2025年基于matlab的运动目标检测.doc

1绪论

1.1課題研究背景及意义

运動目的检测是图像处理与计算机视覺的一种分支，在理论和实践上均有重大意义，長期以来一直被国内外學者所关注。在实际中，视频监控运用摄像机對某一特定区域進行监视，是一种细致和持续的過程，它可以由人来完毕，不過人执行這种長期枯燥的例行监测是不可靠，并且费用也很高，因此引入运動监测非常有必要[1]。它可以減轻人的承担，并且提高了可靠性。概括起来运動监测重要包括三個内容[2]：运動目的检测，方向判断和图像跟踪。运動目的检测是整個监测過程的基础，运動目的的提取精确与否，直接关系到後续高级過程的完毕质量。

1.2国内外研究現实状况

运動目的检测在国外已經获得了某些的研究成果[3]，許多有关技术已經開始应用到实际系统中，不過国内研究相對落後,与国外尚有较大差距。老式的视频目的提取大体可以分两类,一类以空间同性為准则,先用形态學滤波器或其他滤波器對图像作预处理;然後對该图像的亮度、色度或其他信息作空间上的分割以對区域作边缘检测;之後作运動估计,并合并相似的运動区域以得到最终的提取成果。如光流算法、积极轮廓模型算法。此类措施成果较為精确不過运算量相對较大。另一类算法重要以時间变化检测作為准则,此类算法重要通過帧差检测图像上的变化区域和不变区域,将运動物体与静止背景進行分割。此类措施运算量小,提取成果不如前类措施精确。此外,尚有時空結合措施、時空亮度梯度信息結合的措施等等[4]。本文将围绕以時间变化监测為基础的措施展開分析和讨论。

1.3本文构造

第1章简介了本文的研究意义及国内外发展状况；第2章分為四個部分详细讲述了运動目的检测的措施，简介了背景提取与更新算法，检测算法，阈值选用，形态學滤波等；第三章對全文作出了总結。

２运動目的检测的一般過程

2.1背景提取与更新算法

在進行运動目的检测時，一种很重要的环节就是辨别出运動目的和背景范围，常見的一种状况是摄像机处在静止状态并且焦距也是固定的。此時，图像中的背景区域固定不動。在這种状况下，运動目的识别無论是使用背景差法，還是使用背景差法結合帧间差法，质量良好的背景的建立显得及其重要。此外，當波及到背景的使用時，一旦背景发生某些变化時，如背景中频繁地出現运動物体，或者光照发生变化、树叶等小物体的晃動等等，使得不能精确地提取背景作為参照图像，從而不能對的地分割出视频序列中的运動物体。為了克服上述問題，国内外众多研究人员提出了背景建立和自适应的背景模型，实現了背景模型的实時更新，可以比较精确地识别出运動目的。在可以满足实時性和实用性规定的前提下，讨论并研究下列几种算法[5]。

2.1.1手動背景法

手動背景法需要人观测到没有前景物体時启動该帧图像，作為背景图像。這种背景提取措施增長了人力和物力的需求，并且在诸多状况下很难在没有前景的状况下获得背景图像，例如高速公路的車辆监测系统、小区的门禁系统等等。這种措施不能实現自适应背景更新的功能，需要使用其他措施修正由于光线，亮度等的变化带来的背景误差。

2.1.2记录中值法

考虑到运動物体较少的状况下，持续多帧图像中背景的像素值占重要部分，這样在一段時间内变化缓慢，取中值便可以认為是背景图像。记录中值算法從记录學的角度记录單個像素點Ai(x,y),(i=1,2,…N)在持续帧图像中的亮度值Bi。在一段時间内對视频序列图像的亮度值(或者色彩信息)Bi進行排序，然後取中值Mi(x,y)作為背景。该算法存在的問題在于：图像帧的像素點大多以数萬，数拾萬的数量级出現，而用于取中值的图像帧数量N也应當比较大。對如此大的数组進行排序取出中值，实現時计算量较大，处理较慢。同步需要占用大量的内存單元用于存储数据。

2.1.3算术平均法

采用算术平均法提取背景图像，可以总結為在特定的時间段内對像素點的亮度和色彩信息取平均值，用均值作為背景图像對应像素點数值。在讀入一段视频時，對某一像素點進行观测，會发目前没有前景的运動目的通過時，该點的灰度值保持稳定，变化很小,只有目前景的运動目的通過時，该點的灰度才會发生剧烈的变化。這样就可以持续讀入N帧图像，對图像各點的灰度或色彩信息進行记录的措施，使得变化剧烈的像素點变得平缓，取其平均值作為背景图像像素點的值。這样也可以滤除背景图像中的突变噪声點。其记录公式如下：

（2-1）

公式中式中：B(x,y)表达背景图像，Ii(x,y)表达第i帧序列图像，N表达平均帧数。在实际場景中，一段時间内，同一区域很少有也許总是存在运動物体。而通過平均法得到的背景就會消除亮暗分布不均匀的状况。

选用N=120，MATLAB仿真,從序列图像的第1、60、120帧可以看出，在第1帧至第120帧時都存在运