目標檢測開題報告

時間：2024-10-20 18:37:21 開題報告我要投稿

相關推薦

目標檢測開題報告模板

　　篇一：開題報告

目標檢測開題報告模板

　　玉溪師范學院

　　畢業(yè)設計（論文）開題報告

　　論文題目：基于視頻的運動目標檢測與跟蹤方法研究——基于幀間差分的目標檢測

　　學院：信息技術工程學院

　　專業(yè)班級：09通信工程一班

　　學生姓名：謝君芳

　　學生學號：2009093108

　　指導教師：樂應英

　　2013年1月12日

　　基于視頻的運動目標檢測與跟蹤方法研究

　　——基于幀間差分的目標檢測

　　開題報告

　　一、研究的背景和意義

　　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)視覺信息己成為計算機視覺的一個重要的研究方向。在現實生活中，大量有意義的視覺信息都包含于運動之中。盡管人類視覺既能看見運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的制導、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，人們往往對運動的物體更感興趣。

　　運動目標檢測與跟蹤是近些年來圖像處理和計算機視覺領域的一個非�；钴S的分支，是動態(tài)圖像分析的基礎。目標的運動圖像序列提供了比目標靜止時更多的有用信息，使得我們可以利用運動目標檢測與跟蹤技術獲得比靜止圖像更有實用價值的信息。

　　運動目標檢測和運動目標跟蹤兩方面具有非常緊密的關系。作為運動目標跟蹤的基礎，運動目標檢測是實時的在被監(jiān)視的場景中檢測運動目標，并將其提取出來。而運動目標跟蹤是做為銜接運動目標檢測和上層的目標行為分析和理解的一個重要環(huán)節(jié)。所謂運動目標跟蹤，就是在運動目標檢測的基礎上，利用目標有效特征，使用適當的匹配算法，在序列圖像中尋找與目標模板最相似的圖像的位置，簡單的說就是給目標定位。在實際應用中，運動目標跟蹤不僅可以提供目標的運動軌跡和準確定位目標，為下一步的目標行為分析與理解提供了可靠的數據來源，而且也可以為運動目標檢測提供幫助。

　　綜上，對運動目標檢測與跟蹤有關算法的研究具有重大的理論價值和意義。

　　二、研究內容和擬解決的關鍵問題

　　研究內容：基于視頻的運動目標檢測與跟蹤方法，即智能視頻監(jiān)控（IVS, Intelligent Visual Surveillance）借助計算機強大的計算能力和與視頻圖像處理、模式識別、人工智能等多項技術的結合，在不需要人為干預的情況下，實現對視頻場景中目標進行自動檢測、識別和跟蹤，并在此基礎上分析和判斷目標的行為，給出對它們行為和動作的描述，自動發(fā)現可疑情況，實現系統(tǒng)對場景中的異常鑒別及自動報警功能。

　　而運動目標的檢測是視頻監(jiān)控應用中最為廣泛也是最為基礎的一部分，即是從圖像中檢測出各種可能的運動區(qū)域。目標的跟蹤等后期分析依賴于目標檢測的結果。主要是在給定的序列圖像中找到我們感興趣的運動目標，也就是“定位”問題。近幾十年來，人們對序列圖像中的運動目標檢測技術做了大量的研究工作。歸納起來主要有以下幾種方法：幀間差分方法、背景減法、光流法。在這里我主要采用的方法是幀間差分方法。

　　運動目標檢測就是從視頻序列圖像中利用圖像的時間和空間相關性檢測出兩幀圖像之間特征分量的變化，如灰度、紋理、邊緣等特征分量，從圖像中檢測出各種可能的運動區(qū)域。通過檢測出的可能運動區(qū)域，進一步排除誤判區(qū)域即虛警消除，確定出準確運動目標。如陰影的消除主要為了防止投射在背景上的運動陰影所造成的目標形狀扭曲、目標連接和目標數估計錯誤等影響，以便于更精確地提取運動目標�；跈z測出的運動目標，提取目標的灰度分布、紋理、形狀等特征，利用這些運動區(qū)域的特征對運動目標進行跟蹤。目標檢測的結果必須要求可靠有效，具體表現在如下方面：適應于不同的場景和光照條件；檢測可達到實時性的要求；運動目標的信息檢測準確完整。

　　近年來，國內外研究人員致力于視頻運動目標檢測方面的研究，提出了多種方法，在這里我主要研究的方法是基于時間差分法中的幀間差分方法。其原理主要是通過對序列圖像中相鄰幀做差分或“相減”運算，利用序列圖像中相鄰幀的強相關性進行變化檢測，從而檢測出運動目標。它通過直接比較相鄰幀對應象素點的灰度值的不同，然后通過選取閾值來提取序列圖像中的運動區(qū)域。在序列圖像中，第k幀圖像fx(x，y)和第k+l幀圖像fk+1(x,y)之間的變化可用二值差分圖像D(x，y)表示，

　　當 |fk(x,y)-fk+1(x,y)|>T時， D(x，y)=1；否則等于0。式中T為差分圖像二值化的閾值。二值圖像中為“1"的部分

　　由前后兩幀對應象素灰度值發(fā)生變化的部分組成，通常包括運動目標和噪聲；為“0"的部分由前后兩幀對應象素灰度值不發(fā)生變化的部分組成。

　　擬解決的關鍵問題：運動目標檢測由于所處的實際處理環(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動目標檢測的準確性和穩(wěn)定性，系統(tǒng)對不同環(huán)境的適應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盼引入導致的變化加以區(qū)分。

　　(2)陰影和物體間的重疊遮蓋運動的前景目標的陰影部分可能會造成背景中局部畫面亮度變化，另外運動的目標之間，以及運動的目標與背景之間的重疊遮蓋，都可能會改變檢測出來的運動目標的形狀和其他特征。

　　(3)前景目標與背景中物體相似當運動的前景目標與背景中景物在顏色和形狀等外觀特征相似時，將增大從背景中分辨出前景目標的難度。

　　(4)非靜態(tài)背景當背景并不是靜態(tài)時，比如天空中運動的云塊，公路邊的建筑、樹，這些運動的背景有可能被當成前景目標進行處理，這樣將增加運動目標的檢測難度。

　　(5)運動目標的高速運動前景目標的高速運動可能會導致許多不同的目標頻繁在背景中出入，從而難以分辨哪些是真正的背景，哪些是前景目標，從而給運動目標檢測增加難度。

　　對于上述在運動目標檢測技術中存在的一些問題，我們小組的兩名成員通過比較各種不同的算法或技術，對比其優(yōu)缺點，從而找到一種比較合適的算法或技術來較好的把他們的影響降到最低是我們的工作目標，在這里我主要研究的方法是基于幀間差分法的目標檢測。

　　三、研究方案及措施

　　針對此次畢業(yè)設計，我所實施的研究方案為:

　　1、首先在大量閱讀有關文獻與資料的同時加強自己C++編程能力的提高與OpenCV軟件的應用；

　　篇二：開題報告

　　畢業(yè)設計(論文)開題報告

　　學生姓名：

　　學號：

　　所在學院：

　　專業(yè)：

　　設計(論文)題目：運動目標檢測算法的實現

　　指導教師：

　　2014年 1月6日

　　畢業(yè) 設計（論文）開題報告

　　篇三：基于幀間差分法的目標運動檢測算法開題報告

　　本科畢業(yè)設計(論文)開題報告

　　Frame difference method based on target motion detection

　　algorithm 題目：基于幀間差分法的目標運動檢測算法

　　課題類型：設計□ 實驗研究□ 論文□

　　學生姓名：郭凱

　　學號： 3100701135

　　專業(yè) 班級：計算機101

　　學院：計算機科學與技術

　　指導教師：盧桂馥

　　開題時間：

　　20xx年月日

　　開題報告內容與要求

　　一、本課題的研究意義、研究現狀和發(fā)展趨勢（文獻綜述）

　　1.1研究意義

　　運動目標檢測與跟蹤是近些年來圖像處理和計算機視覺領域的一個非�；钴S的分支，是動態(tài)圖像分析的基礎。目標的運動圖像序列提供了比目標靜止時更多的有用信息，使得我們可以利用運動目標檢測與跟蹤技術獲得比靜止圖像更有實用價值的信息。運動目標檢測和運動目標跟蹤兩方面具有非常緊密的關系。做為運動目標跟蹤的基礎，運動目標檢測是實時的在被監(jiān)視的場景中檢測運動目標，并將其提取出來。而運動目標跟蹤是做為銜接運動目標檢測和上層的目標行為分析和理解的一個重要環(huán)節(jié)。所謂運動目標跟蹤，就是在運動目標檢測的基礎上，利用目標有效特征，使用適當的匹配算法，在序列圖像中尋找與目標模板最相似的圖像的位置，簡單的說就是給目標定位。在實際應用中，運動目標跟蹤不僅可以提供目標的運動軌跡和準確定位目標，為下一步的目標行為分析與理解提供了可靠的數據來源，而且也可以為運動目標檢測提供幫助。

　　綜上，對運動目標檢測與跟蹤有關算法的研究具有重大的理論價值和現實意義。

　　1.2研究現狀和發(fā)展趨勢

　　1.2.1研究現狀

　　近些年來，世界各地的學者們針對視頻圖像中的運動目標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，也取得了一定的進展，但到目前為止，還沒有出現能夠適用于各種場合、各種情況的通用算法�，F今的各種算法在穩(wěn)健性、準確性、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：運動目標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、運動目標的自遮擋或者互遮擋等。這些問題有待我們進一步研究。

　　1.2.2發(fā)展趨勢

　　運動目標檢測在平安城市、智能交通、人機交互、戰(zhàn)場偵察等領域有著越來越廣泛的應用，具有重要的研究意義。運動目標檢測技術一般分為三大類

　　1）光流法，雖善于在運動場景中進行運動目標檢測，但大多數光流方法計算復雜，

　　只能得到稀疏的光流場，不適于實時處理;

　　2）背景差分法，一般能夠提供較安全的特征數據，不受運動目標速度的限制，能夠較完整地提取出運動目標，但檢測性能與提取的背景圖像的好壞息息相關，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動的目標，檢測出的目標位置不精確，不能提取出較完整的運動目標，并且在較大程度上依賴差分幀的選擇時機和目

　　標的運動速度

　　二、主要設計（研究）內容和擬解決的關鍵問題

　　研究內容：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框架對視頻圖像進行處理；

　　2)對有關運動目標檢測與跟蹤的常用算法進行了研究并編程實現；

　　3)提出了一種將差分法和背景減法相結合的運動目標檢測方法。通過分析差分法和背景減法各自的優(yōu)缺點，采用三幀差分和背景減法相結合的檢測方法，取得了較好的效果：

　　4)在運動目標檢測基礎上，提出一種在簡單背景下基于自適應窗口調整的跟蹤門將檢測到的目標“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。

　　(2)陰影和物體間的重疊遮蓋運動的前景目標的陰影部分可能會造成背景中局部畫面亮度變化，另外運動的目標之間，以及運動的目標與背景之間的重疊遮蓋，都可能會改變檢測出來的運動

　　目標的形狀和其他特征。

　　(3)前景目標與背景中物體相似當運動的前景目標與背景中景物在顏色和形狀等外觀特征相似時，將增大從背景中分辨出前景目標的難度。

　　三、研究方案及工作計劃（含工作重點與難點及擬采用的途徑）

　　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

　　動目標;

　　d) 對初始運動目標進行濾波和形態(tài)學處

　　理消除目標碎塊提取出完整目標。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三個色彩分量，進行背景提取時計算比較復雜。本文算法將獲得的RGB 彩色圖像序列灰度化得到對應的灰度圖像序列，再統(tǒng)計灰度圖像序列每個像素點處以最高頻率出現的灰度值，并將這個最大頻率灰度值作為當前背景中對應像素點的灰度值，獲得背景圖像。

　　b) 目標提取

　　對視頻序列中相鄰兩幀圖像進行幀間差分得到運動區(qū)域圖像，運動區(qū)域圖形與背景圖像進行差分提取出運動目標圖像，運動目標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，會將運動目標區(qū)域嚴重碎化，如果選擇得過低，會引入大量的噪聲。因此，提出一個運用當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) 根據初始閾值將圖像分割成目標和背景兩部分，求出兩部分的平均灰度值μ1、μ2 和兩部分的灰度概率

　　d) 噪聲去除和形態(tài)學處理

　　由于閾值分割后的二值化圖像中會存在噪聲點和一些目標孔

【目標檢測開題報告】相關文章：

課題開題報告格式及開題報告的寫法05-28

課題開題報告格式及開題報告的寫法內容03-22

關于課題開題報告的格式及開題報告的寫法03-21