【正文】 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(jié)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(xiàn)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(jié)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(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(guān)鍵的問題，如何選擇合適的閾值，對于實驗的結(jié)果有很大的影響，雖然動態(tài)設(shè)置閾值雖然比以往的根據(jù)經(jīng)23 / 40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(xiàn)在出現(xiàn)的問題，將是下一步的研究重點。 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，最后實現(xiàn)算法，提取實驗結(jié)果進行分析比對，得出實驗結(jié)論，并且根據(jù)實驗結(jié)果的對比，分析出三幀兩者的優(yōu)缺點，實驗結(jié)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。第 5 章 總結(jié)與展望 總結(jié)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(guān)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(guān)的知識，如灰度圖像，二值圖像、數(shù)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(xiàn)了二幀差分算法和三幀差分算法，并且根據(jù)算法，得出一系列實驗結(jié)果，根據(jù)兩種算法的結(jié)果的比對分析，從而總結(jié)出，在二幀差分算法的基礎(chǔ)上是實現(xiàn)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(jié)果可以看出，三幀差分算法檢測出的結(jié)果更接近實際運動目標。實驗結(jié)果是在多次實驗的基礎(chǔ)上，選取的相對有代表性的結(jié)果來進行說明的。根據(jù)實現(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，其計算量小，實時性強，準確度高，易于實現(xiàn)，并且有很好的時間相關(guān)性。經(jīng)過多次實驗，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，本算法雖然實現(xiàn)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(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，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(xiàn)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。25 / 40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，使檢測的結(jié)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。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(guān)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(shè)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(lǐng)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(lǐng)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?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，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瑯又С治业倪€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，親人致以深深的感謝。27 / 40參考文獻[1]閆立峰，涂序彥， [J]. 年 5 月.15（3）：347352[2]徐衛(wèi)星，王蘭英， OpenCV 實現(xiàn)的三幀差分運動目標檢測算法研究 [J]. (265):141143[3]丁雪梅，王維雅， [J].光學精密工 年 4 月，4(15):571575[4]陳俊超，張俊豪，劉詩佳， [J].計 年，12(37)：171173[5]廖馬騰， System Generator 的幀間差分運動目標檢測算法仿真[J]. 電子質(zhì)量.2022 年,第 4 [6]李剛，邱尚武，林凌， [M].儀器儀 年 8 月,27(8):962964[7]李澤鋒，[J]. 年,第 1 期:3536[8]嚴金果， [J]. 年 12月,34(12)：43324335[9][D].貴陽： 年[10]趙毅寰， [D].2022 年 8 月，28(8A):133135[11][D].哈爾濱： 年[12][D].哈爾濱： 年[13][D].上海： 年[14]劉艷麗，陳昊， [J].計算 年，21(7):3536[15][D].西安： 年[16]王孝艷，張艷林， [J].沈陽理工大學學報.2022 年 12 (6):8385[17][D].南京： 年[18][D].山東： 年[19][D].安徽：合肥工業(yè)大學.2022 年[20][D].黑龍江： 年 6 月[21][D].湖北： 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， MATLAB 實現(xiàn)[M]. 北京：人民大學出版社，2022[24] 夏永泉，李衛(wèi)麗，干甘勇， [J]，通信技術(shù)，2022，42（6）：18518729 / 40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(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。 % 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。 xc = cat(3, x1, x2, x3)。 subplot(1, 2, 2)。 imshow(xc, [])。 title(sprintf(39。第%d 幀視頻識別結(jié)果，By lyqmath39。, ), 39。FontWeight39。, 39。Bold39。, 39。Color39。, 39。r39。)。 f = getframe(gcf)。 f = frame2im(f)。 % 生成視頻 aviobj = addframe(aviobj, f)。end%% 關(guān)閉視頻句柄%aviobj = close(aviobj)。aviobj = close(aviobj)。2． 三幀差分算法主要代碼：clc。clear。targetavi=39。39。 %%原始視頻resultavi=39。39。 %%檢測結(jié)果視頻%讀取視頻mov=VideoReader(targetavi)。%mov=mmreader(targetavi)。fnum=size(mov,2)。%建立結(jié)果視頻aviobj = VideoWriter(resultavi)。 = 100。% = 25。%每秒讀取 25 幀%=39。Indeo539。%=39。None39。%幀間差分法for i=2:fnum x=mov().cdata(:,:,:)。 y=mov(i).cdata(:,:,:)。 z=mov(i+1).cdata(:,:,:)。 m=rgb2gray(x)。 m=medfilt2(m)。 n=rgb2gray(y)。 n=medfilt2(n)。 o=rgb2gray(z)。31 / 40 o=medfilt2(o)。 q=im2double(n)。 w=im2double(m)。 p=im2double(o)。 c=。%%前兩幀差分 b=。%%后兩幀差分 t=40。 %%閾值，此值可以調(diào)節(jié) t=t/256。%%轉(zhuǎn)化為 double 型數(shù)據(jù) k=find(abs(c)=t)。%%find 函數(shù)作用是找到圖 c 中的值大于 t 的點坐標 d=find(abs(b)=t)。%%find 函數(shù)作用是找到圖 b 中的值大于 t 的點坐標 c(k)=255。%%二值化的一 b(d)=255。 k=find(abs(c)t)。 d=find(abs(b)t)。 c(k)=0。%%二值化的零 b(d)=0。 f=camp。b。 imshow(f)。 adata=cat(3,f,f,f)。%%灰度圖像生成視頻必加此句 aviobj = addframe(aviobj,adata)。%%生成視頻 hold on。 drawnow。 hold off。end%aviobj=close(aviobj