .智能視頻監(jiān)控中的運動目標檢測技術研究 [J]，通信技術， 2020， 42（ 6）： 185187 基于幀間差分算法的運動目標檢測研究 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。 % 檢測結果視頻 resultavi = 39。39。 %% 讀取視頻 mov = VideoReader(targetavi)。 fnum = 。 %% 建立結果視頻 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)。 % 數據類型轉換 q = im2double(n)。 w = im2double(m)。 % 差分 c = 。 % 閾值，此值可以調節(jié) t = 40/256。 計算機畢學院業(yè)畢業(yè)（設計）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