(答辩)视频序列中运动目标检测方法研究.pptVIP

（a）黑色车辆原图像（b）对应的直方图 （c）运动目标提取图 （d）OTSU方法运动目标提取图 （a）原图像 （b）图像分割后 （c）形态学处理后 1、在图像预处理部分，比较研究了4种彩色图像灰度化的方法和3种常用的平滑滤波方法，并且通过编程实现，进行对比，采用加权平均值法对本课题所选视频图像进行彩色图像灰度化处理采用高斯滤波完成所选视频图像平滑滤波。 2、在运动目标检测部分，对常用的3种运动目标检测方法进行了研究，在比较其优缺点的基础上，着重在帧间差分法上进行编程实验，在二帧差分的基础上改进出三帧差分与五帧差分，并作出实验比较。综合考量了二帧、三帧、五帧的优缺点后，采用五帧帧间差分法完成本课题运动目标检测工作。 3、在运动目标分割部分，对3种常用的阈值分割的方法进行了细致的研究，通过编程，比较了简单阈值与OTSU方法，考量到OTSU方法在运动目标提取方面的优越性，采用OTSU方法完成本课题在运动目标分割方面的工作。 敬请各位老师 提出宝贵意见和建议！ 腐蚀 指导老师： 学生： 班级： 学号： 1、课题的研究背景及意义 运动目标检测是计算机视觉研究领域的一个重点研究问题，在军事目标跟踪、智能视频监控、视频信号压缩和机器人视觉等领域应用广泛。运动目标检测主要是对视频序列中的运动目标进行检测，将运动目标和复杂的背景分开，并获得描述物体及其运动的相关参数，是解决众多计算机视觉问题的基础。 2、本论文主要完成的任务 图像 预处理 运动目 标检测 运动目 标分割 （1）图像预处理： 详细的介绍了彩色图像灰度化的4种方法，采用加权平均值法对本课题所选视频图像进行灰度化处理；研究了3种常用的图像平滑处理的方法，分别采用中值滤波和高斯滤波对图像进行了平滑处理。（2）运动目标检测： 对于3种常用的运动目标检测方法（光流法、背景差分法、帧间差分法）进行了细致的研究，比较其优缺点。采用帧间差分法作为本课题的运动目标检测方法，在二帧帧间差分法的基础上，又进一步 研究了三帧帧间差分法和五帧帧间差分法，应用这3种方法实现了对运动车辆的提取，并对实验结果进行了分析和比较。（3）运动目标分割： 对3种常用的阈值分割方法进行了具体的研究，应用固定阈值法和OTSU方法实现了对运动目标的有效分割，对其效果与实用性进行了综合的比较，并对分割后的图像进一步做形态学处理，改善检测效果。 1、彩色图像灰度化（1）最大值法：用ＲＧＢ三个值中的最大的一个来表示灰度，这样会形成亮度很高的灰度图像。（２）平均值法：将彩色图像中的ＲＧＢ三个分量的亮度求简单的平均值，将得到的平均值作为灰度值输出，这样会形成较柔和的图像。 （３）加权平均值法：根据人眼的敏感程度或者其他指标给ＲＧＢ赋予不同的权重，用ＲＧＢ的加权平均值来表示灰度，这样会得到最合理的灰度图像。 （４）能量法：亮度本身就是表征光的能量强度的量度，在ＲＧＢ构成的三位空间中，各个ＲＧＢ颜色就是一个矢量，该矢量的模值恰好可以表示ＲＧＢ的能量强弱。 本文基于OpenCV计算机视觉库这一开发平台，采用加权平均值法进行彩色图像灰度化，结果如下： 原图像 灰度化图像 2、图像的平滑滤波 （1）中值滤波：中值滤波器是非线性滤波器，是一种典型的空域低通滤波器。 （2）邻域均值滤波：也是最常用的线形平滑滤波器，对高斯噪声可以取得较好的滤波效果，但是滤波后的图像边界模糊。 （3）高斯滤波：它是根据高斯函数的形状来选择权值的线形平滑滤波器，它对去除服从正态分布的噪声是很有效的。 中值滤波与高斯滤波实验结果图： （a）原图像 （b）灰度化后（c）中值滤波后 （d）高斯滤波后 光流法 背景差分法 二帧帧间差分法 帧间差分法 三帧帧间差分法 五帧帧间差分法（重点） 光流计算方法大致可以分为三类：基于匹配的方法、基于频域的方法、基于梯度的方法。 原理：给图像中的每一个像素点赋予一个光流矢量 即速度矢量 ，这就形成了一个图像光流场，根据各个像素点的速度矢量特征，可以对图像进行动态分析。如果图像中没有运动目标，则光流矢量在整个图像区域是连续变化的，当物体和图像背景存在相对运动时，运动物体所形成的速度矢量必然和邻域背景速度矢量不同，从而检测出运动物体的位置。当物体运动时，图像上对应物体的亮度模式也在运动，则光流 是指图像亮度模式的表观运动。通俗易懂的话即可解释为：是在一帧图像中找到一些特征点，然后在后续一帧图像中找出相同的特征用点。 优点：可以很精确的计算出运动目标的速度，有较