基于幀間差分法的目標(biāo)運(yùn)動檢測算法開題報(bào)告

精品文檔 1歡迎下載 本科畢業(yè)設(shè)計(jì)本科畢業(yè)設(shè)計(jì) 論文論文 開題報(bào)告開題報(bào)告 題目 基于幀間差分法的目標(biāo)運(yùn)動檢測算法題目 基于幀間差分法的目標(biāo)運(yùn)動檢測算法 FrameFrame differencedifference methodmethod basedbased onon targettarget motionmotion detectiondetection algorithmalgorithm 課課 題題 類類 型 型 設(shè)計(jì)設(shè)計(jì) 實(shí)驗(yàn)研究實(shí)驗(yàn)研究 論文論文 學(xué)學(xué) 生生 姓姓 名 名 郭凱郭凱 學(xué)學(xué) 號 號 31007011353100701135 專專 業(yè)業(yè) 班班 級 級 計(jì)算機(jī)計(jì)算機(jī) 101101 學(xué)學(xué) 院 院 計(jì)算機(jī)科學(xué)與技術(shù)計(jì)算機(jī)科學(xué)與技術(shù) 指指 導(dǎo)導(dǎo) 教教 師 師 盧桂馥盧桂馥 開開 題題 時(shí)時(shí) 間 間 201201年年 月月 日日 精品文檔 2歡迎下載 開開題題報(bào)報(bào)告告內(nèi)內(nèi)容容與與要要求求 一 本課題的研究意義 研究現(xiàn)狀和發(fā)展趨勢 文獻(xiàn) 綜述 1 1 研究意義 在人們感知到的環(huán)境信息中 視覺信息占了很大的比重 其中動態(tài) 視覺信息更是其主要組成部分 感知環(huán)境中的這些動態(tài)視覺信息己成為 計(jì)算機(jī)視覺的一個(gè)重要的研究方向 在現(xiàn)實(shí)生活中 大量有意義的視覺 信息都包含于運(yùn)動之中 盡管人類視覺既能看見運(yùn)動又能看見靜止的物 體 但是在許多場合 比如航空和軍用飛機(jī)的制導(dǎo) 交通流量的監(jiān)測 重要場所的保安以及汽車的自動駕駛和輔助駕駛等等 人們往往對運(yùn)動 的物體更感興趣 運(yùn)動目標(biāo)檢測與跟蹤是近些年來圖像處理和計(jì)算機(jī)視覺領(lǐng)域的一個(gè) 非?；钴S的分支 是動態(tài)圖像分析的基礎(chǔ) 目標(biāo)的運(yùn)動圖像序列提供了 比目標(biāo)靜止時(shí)更多的有用信息 使得我們可以利用運(yùn)動目標(biāo)檢測與跟蹤 技術(shù)獲得比靜止圖像更有實(shí)用價(jià)值的信息 運(yùn)動目標(biāo)檢測和運(yùn)動目標(biāo)跟蹤兩方面具有非常緊密的關(guān)系 做為運(yùn) 動目標(biāo)跟蹤的基礎(chǔ) 運(yùn)動目標(biāo)檢測是實(shí)時(shí)的在被監(jiān)視的場景中檢測運(yùn)動 目標(biāo) 并將其提取出來 而運(yùn)動目標(biāo)跟蹤是做為銜接運(yùn)動目標(biāo)檢測和上 層的目標(biāo)行為分析和理解的一個(gè)重要環(huán)節(jié) 所謂運(yùn)動目標(biāo)跟蹤 就是在 運(yùn)動目標(biāo)檢測的基礎(chǔ)上 利用目標(biāo)有效特征 使用適當(dāng)?shù)钠ヅ渌惴?在 序列圖像中尋找與目標(biāo)模板最相似的圖像的位置 簡單的說就是給目標(biāo) 定位 在實(shí)際應(yīng)用中 運(yùn)動目標(biāo)跟蹤不僅可以提供目標(biāo)的運(yùn)動軌跡和準(zhǔn) 確定位目標(biāo) 為下一步的目標(biāo)行為分析與理解提供了可靠的數(shù)據(jù)來源 而且也可以為運(yùn)動目標(biāo)檢測提供幫助 綜上 對運(yùn)動目標(biāo)檢測與跟蹤有關(guān)算法的研究具有重大的理論價(jià)值 和現(xiàn)實(shí)意義 1 2 研究現(xiàn)狀和發(fā)展趨勢 1 2 1 研究現(xiàn)狀 近些年來 世界各地的學(xué)者們針對視頻圖像中的運(yùn)動目標(biāo)檢測與跟蹤 問題做了大量而深入的研究 提出了許多行之有效的方法 也取得了一 定的進(jìn)展 但到目前為止 還沒有出現(xiàn)能夠適用于各種場合 各種情況 的通用算法 現(xiàn)今的各種算法在穩(wěn)健性 準(zhǔn)確性 可靠性等方面還有著 這樣 那樣的不足 困難主要在于視頻中存在著各種干擾因素 這些因 素包括 運(yùn)動目標(biāo)的位移或者自身的形變 成像傳感器本身的固有噪聲 照明情況的變化 背景中的雜波 運(yùn)動目標(biāo)的自遮擋或者互遮擋等 這 些問題有待我們進(jìn)一步研究 1 2 2 發(fā)展趨勢 精品文檔 3歡迎下載 運(yùn)動目標(biāo)檢測在平安城市 智能交通 人機(jī)交互 戰(zhàn)場偵察等領(lǐng)域有 著越來越廣泛的應(yīng)用 具有重要的研究意義 運(yùn)動目標(biāo)檢測技術(shù)一般分 為三大類 1 光流法 雖善于在運(yùn)動場景中進(jìn)行運(yùn)動目標(biāo)檢測 但大多數(shù)光流 方法計(jì)算復(fù)雜 只能得到稀疏的光流場 不適于實(shí)時(shí)處理 2 背景差分法 一般能夠提供較安全的特征數(shù)據(jù) 不受運(yùn)動目標(biāo)速 度的限制 能夠較完整地提取出運(yùn)動目標(biāo) 但檢測性能與提取的背景圖 像的好壞息息相關(guān) 且對光照和外部條件造成的場景變化過于敏感 在 非受控環(huán)境下需要加入背景圖像更新機(jī)制 且不適用于背景灰度變化很 大的情況 3 幀間差分法 雖然對環(huán)境有很好的適應(yīng)性 差分圖像受光線變化 影響小 檢測有效而穩(wěn)定 但它只能檢測相對運(yùn)動的目標(biāo) 檢測出的目 標(biāo)位置不精確 不能提取出較完整的運(yùn)動目標(biāo) 并且在較大程度上依賴 差分幀的選擇時(shí)機(jī)和目 標(biāo)的運(yùn)動速度 二 主要設(shè)計(jì) 研究 內(nèi)容和擬解決的關(guān)鍵問題 研研究究內(nèi)內(nèi)容容 1 在 windows 操作系統(tǒng)平臺上 以vc 6 0 為集成開 發(fā)環(huán)境 基于Directshow 框架對視頻圖像進(jìn)行處理 2 對有關(guān)運(yùn)動目標(biāo)檢測與跟蹤的常用算法進(jìn)行了研究并編程實(shí)現(xiàn) 3 提出了一種將差分法和背景減法相結(jié)合的運(yùn)動目標(biāo)檢測方法 通過分 析差分法和背景減法各自的優(yōu)缺點(diǎn) 采用三幀差分和背景減法相結(jié)合的 檢測方法 取得了較好的效果 4 在運(yùn)動目標(biāo)檢測基礎(chǔ)上 提出一種在簡單背景下基于自適應(yīng)窗口調(diào)整 的跟蹤門將檢測到的目標(biāo) 框住 最大限度的減少了噪聲對跟蹤精 度的干擾 使得跟蹤精度大大提高 擬擬解解決決的的關(guān)關(guān)鍵鍵問問題題 運(yùn)動目標(biāo)檢測由于所處的實(shí)際處理環(huán)境不同 將 會受到來自不同因素的影響 它們會不同程度地影響運(yùn)動目標(biāo)檢測的準(zhǔn) 確性和穩(wěn)定性 系統(tǒng)對不同環(huán)境的適應(yīng)性也存在很大的挑戰(zhàn) 這些影響 系統(tǒng)性能的因素包括 1 光線高密度的變化 由于現(xiàn)場光線高密度的變化將使得背景圖像 也隨之發(fā)生變化 從而很難將這些變化與圖像中由于前景目標(biāo)盼引入導(dǎo) 致的變化加以區(qū)分 2 陰影和物體間的重疊遮蓋 運(yùn)動的前景目標(biāo)的陰影部分可能會 造成背景中局部畫面亮度變化 另外運(yùn)動的目標(biāo)之間 以及運(yùn)動的目標(biāo) 與背景之間的重疊遮蓋 都可能會改變檢測出來的運(yùn)動目標(biāo)的形狀 和其他特征 3 前景目標(biāo)與背景中物體相似 當(dāng)運(yùn)動的前景目標(biāo)與背景中景物在 顏色和形狀等外觀特征相似時(shí) 將增大從背景中分辨出前景目標(biāo)的難度 精品文檔 4歡迎下載 4 非靜態(tài)背景 當(dāng)背景并不是靜態(tài)時(shí) 比如天空中運(yùn)動的云塊 公 路邊的建筑 樹 這些運(yùn)動的背景有可能被當(dāng)成前景目標(biāo)進(jìn)行處理 這 樣將增加運(yùn)動目標(biāo)的檢測難度 5 運(yùn)動目標(biāo)的高速運(yùn)動 前景目標(biāo)的高速運(yùn)動可能會導(dǎo)致許多不同 的目標(biāo)頻繁在背景中出入 從而難以分辨哪些是真正的背景 哪些是前 景目標(biāo) 從而給運(yùn)動目標(biāo)檢測增加難度 三 研究方案及工作計(jì)劃 含工作重點(diǎn)與難點(diǎn)及 擬采用的途徑 3 1研究方案 3 1 1算法思想 該算法包括四大部分 a 提取背景圖像 建立背景模型 b 幀間差分得到變化區(qū)域 c 變化區(qū)域與背景圖像差分獲取初始運(yùn)動目標(biāo) d 對初始運(yùn)動目標(biāo)進(jìn)行濾波和形態(tài)學(xué)處理消除目 標(biāo)碎塊提取出完整目標(biāo) 如圖3 1 1所示 a 背景提取 目前的視頻序列圖像大都是RGB 彩色圖像 由于這種彩色圖像有 精品文檔 5歡迎下載 三個(gè)色彩分量 進(jìn)行背景提取時(shí)計(jì)算比較復(fù)雜 本文算法將獲得的RGB 彩色圖像序列灰度化得到對應(yīng)的灰度圖像序列 再統(tǒng)計(jì)灰度圖像序列每 個(gè)像素點(diǎn)處以最高頻率出現(xiàn)的灰度值 并將這個(gè)最大頻率灰度值作為當(dāng) 前背景中對應(yīng)像素點(diǎn)的灰度值 獲得背景圖像 b 目標(biāo)提取 對視頻序列中相鄰兩幀圖像進(jìn)行幀間差分得到運(yùn)動區(qū)域圖像 運(yùn)動區(qū) 域圖形與背景圖像進(jìn)行差分提取出運(yùn)動目標(biāo)圖像 運(yùn)動目標(biāo)圖像與閾值 比較得到二值化圖像 c 閾值 Th 的取法 如果閾值 Th 選擇過高 會將運(yùn)動目標(biāo)區(qū)域嚴(yán)重碎化 如果選擇得過低 會引入大量的噪聲 因此 提出一個(gè)運(yùn)用當(dāng)前圖像灰度值來確定動態(tài)閾 值的方法 1 求出圖像中的最小和最大灰度值 取其平均值為初始 閾值 記為 T 2 根據(jù)初始閾值將圖像分割成目標(biāo)和背景兩部分 求出 兩部分的平均灰度值 1 2 和兩部分的灰度概率 d 噪聲去除和形態(tài)學(xué)處理 由于閾值分割后的二值化圖像中會存在噪聲點(diǎn)和一些目標(biāo)孔洞 故先 對輸出的二值化圖像進(jìn)行中值濾波消除噪聲 再運(yùn)用數(shù)學(xué)形態(tài)學(xué)運(yùn)算來 合并領(lǐng)域及消除目標(biāo)孔洞 進(jìn)而提取出完整的運(yùn)動目標(biāo) 數(shù)學(xué)形態(tài)學(xué)有四個(gè)基本運(yùn)算 膨脹 腐蝕 開啟和閉合 一般地 設(shè) A 為圖像集合 B 為結(jié)構(gòu)元素 數(shù)學(xué)形態(tài)學(xué)運(yùn)算是用B對 A 進(jìn) 行操作 先對圖像進(jìn)行腐蝕再膨脹稱為開啟 3 2工作計(jì)劃 日期教學(xué)周工作安排 2 25 3 25 1 4 畢業(yè)實(shí)習(xí) 撰寫實(shí)習(xí)報(bào)告 3 20 3 28 4 通過各種途徑查閱借鑒相關(guān)成功案例資料 了解和掌握自己所做的模塊 撰寫開題報(bào)告 3 25 3 31 5 加強(qiáng)對 Opecv和 C語言知識學(xué)習(xí) 4 1 4 14 6 7 對各個(gè)功能模塊深入分析 確定內(nèi)部邏輯 實(shí)現(xiàn)方法并封裝相應(yīng)的方法 降低耦合性 4 15 5 26 8 13 畢業(yè)設(shè)計(jì)方案實(shí)施中期階段 把所學(xué)和所做 的實(shí)驗(yàn)匯集在一起 在掌握好所做模塊的同 時(shí)初步實(shí)現(xiàn)設(shè)計(jì)總合 精品文檔 6歡迎下載 5 27 6 17 14 16 查缺補(bǔ)漏 畢業(yè)設(shè)計(jì)實(shí)驗(yàn)的拓展和完善 把 圖像預(yù)處理 目標(biāo)檢測和目標(biāo)跟蹤整合在一 起 6 18 7 1 17 18 撰寫畢業(yè)設(shè)計(jì)論文 制作PPT 準(zhǔn)備答辯 四 閱讀的主要參考文獻(xiàn) 不少于10 篇 期刊類 文獻(xiàn)不少于 7 篇 應(yīng)有一定數(shù)量的外文文獻(xiàn) 至 少附一篇引用的外文文獻(xiàn) 3 個(gè)頁面以上 及其 譯文 1 劉鑫 劉輝 強(qiáng)振平 混合高斯模型和幀間差分相融合的自 適應(yīng)背景模型 J 中國圖象圖形學(xué)報(bào) 2008 13 4 729 734 2 王靜 保文星 一種基于差分算法的視頻運(yùn)動目標(biāo)檢測技術(shù) J 計(jì)算機(jī)應(yīng)用與軟件 2009 26 12 26 12 3 CHENG Fang hsuan CHEN Yu liang Real time multiple objectstracking and identification based on discrete wavlet transform J Pattern Recognition 2006 39 6 1126 1139 4 ZHANG Rui ZHANG Si zhu YU Song yu Moving objects detectionmethod based on brightness distortion and chromaticity distortion J IEEE Trans on Consumer Electronics 2007 53 3 1177 1185 5 謝鳳英 VC 數(shù)字圖像處理 M 北京 電子工業(yè)出 版 2008 6 代科學(xué) 李國輝 涂丹 監(jiān)控視頻運(yùn)動目標(biāo)檢測減背景技術(shù) 的研究現(xiàn)狀和展望 J 中國圖象圖形學(xué)報(bào) 2006 11 7 919 917 7 ZHANG Hai qing LI Hou qiang Target tracking based on MonteCarlo method J China Journal of Image and Graphics 2008 13 5 937 938 8 CASTLEMAN K R 數(shù)字圖像處理 M 朱志剛 林學(xué)閆 石定機(jī) 等譯 北京 電子工業(yè)出版社 2002 181 190 9 HAN B COMANICIU D ZHU Ying et al Sequential kernel densityapproximation and its application to real time visual tracking J IEEE Trans on Pattern Analysis and Machine Intelligence 2008 30 7 1186 1197 10 楊學(xué)超 劉文萍 視頻圖像序列中的運(yùn)動目標(biāo)檢測技術(shù) J 計(jì)算機(jī)應(yīng)用與軟件 2008 25 1 215 21 精品文檔 7歡迎下載 五 指導(dǎo)教師意見 簽名 指導(dǎo)教師意見 該生接收課題之后 能積極準(zhǔn)備 通過查閱相關(guān)資料 基本明確