【導(dǎo)讀】果均已在參考文獻(xiàn)或注釋中列出。論文主體均由本人獨(dú)立完成，沒(méi)有抄襲、剽竊他人已經(jīng)發(fā)表或未發(fā)表的研究成果行為。以上違反知識(shí)產(chǎn)權(quán)的情況，本人愿意承擔(dān)相應(yīng)的責(zé)任。的理論意義和實(shí)際價(jià)值。進(jìn)行適當(dāng)?shù)霓D(zhuǎn)換，使其能夠適用于MATLAB的讀取與轉(zhuǎn)化。在目標(biāo)檢測(cè)過(guò)程中，視頻，利用背景差分法和改進(jìn)的背景差分法這兩種算法，對(duì)AVI視頻進(jìn)行檢測(cè)，一定程度上增強(qiáng)了實(shí)驗(yàn)的效果可比性。實(shí)驗(yàn)運(yùn)行時(shí)給出了目標(biāo)的位置大小等特征。量，提高了實(shí)驗(yàn)的直觀性。

　　

【正文】 還算可以，用時(shí)為 ，平均用時(shí)為 。 復(fù)雜背景視頻改進(jìn)的背景差分法，運(yùn)動(dòng)目標(biāo)提取的準(zhǔn)確性比背景差分法時(shí)高了許多，但偶爾還是會(huì)出現(xiàn)提取的時(shí)候準(zhǔn)確性不高的情況，同時(shí)某一張圖像序列達(dá)不到提取的目的的情況也會(huì)有，但不是很多。對(duì)于實(shí)驗(yàn)所處理的時(shí)間來(lái)說(shuō)，由于采用的是特征區(qū)域，因此還可以，用時(shí)為 ，平均用時(shí)為 。 本實(shí)驗(yàn)各種情況的優(yōu)缺點(diǎn)如表 41 所示。 表 41 各種情況 的優(yōu)缺點(diǎn)比較 視頻類(lèi)型 及 算法 平均用時(shí) 準(zhǔn)確性 穩(wěn)定性 實(shí)用性 簡(jiǎn)單背景視頻 背景差分法 比較 準(zhǔn)確 好 還 不錯(cuò) 簡(jiǎn)單背景視頻 改進(jìn) 背景差分法 準(zhǔn)確 很好 好 復(fù)雜背景視頻 背景差分法 偶爾 欠 準(zhǔn)確 一般 一般般 復(fù)雜背景視頻 改進(jìn) 背景差分法 基本 準(zhǔn)確 還 不錯(cuò) 一般 對(duì)于同一種算法，從圖 和圖 、圖 和圖 的比較中可以看出，簡(jiǎn)單背景的視頻明顯更容易定位， 用時(shí)短， 定 位準(zhǔn)確性高，穩(wěn)定性好。 對(duì)于同一組視頻，從圖 和圖 、圖 和圖 的比較中可以看出，改進(jìn)的背景差分法更容易定位 ， 用時(shí)更短， 定位更準(zhǔn)確，穩(wěn)定更好， 實(shí)用性 更強(qiáng) 。 浙江理工大學(xué)科技與藝術(shù)學(xué)院本科畢業(yè)設(shè)計(jì) (論文 ) 23 第五章 總結(jié)與展望 運(yùn)動(dòng)目標(biāo)檢測(cè)作為計(jì)算機(jī)視覺(jué)與智能視頻監(jiān)控系統(tǒng)的關(guān)鍵技術(shù)之一，在機(jī)器人導(dǎo)航、醫(yī)學(xué)圖像分析、智能視覺(jué)監(jiān)控系統(tǒng)、工業(yè)檢測(cè)等領(lǐng)域都有廣泛的應(yīng)用，蘊(yùn)藏著巨大的商機(jī)，也受到了學(xué)術(shù)界和產(chǎn)業(yè)界的高度重視。但到目前為止， 動(dòng)態(tài)圖像序列 的運(yùn)動(dòng)目標(biāo)檢測(cè)仍面臨許多未能很好解決的問(wèn)題。 本論文在查找并閱讀了大量國(guó)內(nèi)外有關(guān)運(yùn)動(dòng)目標(biāo)檢測(cè)的研究資料 的基礎(chǔ)上，深入研究了當(dāng)前最常用的一些運(yùn)動(dòng)目標(biāo)檢測(cè)算法，系統(tǒng)學(xué)習(xí)了這些算法的基本原理、應(yīng)用領(lǐng)域以及算法本身的優(yōu)缺點(diǎn)。本文圍繞 動(dòng)態(tài)圖像序列 的運(yùn)動(dòng)目標(biāo)檢測(cè)展開(kāi)，對(duì)運(yùn)動(dòng)目標(biāo)檢測(cè)均作了深入的研究，提出了自己的算法 和 改進(jìn)算法并基于MATLAB 實(shí)現(xiàn)了相應(yīng)的算法，且用 自己拍攝的簡(jiǎn)單背景和復(fù)雜背景 AVI 視頻，進(jìn)行了性能驗(yàn)證與分析。 下面給出了本論文的 研究 總結(jié) ，并對(duì)進(jìn)一步的研究 進(jìn)行了展望 。 研究 總結(jié) 本文圍繞 動(dòng)態(tài)圖像 序列的運(yùn)動(dòng)目標(biāo)檢測(cè)算法展開(kāi) 研究， 取得了相應(yīng)的研究成果 。本文的主要研究 成果 如下 : （ 1） 根據(jù)運(yùn)動(dòng)目標(biāo)檢測(cè)的 背景及意義 ， 對(duì)運(yùn)動(dòng)目標(biāo) 檢測(cè) 的國(guó)內(nèi)外研究現(xiàn)狀進(jìn)行總結(jié)歸納 。 （ 2） 介紹 了 圖像處理技術(shù)中相關(guān)的基本理論知識(shí)和動(dòng)態(tài)圖像序列中運(yùn)動(dòng)分析的理論基礎(chǔ)和分析方法 ， 包括 圖像灰度變換 、 中值濾波 、 邊緣檢測(cè) 、 圖像配準(zhǔn) 等內(nèi)容 ，同時(shí) 介紹了背景 差分 法， 光流法等算法。 （ 3） 具體 提出 兩 個(gè) 動(dòng)態(tài) 圖像序列目標(biāo)檢測(cè)的算法， 背景差分法和改進(jìn)的背景差分法， 完成了運(yùn)動(dòng)目標(biāo)檢測(cè) 實(shí)驗(yàn) 的總體設(shè)計(jì)，包括流程 圖 、功能模塊 分析 等。 （ 4） 對(duì)于視頻的采集，采用了自己拍攝的 AVI 視頻，對(duì)于這 AVI 視頻，由于 MATLAB 對(duì)于 AVI 視頻編解碼的要求比較高，需要先將 AVI 視頻轉(zhuǎn)化為MATLAB 所接受的 AVI 視頻編解碼，期間選擇了 DivX521XP2K 的編解碼 器 ，將其轉(zhuǎn)化為 DivX521 的編解碼， 然后再進(jìn)行讀取。 （ 5） 對(duì)運(yùn)動(dòng)目標(biāo) 檢測(cè) 利用 MATLAB 進(jìn)行了以上兩種算法的驗(yàn)證 ， 在背景差分法中， 利用中值濾波進(jìn)行去噪，通過(guò)圖像灰度化、梯度化進(jìn)行預(yù)處理， 背景建模提取運(yùn)動(dòng)目標(biāo)。在改進(jìn)的背景差分法中，不僅 利用 了 中值濾波進(jìn)行去噪，通動(dòng)態(tài)圖像序列中的運(yùn)動(dòng)目標(biāo)檢測(cè)方法研究與實(shí)現(xiàn) 24 過(guò)圖像灰度化、梯度化進(jìn)行預(yù)處理， 背景建模提取運(yùn)動(dòng)目標(biāo)，還 采取特征區(qū)域匹配進(jìn)行圖像匹配操作， 來(lái)提取運(yùn)動(dòng)目標(biāo) 。 （ 6） 進(jìn)行 了比較 分析 。在 簡(jiǎn)單背景視頻 和復(fù)雜 背景視頻 這 兩種情況下，對(duì)背景差分法和改進(jìn)的背景差分法進(jìn)行 實(shí) 用 性、準(zhǔn)確性、 穩(wěn)定 性 等多角度的 比較分析 。 （ 7） 對(duì)于同一種算法，簡(jiǎn)單背景的視頻明顯更容易定位，定位準(zhǔn)確性高，穩(wěn)定性好 ，用時(shí)短 。 對(duì)于同一組視頻，利用以上兩種不同的算法，改進(jìn)的背景差分法定位更準(zhǔn)確，穩(wěn)定更好，用時(shí)更短。 （ 8） 本 論文 研究的 算法 能夠在單一目標(biāo)的環(huán)境中迅速檢測(cè)，且誤差保持在較小的恒定范圍內(nèi)，處理時(shí)間短，實(shí)時(shí)性強(qiáng)，穩(wěn) 定 性 好 。 研究展望 本文主要研究了 動(dòng)態(tài) 圖像序列的運(yùn)動(dòng)目標(biāo)檢測(cè)，取得了一些研究成果。但由于該領(lǐng)域的應(yīng)用背景和所涉及的內(nèi)容十分廣泛，還有 很多地方需要進(jìn)一步地深入和完善。下面對(duì)將來(lái)進(jìn)一步的研究工作 進(jìn)行展望 : （ 1） 復(fù)雜環(huán)境下的運(yùn)動(dòng)目標(biāo)檢測(cè)，容易受到背景的影響，當(dāng)目標(biāo)與背景信息之間具有相似性時(shí)，往往不能完全 檢測(cè) 目標(biāo)。 對(duì)于 這樣的場(chǎng)景 ，還有待進(jìn)一步的研究，以便進(jìn)一步提高算法的效率， 檢測(cè)的精確性， 改善算法的實(shí) 用 性。 （ 2）運(yùn)動(dòng)目標(biāo) 檢測(cè) 對(duì)單個(gè)目標(biāo)的效果很好，但是對(duì)于多個(gè)的運(yùn)動(dòng)目標(biāo)還沒(méi)單個(gè)目標(biāo)的效果好， 在今后的研究中可以嘗試著檢測(cè) 多個(gè) 運(yùn)動(dòng)目標(biāo) ，使多個(gè)運(yùn)動(dòng)目標(biāo)的檢測(cè)效果越來(lái)越好 。 （ 3） 特征區(qū)域的選取算法僅僅利用灰度信息 像素值 進(jìn)行運(yùn)動(dòng)物體的檢測(cè)，沒(méi)有充分利 用圖像彩色信息。在序列圖像中，顏色也是一個(gè)重要的信息，在今后的研究中可以嘗試著利用顏色信息來(lái)檢測(cè)運(yùn)動(dòng)目標(biāo)。 （ 4） 運(yùn)動(dòng)目標(biāo)的檢測(cè)算法只利用了二維信息，系統(tǒng)存在運(yùn)動(dòng)目標(biāo)被遮擋而出現(xiàn)的短暫的失效問(wèn)題。下一步需要研究三維信息，以期利用三維信息精確算法，解決此問(wèn)題。 總而言之，隨著現(xiàn)代科學(xué)的不斷發(fā)展， 運(yùn)動(dòng)目標(biāo)檢測(cè)將會(huì)更進(jìn)一步的得到研究與應(yīng)用 ， 為我們的生活服務(wù)。 浙江理工大學(xué)科技與藝術(shù)學(xué)院本科畢業(yè)設(shè)計(jì) (論文 ) 25 參考文獻(xiàn) [1] 張嚴(yán)娜 . 運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤相關(guān)算法研究 [D]. 河南 : 河南大學(xué) , 2021 [2] 馮抑敏 . 運(yùn)動(dòng)目標(biāo)圖像檢測(cè)與跟蹤問(wèn)題研究 [D]. 西安 : 西安建筑科技大學(xué) , 2021 [3] 劉琦 . 基于視頻的運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤系統(tǒng)研究 [D]. 貴州 : 貴州師范大學(xué) , 2021 [4] 蘇東華 . 視頻車(chē)輛檢測(cè)技術(shù)的應(yīng)用和發(fā)展 [D]. 上海 : 上海海事大學(xué) , 2021 [5] 任榮新 . 基于運(yùn)動(dòng)圖像的目標(biāo)檢測(cè) [D]. 山東 : 中國(guó)海洋大學(xué) , 2021 [6] Weiming Hu, Tieniu Tan, Fellow, IEEE, Liang Wang, and Steve Maybank. A survey on visual surveillance of object motion and behaviors[J]. IEEE transactions on systems,man,and cyberics— part c:applications and reviews, 2021, 34(3): 1~3 [7] Alper Yilmaz Omar Javed and Mubarak Shah. Object TrackingA Survey 2021[J]. ACM Computing Surveys, 2021, 38(4): 1~2 [8] 李莉 . 視頻序列中運(yùn)動(dòng)目標(biāo)檢測(cè)技術(shù)研究 [D]. 合肥 : 合肥工業(yè)大學(xué) , 2021 [9] 肖海燕 . 動(dòng)態(tài)目標(biāo)檢測(cè)與跟蹤技術(shù)的研究 [D]. 大連 : 大連理工大學(xué) , 2021 [10] 劉雪 . 基于圖像序列的運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤算法研究 [D]. 山東 : 山東大學(xué) , 2021 [11] 王唯合 ,王宏志 ,趙蘭英 . 運(yùn)動(dòng)目標(biāo)檢測(cè)跟蹤方法研究 [J].自然科學(xué)版 ,2021,28（ 4） : 411~414 [12] 王亮 ,胡衛(wèi)明 ,譚鐵牛 . 人運(yùn)動(dòng)的視覺(jué)分析綜述 [J].計(jì)算機(jī)學(xué)報(bào) ,2021,25（ 3） : 226~233 [13] Allen, Luettgen, Willsky. Multiscale approaches to moving target detection in image sequences[J]. Optical Engineering,2021,33(7): 2248~2254 [14] 曾鵬鑫 . 動(dòng)態(tài)場(chǎng)景下多運(yùn)動(dòng)目標(biāo)檢測(cè)及跟蹤方法 [D]. 遼寧 : 東北大學(xué) , 2021 [15] Wenshuai Yu, Xuchu Yu, Pengqiang Zhang, Jun Zhou. a new framework of moving target detection and tracking for UAV video application[J]. The International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences,2021,28(36): 609~614 動(dòng)態(tài)圖像序列中的運(yùn)動(dòng)目標(biāo)檢測(cè)方法研究與實(shí)現(xiàn) 26 [16] 蔡輝 . 圖像序列的運(yùn)動(dòng)檢測(cè)與目標(biāo)跟蹤方法研究 [D]. 哈爾濱 : 哈爾濱工業(yè)大學(xué) , 2021 [17] 陳 鋒強(qiáng) . 復(fù)雜場(chǎng)景下運(yùn)動(dòng)物體檢測(cè)與跟蹤算法的研究 [D]. 上海 : 上海交通大學(xué) , 2021 [18] 曾脈 ,左志宏 ,常曉夫 ,何煊 . 一種準(zhǔn)確而快速的運(yùn)動(dòng)目標(biāo)檢測(cè)算法 [J].成都信息工程學(xué)院學(xué)報(bào) , 2021, 23(4): 1~2 [19] 黃磊 ,于曼曼 . 基于背景差分的運(yùn)動(dòng)目標(biāo)檢測(cè)研究 [J]. 軟件導(dǎo)刊 ,2021,8(6): 187~188 [20] 王浩 ,劉輝 ,姚瑤 ,尚振宏 . 幀間差分與邊緣紋理相融合的運(yùn)動(dòng)目標(biāo)檢測(cè) [J].信息化縱橫 ,2021,17(12): 1~3 [21] 陶韜 . 基于變化區(qū)域檢測(cè)的視頻 對(duì)象分割 [D]. 吉林 : 吉林大學(xué) , 2021 [22] 張磊 ,項(xiàng)學(xué)智 ,趙春暉 . 基于光流場(chǎng)與水平集的運(yùn)動(dòng)目標(biāo)檢測(cè) [J]. 計(jì)算機(jī)應(yīng)用 ,2021,29(4): 972~978 [23] 陳煥鐘 ,李榕 ,程劍光 . 基于混合高斯模型的運(yùn)動(dòng)目標(biāo)檢測(cè) [J].激光雜志 ,2021,30（ 4） : 1~2 [24] 何東曉 . 智能視頻監(jiān)控中的運(yùn)動(dòng)目標(biāo)檢測(cè)方法研究 [D]. 山東 : 中國(guó)海洋大學(xué) , 2021 [25] 查成東 ,王長(zhǎng)松 ,鞏憲鋒 ,周家新 . 基于自適應(yīng)背景模型的運(yùn)動(dòng)目標(biāo)檢測(cè) [J]. 光電工程 ,2021,35(1): 26~30 浙江理工大學(xué)科技與藝術(shù)學(xué)院本科畢業(yè)設(shè)計(jì) (論文 ) 27 致 謝 書(shū)寫(xiě)至此，不僅意味著本文的結(jié)束，也意味著自己的學(xué)習(xí)階段即將告一段落?；叵脒@ 四 年來(lái)點(diǎn)點(diǎn)滴滴的學(xué)習(xí)生活，我感到很充實(shí)，也深深感謝 學(xué)院給予我那么好的學(xué)習(xí)氛圍，感謝 學(xué)院各位老師和同學(xué)給 與 我的無(wú)私幫助 ，感謝家人對(duì)我的支持 。 首先感謝我的導(dǎo)師 周營(yíng) 烽 老師 ， 周老師嚴(yán)謹(jǐn)?shù)膶W(xué)風(fēng)、求實(shí)的精神和淵博的知識(shí)給我留下了深刻的印象。在學(xué)習(xí)、科研方面周老師給予了我精心的指導(dǎo)和熱情的幫助，并提出了很多寶貴的意見(jiàn)。從周老師那里，我不僅學(xué)到了科學(xué)研究的方法，還學(xué)會(huì)了許多做人的道理，這必將為我以后的工作和研究打下良好的基礎(chǔ)。 同時(shí) 感謝學(xué)院所有共度求學(xué)時(shí)光的同學(xué)們，是他們營(yíng)造了團(tuán)結(jié)友愛(ài)的生活氛圍和濃厚的學(xué)術(shù)氛圍，與他們共度的這段學(xué)習(xí)時(shí)光充實(shí)而快樂(lè)，跟他們的交流探討使我增長(zhǎng)了知識(shí)，開(kāi)闊了思路，得到了不少有益的啟發(fā)。在他們的合作、幫助和啟發(fā)下，才使我的研究課題能順利完成。 最后要特別感謝在成長(zhǎng)道路上給我無(wú)私關(guān)心和體貼的父母和家人，他們一直在我的身后默默的關(guān)心我、支持我，感謝他們的關(guān)心使我逐漸成長(zhǎng)起來(lái)，給予我完成論文的動(dòng)力和信心 ！ 再次向所有關(guān)心我、幫助我、理解我的老師、親人和朋友表示衷心的感謝 ！ 動(dòng)態(tài)圖像序列中的運(yùn)動(dòng)目標(biāo)檢測(cè)方法研究與實(shí)現(xiàn) 28 附錄 簡(jiǎn)單背景視頻 和復(fù)雜背景視頻 核 心 程序 簡(jiǎn)單背景視頻和復(fù)雜背景視頻核心程序的簡(jiǎn)單介紹 簡(jiǎn)單背景視頻和復(fù)雜背景視頻核心程序 分別可分為兩種，一種是背景差分法的核心程序，一種是改進(jìn)的背景差分法的核心程序。而對(duì)于簡(jiǎn)單背景視頻的背景差分法的核心程序和復(fù)雜背景視頻的背景差分法的核心程序來(lái)說(shuō)，這兩個(gè)核心程序基本上是如出一轍的，只有在閾值方面有著不同，要根據(jù)實(shí)際的情況來(lái)確定 其閾值。因此在分析核心程序的時(shí)候只要分析任何背景視頻中的一種背景差分法核心程序就行。對(duì)于簡(jiǎn)單背景視頻改進(jìn)的背景差分法的核心程序和復(fù)雜背景視頻改進(jìn)的背景差分法的核心程序來(lái)說(shuō)，也是 如此。 在此，以下給出了簡(jiǎn)單背景視頻的背景差分法的核心程序和復(fù)雜背景視頻改進(jìn)的背景差分法的核心程序 ，其他的兩種與這兩種差不多，不再詳細(xì)寫(xiě)出。 簡(jiǎn)單背景視頻的 背景差分法 核心 程序 %圖像的采集轉(zhuǎn)化及預(yù)處理 clc。 clear。 to=cputime。%cpu 占用時(shí)的時(shí)間 f=aviinfo(39。39。)。 for i=1: mov=aviread(39。39。,i)。 I=。 mov1=rgb2gray(I)。%灰度轉(zhuǎn)換 mov2=medfilt2(mov1,[3 3])。%中值濾波 imwrite(mov2,strcat(39。39。,