目標(biāo)檢測開題報告

時間：2024-10-20 18:37:21 開題報告我要投稿

相關(guān)推薦

目標(biāo)檢測開題報告模板

　　篇一：開題報告

目標(biāo)檢測開題報告模板

　　玉溪師范學(xué)院

　　畢業(yè)設(shè)計（論文）開題報告

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

　　學(xué) 院：信息技術(shù)工程學(xué)院

　　專業(yè)班級：09通信工程一班

　　學(xué)生姓名：謝君芳

　　學(xué)生學(xué)號：2009093108

　　指導(dǎo)教師：樂應(yīng)英

　　2013年1月12日

　　基于視頻的運動目標(biāo)檢測與跟蹤方法研究

　　——基于幀間差分的目標(biāo)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(jī)視覺的一個重要的研究方向。在現(xiàn)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(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，人們往往對運動的物體更感興趣。

　　運動目標(biāo)檢測和運動目標(biāo)跟蹤兩方面具有非常緊密的關(guān)系。作為運動目標(biāo)跟蹤的基礎(chǔ)，運動目標(biāo)檢測是實時的在被監(jiān)視的場景中檢測運動目標(biāo)，并將其提取出來。而運動目標(biāo)跟蹤是做為銜接運動目標(biāo)檢測和上層的目標(biāo)行為分析和理解的一個重要環(huán)節(jié)。所謂運動目標(biāo)跟蹤，就是在運動目標(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。在實際應(yīng)用中，運動目標(biāo)跟蹤不僅可以提供目標(biāo)的運動軌跡和準(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，而且也可以為運動目標(biāo)檢測提供幫助。

　　綜上，對運動目標(biāo)檢測與跟蹤有關(guān)算法的研究具有重大的理論價值和意義。

　　二、研究內(nèi)容和擬解決的關(guān)鍵問題

　　研究內(nèi)容：基于視頻的運動目標(biāo)檢測與跟蹤方法，即智能視頻監(jiān)控（IVS, Intelligent Visual Surveillance）借助計算機(jī)強(qiáng)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(shù)的結(jié)合，在不需要人為干預(yù)的情況下，實現(xiàn)對視頻場景中目標(biāo)進(jìn)行自動檢測、識別和跟蹤，并在此基礎(chǔ)上分析和判斷目標(biāo)的行為，給出對它們行為和動作的描述，自動發(fā)現(xiàn)可疑情況，實現(xiàn)系統(tǒng)對場景中的異常鑒別及自動報警功能。

　　而運動目標(biāo)的檢測是視頻監(jiān)控應(yīng)用中最為廣泛也是最為基礎(chǔ)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(biāo)的跟蹤等后期分析依賴于目標(biāo)檢測的結(jié)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(biāo)，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(biāo)檢測技術(shù)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(biāo)檢測就是從視頻序列圖像中利用圖像的時間和空間相關(guān)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(jìn)一步排除誤判區(qū)域即虛警消除，確定出準(zhǔn)確運動目標(biāo)。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(biāo)形狀扭曲、目標(biāo)連接和目標(biāo)數(shù)估計錯誤等影響，以便于更精確地提取運動目標(biāo)。基于檢測出的運動目標(biāo)，提取目標(biāo)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(biāo)進(jìn)行跟蹤。目標(biāo)檢測的結(jié)果必須要求可靠有效，具體表現(xiàn)在如下方面：適應(yīng)于不同的場景和光照條件；檢測可達(dá)到實時性的要求；運動目標(biāo)的信息檢測準(zhǔn)確完整。

　　近年來，國內(nèi)外研究人員致力于視頻運動目標(biāo)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(qiáng)相關(guān)性進(jìn)行變化檢測，從而檢測出運動目標(biāo)。它通過直接比較相鄰幀對應(yīng)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(dāng) |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(yīng)象素灰度值發(fā)生變化的部分組成，通常包括運動目標(biāo)和噪聲；為“0"的部分由前后兩幀對應(yīng)象素灰度值不發(fā)生變化的部分組成。

　　擬解決的關(guān)鍵問題：運動目標(biāo)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(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，另外運動的目標(biāo)之間，以及運動的目標(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，將增大從背景中分辨出前景目標(biāo)的難度。

　　(4)非靜態(tài)背景當(dāng)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(dāng)成前景目標(biāo)進(jìn)行處理，這樣將增加運動目標(biāo)的檢測難度。

　　(5)運動目標(biāo)的高速運動前景目標(biāo)的高速運動可能會導(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)，從而給運動目標(biāo)檢測增加難度。

　　對于上述在運動目標(biāo)檢測技術(shù)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(shù)，對比其優(yōu)缺點，從而找到一種比較合適的算法或技術(shù)來較好的把他們的影響降到最低是我們的工作目標(biāo)，在這里我主要研究的方法是基于幀間差分法的目標(biāo)檢測。

　　三、研究方案及措施

　　針對此次畢業(yè)設(shè)計，我所實施的研究方案為:

　　1、首先在大量閱讀有關(guān)文獻(xiàn)與資料的同時加強(qiáng)自己C++編程能力的提高與OpenCV軟件的應(yīng)用；

　　篇二：開題報告

　　畢業(yè)設(shè)計(論文)開題報告

　　學(xué)生姓名：

　　學(xué) 號：

　　所在學(xué)院：

　　專業(yè)：

　　設(shè)計(論文)題目：運動目標(biāo)檢測算法的實現(xiàn)

　　指導(dǎo)教師：

　　2014年 1月6日

　　畢業(yè) 設(shè) 計（論文）開題報告

　　篇三：基于幀間差分法的目標(biāo)運動檢測算法開題報告

　　本科畢業(yè)設(shè)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(biāo)運動檢測算法

　　課題類型：設(shè)計□ 實驗研究□ 論文□

　　學(xué) 生姓名：郭凱

　　學(xué) 號： 3100701135

　　專業(yè) 班級：計算機(jī)101

　　學(xué) 院：計算機(jī)科學(xué)與技術(shù)

　　指導(dǎo) 教師：盧桂馥

　　開題時間：

　　20xx年月日

　　開題報告內(nèi)容與要求

　　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

　　運動目標(biāo)檢測與跟蹤是近些年來圖像處理和計算機(jī)視覺領(lǐng)域的一個非�；钴S的分支，是動態(tài)圖像分析的基礎(chǔ)。目標(biāo)的運動圖像序列提供了比目標(biāo)靜止時更多的有用信息，使得我們可以利用運動目標(biāo)檢測與跟蹤技術(shù)獲得比靜止圖像更有實用價值的信息。運動目標(biāo)檢測和運動目標(biāo)跟蹤兩方面具有非常緊密的關(guān)系。做為運動目標(biāo)跟蹤的基礎(chǔ)，運動目標(biāo)檢測是實時的在被監(jiān)視的場景中檢測運動目標(biāo)，并將其提取出來。而運動目標(biāo)跟蹤是做為銜接運動目標(biāo)檢測和上層的目標(biāo)行為分析和理解的一個重要環(huán)節(jié)。所謂運動目標(biāo)跟蹤，就是在運動目標(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。在實際應(yīng)用中，運動目標(biāo)跟蹤不僅可以提供目標(biāo)的運動軌跡和準(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，而且也可以為運動目標(biāo)檢測提供幫助。

　　綜上，對運動目標(biāo)檢測與跟蹤有關(guān)算法的研究具有重大的理論價值和現(xiàn)實意義。

　　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�，F(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

　　運動目標(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，雖善于在運動場景中進(jìn)行運動目標(biāo)檢測，但大多數(shù)光流方法計算復(fù)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(shù)據(jù)，不受運動目標(biāo)速度的限制，能夠較完整地提取出運動目標(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動目標(biāo)，并且在較大程度上依賴差分幀的選擇時機(jī)和目

　　標(biāo)的運動速度

　　二、主要設(shè)計（研究）內(nèi)容和擬解決的關(guān)鍵問題

　　研究內(nèi)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)運動目標(biāo)檢測與跟蹤的常用算法進(jìn)行了研究并編程實現(xiàn)；

　　3)提出了一種將差分法和背景減法相結(jié)合的運動目標(biāo)檢測方法。通過分析差分法和背景減法各自的優(yōu)缺點，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。

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

　　目標(biāo)的形狀和其他特征。

　　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(biāo);

　　d) 對初始運動目標(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三個色彩分量，進(jìn)行背景提取時計算比較復(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)計灰度圖像序列每個像素點處以最高頻率出現(xiàn)的灰度值，并將這個最大頻率灰度值作為當(dāng)前背景中對應(yīng)像素點的灰度值，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)行幀間差分得到運動區(qū)域圖像，運動區(qū)域圖形與背景圖像進(jìn)行差分提取出運動目標(biāo)圖像，運動目標(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，提出一個運用當(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μ1、μ2 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和一些目標(biāo)孔

【目標(biāo)檢測開題報告】相關(guān)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(nèi)容03-22

關(guān)于課題開題報告的格式及開題報告的寫法03-21