《基于OpenCV的运动目标检测与跟踪》由会员分享，可在线阅读，更多相关《基于OpenCV的运动目标检测与跟踪（58页珍藏版）》请在金锄头文库上搜索。
1、基于VC的运动图像跟踪算法设计学 院自动化学院专 业班 级学 号姓 名指导教师负责教师沈阳航空航天大学2013年6月沈阳航空航天大学毕业设计（论文）摘 要运动目标检测与跟踪作为计算机视觉领域的一个重要分支与基础，在工业、医疗保健、航空航天、军事等各个领域具有广泛的应用前景，一直受到广泛的关注，并成为计算机视觉领域的一个研究热点。但是由于运动目标检测问题本身的复杂性，运动目标的检测与跟踪依然面临着诸多挑战。本文在现有研究成果的基础上，对静态场景下的运动目标检测跟踪进行了深入的讨论。本文首先对运动目标检测的基本方法-帧间差分法与背景差分法进行了深入的学习和探讨，然后，借助于OpenCV技术，在Vi
2、sual C+ 6.0编程环境下开发了运动目标检测跟踪系统。该系统首先对采集的视频图像序列进行相关的预处理之后，将视频图像序列中的运动目标比较可靠地检测出来。通过系统的测试结果和数据可以得出结论：本文基于OpenCV设计的运动目标检测跟踪系统具有良好的实时性，能够正确地进行运动目标的实时检测与跟踪。关键词：运动目标检测；帧间差分法；视频图像；OpenCVAlgorithm Design of Image Motion Tracking Based on VCAbstractMoving target detection and tracking field of computer vision
3、 as an important branch of the foundation, in the industrial, healthcare, aerospace, military and other fields with a wide range of applications, has been widespread concern, and the field of computer vision to become a research hotspot. However, due to moving target detection complexity of the prob
4、lem itself, moving target detection and tracking is still facing many challenges. In this paper, based on the results of existing research in static scenes of the moving target detection and tracking in-depth discussion.This article first basic method of moving target detection - frame difference me
5、thod and background subtraction method conducted in-depth study and discussion, and then, by means of OpenCV technology, Visual C 6.0 programming environment developed a moving target detection and tracking system. The system and the collection of the associated video sequence after pretreatment, th
6、e video image of the moving target sequence comparison reliably detected. Through systematic test results and data can be concluded: Based on OpenCV design moving target detection and tracking system has good real-time, be able to properly carry out real-time moving target detection and tracking.Key
7、words: moving target detection; frame difference method; video frame; OpenCV目 录1 绪 论11.1 课题来源与背景11.2 数字图像处理技术的发展与应用11.3 运动目标检测技术的研究现状21.4 本文的任务、主要内容及结构41.5 本章小结52 OpenCV技术介绍62.1 OpenCV简介62.2 OpenCV的优势62.3 OpenCV在Visual C+6.0下的配置方法72.4 OpenCV中常用的数据结构及函数介绍92.5 本章小结133 图像预处理143.1 图像的获取与灰度转换143.1.1 图像噪声
8、153.1.2 噪声的特征153.1.3 噪声的分类153.2 图像滤波163.2.1 中值滤波原理163.2.2 中值滤波特性173.3 本章小结184 运动目标检测194.1 运动目标检测的基本方法194.1.1 帧间差分法204.1.2 背景差法214.1.3 光流法224.2 本文采用的算法设计224.2.1 新算法思想234.2.2 算法描述234.3 图像的二值化244.4 数学形态学滤波254.4.1 腐蚀与膨胀264.4.2 开运算和闭运算264.5 目标检测试验与结果分析284.6 本章小结295 目标跟踪算法的研究305.1 运动目标的跟踪原理305.2 运动目标特征305
9、.3 图像匹配法315.4 基于团块的目标跟踪315.5 本章小结346 程序结果演示与分析356.1 运动目标检测与跟踪演示356.2 本章小结37结论38参考文献40致 谢41附录 程序清单42471 绪 论如何更好地、更准确地理解视觉信息已经成为当前科学研究的一个重要课题。而计算机视觉就是通过计算机代替人眼及大脑对外界环境进行感知、分析和理解。随着计算机技术的不断发展和计算机性能的逐渐提高，计算机视觉成为了一个崭新且发展迅速的热门领域，并成为计算机科学的重要研究领域之一。计算机视觉技术已经在许多领域得到广泛应用，可以这么说，需要人类视觉的场地方几乎都可以借助于计算机视觉。许多人类视觉无法
10、触及的场合，如危险场景监测、微观物体精确定量、不可见物体感知等，计算机视觉更突显其优越性。1.1 课题来源与背景随着计算机技术的高速发展，运动物体的检测和跟踪在图像处理、计算机视觉、模式识别、人工智能、多媒体技术等领域越来越受到人们的关注。运动跟踪和检测的应用广泛，在智能监控和人机交互中，如：银行、交通、超市等场合常常使用运动跟踪分析技术，通过定位物体并对其行为进行分析，一旦发现物体有异常行为，监控系统就发出警报，提醒人们注意并即时的处理，改善了人工监督注意力分散、反应时间较慢、人力资源浪费等问题。运动目标的跟踪在虚拟现实、工业控制、军事设备、医学研究、视频监控、交通流量观测监控等很多领域也有
11、重要的实用价值。特别在军事上，先进的武器导航、军事侦察和监控中都成功运用了自动跟踪技术。而跟踪的难点在于如何快速而准确的在每一帧图像中实现目标定位。正因如此，对运动目标的跟踪和检测的研究很有价值。1.2 数字图像处理技术的发展与应用数字图像处理技术是20世纪 60 年代随着计算机技术和VLS（I Very Large Scale Integration）的发展而产生、发展和不断成熟起来的一个新兴技术领域，它在理论上和实际应用中都取得了巨大的成就。20世纪20年代,图像处理技术首次应用于改善伦敦和纽约之间海底电缆发送的图片质量。到20世纪50年代,计算机发展到一定的水平后,数字图像处理才真正引起
12、人们的兴趣。1964年美国喷气推进实验室通过计算机对“徘徊者七号”太空船发回的大批月球照片进行处理,获得了巨大成功。20世纪60年代末,数字图像处理初步具备了比较完整的体系,形成了一门新兴的学科。20世纪70年代,数字图像处理技术得到迅猛的发展,理论和方法进一步完善,应用范围更加广泛。在这一时期,图像处理主要和模式识别及图像理解系统的研究相联系,如文字识别、医学图像处理、遥感图像的处理等。20世纪70年代后期到现在,各个应用领域对数字图像处理提出越来越高的要求,促进了这门学科向更高要求的方向发展。特别是在景物理解和计算机视觉(即机器视觉)方面,图像处理已由二维处理发展到三维理解或解释。进入21
13、世纪后，随着计算机技术的迅猛发展和相关理论的不断完善，数字图像处理技术在许多应用领域受到广泛重视并取得了重大的开拓性成就。属于这些领域的有航空航天、生物医学工程、工业检测、机器人视觉、公安司法、军事制导、文化艺术等。该技术成为一门引人注目、前景远大的新型学科。1.3 运动目标检测技术的研究现状由运动目标所形成的图像序列可分为两种情况： 一种是静态场景，一种是动态场景。前一种情况通常发生在摄像机相对静止状态（如监视某一路口车流量的固定摄像机）， 后一种情况通常发生在摄像机也在相对运动状态（如装在卫星或飞机上的监视系统）。近几年来，研究人员提出了许多方法用于检测和跟踪序列图像中的运动目标，其中绝大
14、多数方法都假设用于获取序列图像的背景是静止的，而大多数实际情况也满足这一假设，所以人们主要研究的是背景静止物体运动这种情况下获取的动态序列图像。针对这种情况，现有的运动目标检测方法主要有三类:帧差法（Temporal difference）、背景减法（Background subtraction）、光流场法（Optical flow）。帧差法即帧间差分法，是在连续的图像序列中，提取两个或三个相邻帧，采用基于像素的时间差分来获取图像中的运动信息。帧间差分法计算简单，对动态环境具有较强的适应性，但不能提取出目标的所有相关点，容易在目标内部形成“空洞”，而且要求背景绝对静止或基本无变化(噪声较小)，
15、因而适用场合有限。背景减法也称背景差分法，基本思想是将当前帧图像与事先存储或者实时得到的背景图像相减，即当前图像与已知背景图像之间的差分。较早期的背景差分法有均值、中值、运动平均、高斯模型方法等，随着研究的深入，逐渐出现了一些比较成熟的背景差方法。1999年MIT的C.Stauffer提出了基于混合高斯模型的背景差方法，针对高斯噪声的复杂背景，采用多个高斯分布描述像素过程；2000年MIT的Oliver等人提出了背景特征化建模的方法。主要研究的焦点都落在了背景更新与建模方法上。从实际应用角度来看,帧差和背景减相结合的运动检测是使用最广泛的一种方法。Spagnol等人提出了一种运用邻域的相关系数结合帧差和背景减来进行运动检测的方法,该方法不仅有效地抑制了光照变化对检测结果的影响,并解决了阴影、重影和伪前景等问题。但国内有人指出了Spagnol的方法的三个不足之处：会将背景颜色一致的区域误判为前景；当运动目标速度缓慢或静止时，存在漏检；在背景复杂的情况下，背景更新策略将使背景模型退化。并且，提出了首先用灰度拉伸变换，并结合灰度值信息来改进邻域相关系数的计算方法，以排除背景的误判；然后通过在
