视频序列运动目标检测
移动摄像机下运动目标检测的快速运动补偿方法与流程
移动摄像机下运动目标检测的快速运动补偿方法与流程移动摄像机下运动目标检测的快速运动补偿方法与流程引言现代摄像机广泛应用于视频监控、无人机航拍等领域，而其中一个重要的应用就是运动目标检测。
然而，由于移动摄像机在运动过程中会产生抖动，这给运动目标的稳定检测带来了很大挑战。
为了解决这个问题，本文将介绍一种快速运动补偿方法和相应的流程。
方法快速运动补偿方法是通过分析连续帧之间的运动信息，对图像进行补偿以实现目标的稳定检测。
具体步骤如下：1.运动目标检测：首先，采用恒定速度模型对目标进行建模，并利用光流法等算法提取连续帧之间的运动向量。
这些运动向量可以有效地描述摄像机的运动和目标的运动。
2.运动补偿：根据运动向量的信息，对当前帧进行运动补偿。
具体而言，可以利用运动向量的长度和方向来计算补偿的位移，然后对当前帧进行平移补偿，以减小摄像机抖动对目标检测的影响。
3.运动目标跟踪：在进行运动补偿后，使用目标跟踪算法来跟踪目标在视频序列中的位置。
可以选择传统的相关滤波跟踪算法或者深度学习的目标检测算法，根据具体应用需求进行选择。
4.运动目标检测：最后，根据目标跟踪的结果，在运动补偿后的帧上进行目标检测。
可以使用传统的基于特征提取和分类器的目标检测方法，也可以使用基于深度学习的目标检测算法。
流程下面是移动摄像机下运动目标检测的快速运动补偿流程：1.输入视频序列：将移动摄像机拍摄的视频序列作为输入。
2.目标建模：对视频序列中的目标进行建模，获得目标的运动信息。
3.运动向量提取：利用光流法等算法提取连续帧之间的运动向量。
4.运动补偿：根据运动向量的信息，对当前帧进行运动补偿。
5.目标跟踪：对进行运动补偿后的帧进行目标跟踪，获得目标在视频序列中的位置。
6.目标检测：在进行运动补偿后的帧上进行目标检测，获得最终的运动目标检测结果。
7.输出结果：输出运动目标检测的结果，可以是目标位置的坐标或目标图像等。
结论通过快速运动补偿方法和相应的流程，可以有效地解决移动摄像机下运动目标检测的稳定性问题。
视频序列中目标的检测与跟踪
【 摘 要 】视频序列 中， 降低 背景变化对 目标 的检测 与跟踪产 生的影响 ， 出 了一种 新 目 检测 与跟踪 算法。 首先 ， 为 提 标 以像 素为 基础建立 时间序列 背景模 型 ， 高 了 目标检 测 的精度 。然后 ， 用 Ｋ —ｒ 提 采 Ｄ ｔ ｅ算法进行 目标 跟踪 ， 得 了运动 目标 的 完整路径 。实 ｅ 获 验结果表 明 ， 方法在视 频序 列 目标 的检 测与分析 中， 该 适应环境 变化 的能力强 ，到实 时处 理的效果 。 达 【 关键词 】 目 标检测 ； 背景 建模 ；目 跟踪 ； Ｄ ｔｅ 法 标 Ｋ －ｅ 算 ｒ 【 中图分类号 】Ｔ ９１７ ；Ｐ９． Ｎ １．３Ｔ ３１９ 【 文献标识码 】Ａ
【 ｙｗ ｒｓ ａ ｅ ｄｔ ｔ ｎ ｂｃｇ ｕｄｍ ｄｌ ｇ ｔ ｇｔｒ ｋｎ ； Ｄ ｔ ｅａ ｏ ｔ Ｋｅ ｏｄ】ｔｇｔ ｅ ｃｏ ； ａｋｒ ｎ ｏｅｎ ；ａ ｅｔ ｃｉ Ｋ －ｒ ｌ ｒｈ ｒ ｅｉ ｏ ｉ ｒ ａ ｇ ｅ ｇ ｉｍ
目 的检测 与跟踪涉及到人工智能、 标 机器视觉、 生物 医 的树 、 转动的风扇 、 动的窗帘 等。通 常这种场 景 中还有 摆 学、 自动控制等多个学科 ， 近年来 ， 随着计算机技术 的发展 ， 光线 的变化 。解决这个问题最好 的方法是采用 基于 时间 得到了广泛 的研究与应用…。目前 比较流行 的 目 检测算 序列 的编码建模算法 ， 标 对每个像素或者一组像素建立时间 法包括帧间运动估计 和背景差分 的方法 ， 帧间运动估 的方 序列模 型 ， 在每个像素点进行抽样 ， 根据颜色扭 曲尺度 和 法是利用图像序列中相邻帧图像之 间的差来提取图像 的运 亮度边界聚类获得编码本 的集合 ， 并不是所有像素点拥有 动区域的。该方法实现简单 ， 但只能检测相对运动 的目标 ， 相同数量 的编码本数量 。通过编码 本表示 的聚类子不需 并且检测出 目 的位置不够精确。背景差分法首先定义视 要对应单个高斯分布或者其他参数的分布 ， 标 因此该编码方 频图像的特定帧为背景 ， 然后将 当前帧和背景进行差分 比 式是以像素为基础 的。 较， 如果同位置 的像素特征 、 像素 区域特征或其他特征的差 归一化颜色算 子是用 来处理全局 和局 部亮度变化 的 别大于选定 的阈值 ， 当前帧 中该位置的像 素 区域就判定 方法 ， 则 该技术在 图像 的暗色 区域 效果不理 想 ， 因为颜色 比 为前景 目 区域 ， 标 反之则 为背景 。该 方法容易受到光线亮 率的不确定性与亮度相关 ， 以灰度级低 的像素点相对与 所
基于视频序列的运动目标追踪算法
关 键 词 目标 追 踪 ；卡 尔曼 ；Ｍｅｎｈ ａｓｉ ｌ ｆ 中图 分 类 号 Ｔ ９ ９ ８ Ｐ ０ ． Ｎ １． ：Ｔ ３ １６ 文献标识码 Ａ 文章编号 １０ ７ ２ （０ ２ ０ ０ ７— ８０ ２ １ ）８—１５— ３ ２ ０
Ａｂ ｔａ ｔ Ａｎ ａｇｒ ｈ ｏ ｖｎ ｂｅｔｔ ｃ ｉｇｂ ｓｄ ｏ ｉｅ ｅｕ ｎ ｅ ｉ ｉｔ ｄ ｃｄ，ｗ ｉｈ ｉｔｇａｅ ｓｒ ｃ ｌｏｉ ｍ ｆｒｍｏ ｉｇ ｏｊｃ ｒ ｋｎ ａｅ ｎ ｖｄ ｏ ｓｑ ｅ ｃ ｓ ｎｒ ｕ ｅ ｔ ａ ｏ ｈｃ ｎｅｒｔｓ
Ｍｏ ｉｇＯｂｅｔ ｒ ｃ ｉｇＡｌｏ ｉ ｍｓＢ ｓｄ ｏ ｉｅ ｅ ｕ ｎ ｅ ｖｎ ｊｃ ａ ｋｎ ｇ ｒｔ ａｅ ｎ Ｖ ｄ ｏＳ ｑ ｅ ｃ Ｔ ｈ
ＬＩＹａ ｇ ｎ
（ ｃｏｌ ｆ ｌ ｔ ｎ ｎｉｅｒ ｇ ｉ ａ ｎｖｒ ｔ，Ｘ’ １０ １ ｈｎ ） Ｓ ｈｏ ｏ Ｅｅ ｒ ｉ Ｅ ｇ ｅｉ ，Ｘ ｄ ｎＵ ｉ ｓｙ ｉｎ７ ０７ ，Ｃ ｉａ ｃｏ ｃ ｎ ｎ ｉ ｅｉ ａ
觉、 图像处 理和模 式识 别研究 领域 的重要 课 题 ， 在实 际
应 用 中 ， 动 目标 跟 踪 是 承 接运 动 目标 检测 和 目标 行 运 为分析 与理解 的一 个重 要步骤 。 目标追 踪可 以提 供 目 标 的准确定 位 以及 运 动轨 迹 ， 为下 一 步 视频 监 控 对 目 标 的运动行 为分 析 提供 了 可靠 的数据 支 持 ， 对 静 止 针
Ｋａｍａ ｉ ｅ ｉｇａ ｄ Ｍ ｅ ｎ ｈｆ ａｇ ｒｔ ｍ ｏｒ ａｉｅｆｓ－ ｖｎ ａ ｇ ｔｔａ ｋ ｎ ． Ｋａｍａ ｉ ｅ ｒ ｄｃｓｔｅ ｐ ｓｉ ｌ ｏ ｌ ｎｆｌ ｒｎ ｎ ａ ｓ ｉ ｌｏｉｈ ｔ ｅ ｚ ａ ｔｍｏ ｉｇ ｔｒ ｅ ｒｃ ｉ ｇ ｔ ｌ ｌ ｌ ｎｆｌ ｒｐｅ ｉｔ ｈ ｏ ｓｂｅ ｐ — ｔ
帧间差分法运动目标检测过程及原理
帧间差分法运动目标检测过程及原理帧间差分法是一种常用的运动目标检测方法，依靠帧与帧之间的差异来实现对运动目标的检测。
其原理是通过计算相邻帧之间的差异，将运动目标从静态背景中分离出来，从而实现目标检测。
1. 获取视频流或者图像序列，并将其转换为灰度图像。
该过程可以使用OpenCV等图像处理库实现。
2. 按照时间顺序，每隔一定的时间间隔（例如，每秒钟、每隔几帧）取一帧图像，形成连续的图像序列（也可以直接读取视频流）。
如果采用的是视频流，还需将视频流的时间基准与实际时间对齐。
3. 对于每一帧图像，先将其与上一帧图像做差，得到当前帧的差分图像。
若没有前一帧图像，则将当前帧图像作为背景参考。
4. 对于差分图像，可以应用阈值分割算法（例如Otsu算法、自适应阈值法等）来将其二值化。
此时，目标物体所在的像素值区域将为前景，而背景则为另一种像素值。
5. 对于二值化后的图像，可以应用形态学处理（例如开操作、闭操作等）来去除噪声点和孔洞，从而更准确地提取目标轮廓。
6. 最后，可以利用cv2.findContours()函数查找目标的轮廓。
这些轮廓可以代表单个运动目标或者多个运动目标。
且可以通过测量轮廓的面积、宽度、高度、位置等属性，进一步对目标进行分类与识别。
总结起来，帧间差分法是一种基于视频或图像序列的运动目标检测方法，它的优点是实现简单、速度较快，且对于CMOS或CCD摄像头等图像采集设备不稳定、背景不纯，亮度不均等问题具有较好的适应性。
不足之处在于对于复杂的场景或目标缩放、旋转、部分遮挡等情况，其检测效果容易受到影响。
因此，在实际应用中，我们需根据具体情况选择不同的算法方法来实现更准确、可靠的目标检测。
《运动目标检测和跟踪算法的研究及实现》
《运动目标检测和跟踪算法的研究及实现》一、引言运动目标检测和跟踪是计算机视觉领域中的一项重要技术，广泛应用于智能监控、自动驾驶、人机交互等众多领域。
本文旨在研究并实现一种高效、准确的运动目标检测和跟踪算法，为相关领域的研究和应用提供参考。
二、运动目标检测算法研究1. 背景及意义运动目标检测是计算机视觉中的一项基础任务，其目的是从视频序列中提取出感兴趣的运动目标。
传统的运动目标检测方法主要包括帧间差分法、背景减除法等，但这些方法在复杂场景下往往存在误检、漏检等问题。
因此，研究一种适用于复杂场景的、高效的、准确的运动目标检测算法具有重要意义。
2. 算法原理及实现本文采用基于深度学习的运动目标检测算法。
该算法利用卷积神经网络（CNN）提取视频帧中的特征，并通过区域生成网络（RPN）生成候选目标区域。
接着，利用分类网络对候选区域进行分类，确定是否为运动目标。
最后，通过边界框回归和NMS （非极大值抑制）等技术对检测结果进行优化。
在实现过程中，我们采用了PyTorch等深度学习框架，利用GPU加速计算，提高了算法的运算速度。
同时，我们还针对不同场景的实际情况，对算法进行了优化和改进，提高了算法的准确性和鲁棒性。
三、运动目标跟踪算法研究1. 背景及意义运动目标跟踪是在检测出运动目标的基础上，进一步对目标进行跟踪和定位。
传统的运动目标跟踪方法主要包括基于特征的方法、基于模型的方法等，但这些方法在复杂场景下往往存在跟踪不准确、易丢失等问题。
因此，研究一种适用于复杂场景的、稳定的、准确的运动目标跟踪算法具有重要意义。
2. 算法原理及实现本文采用基于深度学习的Siamese网络进行运动目标跟踪。
Siamese网络通过学习目标模板和搜索区域的特征表示，实现目标的快速定位和跟踪。
在实现过程中，我们采用了离线训练和在线更新的方式，提高了算法的准确性和适应性。
同时，我们还结合了光流法等技术，进一步提高了算法的稳定性和准确性。
帧间差分法运动目标检测过程及原理
帧间差分法运动目标检测过程及原理帧间差分法是一种常用的运动目标检测方法，它通过比较相邻帧之间的差异来判断是否存在运动目标。
其基本原理是利用目标在连续帧之间的运动导致像素值的变化，通过对像素值差异的分析来判断是否存在目标。
1. 选择连续的帧：首先选择需要进行运动目标检测的视频序列，并选择连续的几帧作为输入。
通常情况下，选择相邻的两帧或者多帧进行比较。
2. 图像预处理：对选取的帧进行预处理，包括图像增强、降噪等操作。
常用的预处理方法包括平滑滤波、中值滤波等。
3. 帧间差分计算：对连续帧之间的像素进行差分计算，得到差分图像。
差分图像可以通过计算相邻像素的差异来获得，常用的差分计算方法包括绝对差分、平方差分等。
4. 二值化处理：将差分图像进行二值化处理，将差异像素标记为目标像素，无差异像素标记为背景像素。
常用的二值化方法包括阈值法、自适应阈值法等。
5. 目标提取：从二值化的差分图像中提取出目标区域。
可以通过连通区域分析、形态学操作等方法来实现目标提取。
6. 目标跟踪：将提取出的目标区域与原始图像进行叠加，实现目标的跟踪。
可以通过目标的位置、大小等信息来实现目标的跟踪。
帧间差分法的原理是基于连续帧之间的差异来判断是否存在目标。
当目标发生运动时，连续帧之间的像素值会发生变化，差分图像中会出现明显的差异区域。
通过对差分图像进行二值化和目标提取操作，可以得到目标的位置和形状信息。
进一步结合目标跟踪算法，可以对目标进行跟踪和分析。
帧间差分法具有简单、快速、实时性好等优点，适用于对静态相机下的运动目标进行检测。
由于光照变化、背景噪声等因素的干扰，帧间差分法也存在一定的局限性。
在实际应用中通常需要结合其他方法来进行运动目标检测。
视频序列中运动目标检测技术
摘要 ：提 出一种 基于 前景 目标 分 类 的视 频 序 列 中运 动 目标 检 测 方 法。 该 方 法在 Ｒ ＧＢ空 间 内 建 立 了一种新 颖 的背景 模 型 ； 了解 决背景 更新 “ 为 死锁 ” 问题 ， 出 了像 素 点的跳跃 度 函数和 稳定 性 提
Ｗ Ａ Ｎ Ｇ ｕ — ｅ ＬＩＣｕ — ａ ， ＳＨ ＩＨ ｕ Ｗ ＥＩ Ｆｅ ｇ— ｅ Ｈ ａ ｗ ｉ． ｉｈｕ ａ， ｎ ｍ ｉ （ ． ｐ ｒｍｅ ｔｏ ｏ ｕｅ ｃｅ ｃ，Ｘｉｍｅ ｉｅｓｔ，Ｘｉｍｅ ６ ０ ５ ｕｉｎ １ Ｄｅ ａｔ ｎ ｆＣ ｍｐ ｔｒＳ ｉｎ ｅ ａ ｎ Ｕｎｖ ｒｉｙ ａ ｎ ３ １ ０ ，Ｆ ｊ ，Ｃｈｎ ； ａ ｉａ ２． ｐ ｒｍｅ ｔ ｆ ｔｍａｉｎ Ｄｅ ａｔ ｎ ｏ ｔ ，Ｘｉｍｅ ｉｅｓ ｙ ｏ Ａｕ ｏ ａ ｎＵｎｖ ｒｉ ，Ｘｉｍｅ ６１ ０ ，ＦｕＪ ，Ｃｈｎ ） ｔ ａ ｎ３ ０ ５ ｊｎ ａ ｉａ
ｔｃｓｍｏ ｉｇｏ ｊｃｓａ ｄｓ ｐ ｒｓｅ ｈ ｉ ｈ ｄ ｗｓ ｅ ｔ ｖｎ ｂｅ ｔ ｎ ｕ ｐ ｅｓｓｔ ｅｒｓ ａ ｏ ．
Ｋｅ ｒｓ ｎ ｏ ａｉｎ ｐ ｏ ｅｓ ｇ ｏ ｅ ｒ ｕ ｄ ｏ ｊｃ ｌｓｉ ｃｔ ｎ；ｍｏ ｉｇ ｏ ｊｃ ｅｅ ｔ ｎ ｕ ／ ｙ ｗｏ ｄ ：ｉｆｒ ｔ ｒ ｃｓｉ ；ｆｒｇ ｏ ｎ ｂｅ ｔｃａｓ ｉａｉ ｍ ｏ ｎ ｆ ｏ ｖｎ ｂｅ ｔｄ ｔｃｉ ；ｈ ｅ ｏ
ａ ａ ｉ ｅｂａ ｋｇ ｏ ｎ ｄ ｌｗａ ｂ ｉ ａ ｄ ｓ ｓ ｑ ｅ ｌ ｈ ａ ｋ ｒ ｕ ｍｏ ｅ ｉ ｐ ａ ｅ ｂ ｏ ｅ ｄ ｐｔｖ ｃ ｒ ｕ ｄ ｍｏ ｅ ｓ ｕ ｌ ｎ ｕｂ ｅ ｕ ｎｔｙ ｔ ｅ ｂ ｃ ｇ ｏ ｎｄ ｔ ｄ ｌ ｓ ｕ ｄ ｔｄ ｙ ａ ｆｒ —
基于OpenCV的视频图像序列的运动目标检测
０ 引言
于背景图像的动态变化 ，如天气 、光照 等的影响，使得运 随着 多媒体 技术 的发 展和 计算机 性能 的提高 ，计 算 机视觉 的研究重点 已经从静态图像过渡到动态图像序列上
面，其 中运动 目标检测与跟踪是其 中—个主要分支 ，这方 动检测成为一项相 当困难 的工作。 目前几种常 用的方法有 ：
＝
３ 光流法
光流 计算方法最初 是 由 Ｈ ｍ和 Ｓｈ ｎｋ １８ 年提 ｏ ｃｕ ｃ 于 ９ １
出的 ， 是一种以灰度梯度基本不变或 亮度恒定的约束假 它
设为基础的 目标检测的有效方法。
１ 二 ｌ ０ 一 ＜Ｔ ｌ
一
１
㈩ （） １
设 ＩｘＹｔ （， ， ）为ｔ 刻 点 （， 时 ）的 灰 度； Ｉｘ ｘＹ＋△ ，＋Ａ ） ＋Ａ 时刻运动到点 （ ＋Ａ ， ｔ ｔ 为ｔ ｔ
２ ＂ 年 ７． ｏ ／ ｇ 第 ７期
电 子 测 试
ＥＬＥｃ７ １ ＮＩ ＴＥｓＴ Ｆ０ ｃ
Ｊｕ｜ ２ｏ” Ｎｏ． ７
基于Ｏ ｅＣ
刘维杰 ， 志剑 ，马铁 华 粱 （ 中北大学 电子测试技术重 点实验 室 山西 太原 ００５ ） ３０ １
（ ＋Ａ ， ） ｘＹ＋ 的灰度值，理论上两个灰度值相等，
将该等式右边在（ ， ，） Ｙ 点用泰勒公式展开，经化简和略
去二次项和余式得 ：
Ｃ 由 ｏ 二值图像 Ｄ ） 更新背景图像 Ｂｆ 即 ，
：
Ｈ
譬 …
式中Ｂ （， 为背景图像 ； 为二值图像 ； ｆ ） Ｘ Ｄｆ Ｉ为第
［ 郭雷 ，李 晖晖 ，鲍永 生 ． １ ］ 图像融合 ［ ． Ｍ］北京 ： 电子
工业 出版 社 ，２０ ． ０８
运动目标检测光流法详解
摘要运动目标检测方法是研究如何完成对视频图像序列中感兴趣的运动目标区域的“准确定位”问题。
光流场指图像灰度模式的表面运动，它可以反映视频相邻帧之间的运动信息，因而可以用于运动目标的检测。
MATLAB这种语言可移植性好、可扩展性强，再加上其中有丰富的图像处理函数，所以利用MATLAB 软件来用光流法对运动目标的检测中具有很大的优势。
本设计主要可以借助matlab软件编写程序，运用Horn-Schunck算法对图像前后两帧进行处理，画出图像的光流场。
而图像的光流场每个像素都有一个运动矢量，因此可以反映相邻帧之间的运动，分析图像的光流场就可以得出图像中的运动目标的运动情况。
关键字：光流法；Horn-Schunck算法；matlab目录1光流法的设计目的 (1)2光流法的原理 (1)2.1光流法的介绍 (1)2.1.1光流与光流场的概念 (1)2.1光流法检测运动目标的原理 (2)2.1.1光流场计算的基本原理 (2)2.2.2基于梯度的光流场算法 (2)2.2.3Horn-Schunck算法 (3)2.2.4光流法检测运动目标物体的基本原理概述 (5)3光流法的程序具体实现 (6)3.1源代码 (6)3.1.1求解光流场函数 (6)3.1.2求导函数 (9)3.1.3高斯滤波函数 (9)3.1.4平滑性约束条件函数 (10)3.1.5画图函数 (10)4仿真图及分析 (12)结论 (13)参考文献 (14)1 光流法的设计目的数字图像处理，就是用数字计算机及其他有关数字技术，对图像进行处理，以达到预期的目的。
随着计算机的发展，图像处理技术在许多领域得到了广泛应用，数字图像处理已成为电子信息、通信、计算机、自动化、信号处理等专业的重要课程。
数字图像处理课程设计是在学习完数字图像处理的相关理论后，进行的综合性训练课程，其目的是：使学生进一步巩固数字图像处理的基本概念、理论、分析方法和实现方法；增强学生应用Matlab编写数字图像处理的应用程序及分析、解决实际问题的能力；尝试所学的内容解决实际工程问题，培养学生的工程实践能力。
视频序列中运动人体的实时检测与提取
摘要 ：文章基于 多高斯背景更新模型 ，提 出了一种基 于背
景 减除 的时间差 分运动 目标检 测方 法 ，提 高 了运 动 目标提 取 的精确性 。 同时 ，用一 种 自适应 阈值 模 型进 行前 景提取 。提
三 、运动 目标的检 测与提 取
（ ）基于背景减除的时间差分法 一
本文提 出了一种采用 了背景减除法和时 间差分法加权平均
界提取 ，然后使用种子填充算法来 实现 对运 动 目 区域 的填充 标
得到一个完整封闭的区域。
（ ） 自适 应 阈值 二
在不存在噪声 的理想情况下 ，差分 图像 中不为零 的区域表 示运动区域 ，然后鱿鱼外界 噪声的存在 ，差分图像不可能为令 。
二 、高斯 背景 更新模 型
在本文算法 中使用一种基于高斯统计模型１ ２ １ 的背景图像估计 需要设定阈值Ｔ 以消除噪声 的影响。阈值 的选取直接决定着检测 算法 ，其 中背景 图像 的估计 由初始 化和更新 两部分组成 。在背 结果 的好坏 ，只有恰 当的阈值才 能正确 的分 割出运 动 目标所 占 景图像 的初始化算法 中，求取一段较长的时问段（ ） Ｍ 视频序列 图 的区域 。这里我们使用一 种基于高 斯模型 的 自适应 阈值方法 。 像 中每一像素 的平均亮度 ，并 计算 在该 段时间内的每一像素亮 此方法是一种基 于直方 图物体分割 的方法 ，我们假设 差分得 到 度的方差作 为初始 的背景借 汁图像 ，￣Ｂ ＝／ ，－ １ Ｐ ｏ ［ ｏ０ ，式中 ｔ ２ 的灰度 图像 直方 图是 由三个 附加高斯 噪声相 加而得到。差 分值
‘
Ｉ Ｍ－ ￣ Ｉ ｓＬ
（ 缶肥 ）
（ ＝ ∑［（ 一 ０ ，】 ） ， ）／（ ， ２ ）
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
视频运动目标检测算法仿真
——实验报告
一、 实验任务
(1)根据基本原理，编程实现追踪算法，自选序列
(2)序列可以是读取的视频(如AVI格式)各帧，或图片集合
(3)程序能输出原视频序列，目标检测结果序列
(4)结果序列以矩形盒包围目标，并显示中心
(5)程序包含注释说明
(6)另一种原理的目标检测（*）
二、 实现步骤或思路
帧间差分法是一种通过对视频图像序列中相邻两帧作差分运算来
获得运动目标轮廓的方法，它可以很好地适用于存在多个运动目标和
摄像机移动的情况。当监控场景中出现异常物体运动时，帧与帧之间
会出现较为明显的差别，两帧相减，得到两帧图像亮度差的绝对值，
判断它是否大于阈值来分析视频或图像序列的运动特性，确定图像序
列中有无物体运动。
具体过程如下图：
(1)对序列图像进行3×3中值滤波预处理,去掉图像随机噪声;
(2)在视频图像序列中选取连续的两帧图像,其中前一帧图像pk-1(x,y),当
前帧图像pk(x,y)(也可以是多帧之间差分);
(3)计算与前1帧的差得FG(x,y)，得到运动目标的变化量;
(4)选择适当的阀值T，利用公式得到二值
化后的二值图。
(5)对上述得到的二值图遍历，得到图中值为1的像素的边界，利用边
界值画出边框和中心点。（此方法只适用与单个运动目标，不适用于多运
动目标，多运动目标检测将在第四部分提到）
三、 程序运行方式，子程序输入输出参数说明，每步中关键参
数值说明
运行方式：直接运行part1.m文件
子程序说明：
VideoReader(path)，返回path路径下对应的视频文件信息；
read(I,fram)，返回视频I的第frame帧图像；
rgb2gray(J)，将J图像转换为灰度图像；
medfilt2(M)，对M图像进行中值滤波，默认为3X3矩阵；
im2bw(M,level)，对M图像二值化，二值化阀值为level；
bwareaopen( BW, 5 )，消除二值图BW中面积小于5的区域；
xmin、xmax、ymin、ymax分别为左边界、右边界、上边界、下边界的
位置
w、h和ww、hh分别为视频的宽、高和运动目标的宽、高。
四、 遇到问题及解决方法，体会与收获
1、帧间差分后二值图像存在少许干扰像素，计算得到的边框远大
于实际目标，影响运动目标的检测。
解决方法：在差分后添加中值滤波滤除噪声等干扰，并使用
bwareaopen函数消除面积小于5的区域，上述问题解决。
2、在使用rectangle画出目标边框时，提示宽、高小于零错误。
解决方法：在图像差分和计算目标宽度、高度时求绝对值。
3、运动目标像素点过少。
解决方法：使用graythresh获取自适应二值化阀值，或手动修改
阀值。
4、本程序只能检测但运动目标。
解决方法：多运动目标检测需要背景建模，并进行背景差分，差分
后的图像经过二值化，腐蚀，膨胀等处理后。利用regionprops函数
获取各个目标的边框及质心数据信息，最后通过修改原图像各帧图像
各个目标周围的像素值，达到标记运动目标的效果，但此方法在单目
标不适用。因为本实验不要求多目标检测，故不做过多解释。具体代
码见第七部分,运行结果如下图。
五、 输入，中间结果，输出图像（多帧中的某一帧）
第55帧原始图像：
第55帧与第54帧图像差分并二值化后：
第55帧检测结果：
六、 程序代码及说明（程序中加注释）