• 工作汇报
  • 开题报告
  • 社会实践报告
  • 实习报告
  • 申请报告
  • 研究报告
  • 党政报告
  • 可行性报告
  • 情况报告
  • 事迹材料
  • 申报材料
  • 述廉报告
  • 调查报告
  • 实验报告
  • 整改措施
  • 整改报告
  • 整改方案
  • 辞职报告
  • 考察报告
  • 离职报告
  • 结题报告
  • 竞聘报告
  • 请示报告
  • 社会调查报告
  • 自查报告
  • 报告写作指导
  • 学习报告
  • 实习周记
  • 述职报告
  • 您现在的位置:书业网 > 范文 > 工作报告 > 开题报告 > 正文

    目标检测开题报告

    来源:书业网 时间:2016-03-10

    篇一:开题报告

    玉溪师范学院

    毕业设计(论文)开题报告

    论文题目:基于视频的运动目标检测与跟踪方法研究——基于帧间差分的目标检测

    学 院: 信息技术工程学院

    专业班级:09通信工程一班

    学生姓名:谢君芳

    学生学号:2009093108

    指导教师:乐应英

    2013年1月12日

    基于视频的运动目标检测与跟踪方法研究

    ——基于帧间差分的目标检测

    开题报告

    一、 研究的背景和意义

    在人们感知到的环境信息中,视觉信息占了很大的比重,其中动态视觉信息更是其主要组成部分。感知环境中的这些动态视觉信息己成为计算机视觉的一个重要的研究方向。在现实生活中,大量有意义的视觉信息都包含于运动之中。尽管人类视觉既能看见运动又能看见静止的物体,但是在许多场合,比如航空和军用飞机的制导、交通流量的监测、重要场所的保安以及汽车的自动驾驶和辅助驾驶等等,人们往往对运动的物体更感兴趣。

    运动目标检测与跟踪是近些年来图像处理和计算机视觉领域的一个非常活跃的分支,是动态图像分析的基础。目标的运动图像序列提供了比目标静止时更多的有用信息,使得我们可以利用运动目标检测与跟踪技术获得比静止图像更有实用价值的信息。

    运动目标检测和运动目标跟踪两方面具有非常紧(转 载于:www.zaIdian.cOM 在 点 网)密的关系。作为运动目标跟踪的基础,运动目标检测是实时的在被监视的场景中检测运动目标,并将其提取出来。而运动目标跟踪是做为衔接运动目标检测和上层的目标行为分析和理解的一个重要环节。所谓运动目标跟踪,就是在运动目标检测的基础上,利用目标有效特征,使用适当的匹配算法,在序列图像中寻找与目标模板最相似的图像的位置,简单的说就是给目标定位。在实际应用中,运动目标跟踪不仅可以提供目标的运动轨迹和准确定位目标,为下一步的目标行为分析与理解提供了可靠的数据来源,而且也可以为运动目标检测提供帮助。

    综上,对运动目标检测与跟踪有关算法的研究具有重大的理论价值和意义。

    二、 研究内容和拟解决的关键问题

    研究内容:基于视频的运动目标检测与跟踪方法,即智能视频监控(IVS, Intelligent Visual Surveillance)借助计算机强大的计算能力和与视频图像处理、模式识别、人工智能等多项技术的结合,在不需要人为干预的情况下,实现对视频场景中目标进行自动检测、识别和跟踪,并在此基础上分析和判断目标的行为,给出对它们行为和动作的描述,自动发现可疑情况,实现系统对场景中的异常鉴别及自动报警功能。

    而运动目标的检测是视频监控应用中最为广泛也是最为基础的一部分,即是从图像中检测出各种可能的运动区域。目标的跟踪等后期分析依赖于目标检测的结果。主要是在给定的序列图像中找到我们感兴趣的运动目标,也就是“定位”问题。近几十年来,人们对序列图像中的运动目标检测技术做了大量的研究工作。归纳起来主要有以下几种方法:帧间差分方法、背景减法、光流法。在这里我主要采用的方法是帧间差分方法。

    运动目标检测就是从视频序列图像中利用图像的时间和空间相关性检测出两帧图像之间特征分量的变化,如灰度、纹理、边缘等特征分量,从图像中检测出各种可能的运动区域。通过检测出的可能运动区域,进一步排除误判区域即虚警消除,确定出准确运动目标。如阴影的消除主要为了防止投射在背景上的运动阴影所造成的目标形状扭曲、目标连接和目标数估计错误等影响,以便于更精确地提取运动目标。基于检测出的运动目标,提取目标的灰度分布、纹理、形状等特征,利用这些运动区域的特征对运动目标进行跟踪。目标检测的结果必须要求可靠有效,具体表现在如下方面:适应于不同的场景和光照条件;检测可达到实时性的要求;运动目标的信息检测准确完整。

    近年来,国内外研究人员致力于视频运动目标检测方面的研究,提出了多种方法,在这里我主要研究的方法是基于时间差分法中的帧间差分方法。其原理主要是通过对序列图像中相邻帧做差分或“相减”运算,利用序列图像中相邻帧的强相关性进行变化检测,从而检测出运动目标。它通过直接比较相邻帧对应象素点的灰度值的不同,然后通过选取阈值来提取序列图像中的运动区域。在序列图像中,第k帧图像fx(x,y)和第k+l帧图像fk+1(x,y)之间的变化可用二值差分图像D(x,y)表示,

    当 |fk(x,y)-fk+1(x,y)|>T时, D(x,y)=1;否则等于0。式中T为差分图像二值化的阈值。二值图像中为“1"的部分

    由前后两帧对应象素灰度值发生变化的部分组成,通常包括运动目标和噪声;为“0"的部分由前后两帧对应象素灰度值不发生变化的部分组成。

    拟解决的关键问题:运动目标检测由于所处的实际处理环境不同,将会受到来自不同因素的影响,它们会不同程度地影响运动目标检测的准确性和稳定性,系统对不同环境的适应性也存在很大的挑战,这些影响系统性能的因素包括:

    (1)光线高密度的变化 由于现场光线高密度的变化将使得背景图像也随之发生变化,从而很难将这些变化与图像中由于前景目标盼引入导致的变化加以区分。

    (2)阴影和物体间的重叠遮盖运动的前景目标的阴影部分可能会造成背景中局部画面亮度变化,另外运动的目标之间,以及运动的目标与背景之间的重叠遮盖,都可能会改变检测出来的运动目标的形状和其他特征。

    (3)前景目标与背景中物体相似 当运动的前景目标与背景中景物在颜色和形状等外观特征相似时,将增大从背景中分辨出前景目标的难度。

    (4)非静态背景当背景并不是静态时,比如天空中运动的云块,公路边的建筑、树,这些运动的背景有可能被当成前景目标进行处理,这样将增加运动目标的检测难度。

    (5)运动目标的高速运动 前景目标的高速运动可能会导致许多不同的目标频繁在背景中出入,从而难以分辨哪些是真正的背景,哪些是前景目标,从而给运动目标检测增加难度。

    对于上述在运动目标检测技术中存在的一些问题,我们小组的两名成员通过比较各种不同的算法或技术,对比其优缺点,从而找到一种比较合适的算法或技术来较好的把他们的影响降到最低是我们的工作目标,在这里我主要研究的方法是基于帧间差分法的目标检测。

    三、 研究方案及措施

    针对此次毕业设计,我所实施的研究方案为:

    1、首先在大量阅读有关文献与资料的同时加强自己C++编程能力的提高与OpenCV软件的应用;

    篇二:开题报告

    毕业设计(论文)开题报告

    学生姓名:

    学 号:

    所在学院:

    专 业:

    设计(论文)题目: 运动目标检测算法的实现

    指导教师:

    2014年 1月6日

    毕 业 设 计(论 文)开 题 报 告

    毕 业 设 计(论 文)开 题 报 告

    篇三:基于帧间差分法的目标运动检测算法开题报告

    本科毕业设计(论文)开题报告

    Frame difference method based on target motion detection

    algorithm 题目:基于帧间差分法的目标运动检测算法

    课 题 类 型: 设计□ 实验研究□ 论文□

    学 生 姓 名: 郭凯

    学 号: 3100701135

    专 业 班 级:计算机101

    学 院:计算机科学与技术

    指 导 教 师: 卢桂馥

    开 题 时 间:

    201 年 月 日

    开题报告内容与要求

    一、 本课题的研究意义、研究现状和发展趋势(文

    献综述)

    1.1研究意义

    在人们感知到的环境信息中,视觉信息占了很大的比重,其中动态视觉信息更是其主要组成部分。感知环境中的这些动态视觉信息己成为计算机视觉的一个重要的研究方向。在现实生活中,大量有意义的视觉信息都包含于运动之中。尽管人类视觉既能看见运动又能看见静止的物体,但是在许多场合,比如航空和军用飞机的制导、交通流量的监测、重要场所的保安以及汽车的自动驾驶和辅助驾驶等等,人们往往对运动的物体更感兴趣。

    运动目标检测与跟踪是近些年来图像处理和计算机视觉领域的一个非常活跃的分支,是动态图像分析的基础。目标的运动图像序列提供了比目标静止时更多的有用信息,使得我们可以利用运动目标检测与跟踪技术获得比静止图像更有实用价值的信息。 运动目标检测和运动目标跟踪两方面具有非常紧密的关系。做为运动目标跟踪的基础,运动目标检测是实时的在被监视的场景中检测运动目标,并将其提取出来。而运动目标跟踪是做为衔接运动目标检测和上层的目标行为分析和理解的一个重要环节。所谓运动目标跟踪,就是在运动目标检测的基础上,利用目标有效特征,使用适当的匹配算法,在序列图像中寻找与目标模板最相似的图像的位置,简单的说就是给目标定位。在实际应用中,运动目标跟踪不仅可以提供目标的运动轨迹和准确定位目标,为下一步的目标行为分析与理解提供了可靠的数据来源,而且也可以为运动目标检测提供帮助。

    综上,对运动目标检测与跟踪有关算法的研究具有重大的理论价值和现实意义。

    1.2研究现状和发展趋势

    1.2.1研究现状

    近些年来,世界各地的学者们针对视频图像中的运动目标检测与跟踪问题做了大量而深入的研究,提出了许多行之有效的方法,也取得了一定的进展,但到目前为止,还没有出现能够适用于各种场合、各种情况的通用算法。现今的各种算法在稳健性、准确性、可靠性等方面还有着这样、那样的不足。困难主要在于视频中存在着各种干扰因素,这些因素包括:运动目标的位移或者自身的形变、成像传感器本身的固有噪声、照明情况的变化、背景中的杂波、运动目标的自遮挡或者互遮挡等。这些问题有待我们进一步研究。

    1.2.2发展趋势

    运动目标检测在平安城市、智能交通、人机交互、战场侦察等领域有着越来越广泛的应用,具有重要的研究意义。运动目标检测技术一般分为三大类

    1)光流法,虽善于在运动场景中进行运动目标检测,但大多数光流方法计算复杂,

    只能得到稀疏的光流场,不适于实时处理;

    2)背景差分法,一般能够提供较安全的特征数据,不受运动目标速度的限制,能够较完整地提取出运动目标,但检测性能与提取的背景图像的好坏息息相关,且对光照和外部条件造成的场景变化过于敏感,在非受控环境下需要加入背景图像更新机制,且不适用于背景灰度变化很大的情况

    3)帧间差分法,虽然对环境有很好的适应性,差分图像受光线变化影响小,检测有效而稳定,但它只能检测相对运动的目标,检测出的目标位置不精确,不能提取出较完整的运动目标,并且在较大程度上依赖差分帧的选择时机和目

    标的运动速度

    二、 主要设计(研究)内容和拟解决的关键问题

    研究内容:1)在windows操作系统平台上,以vc++6.0为集成开发环境,基于Directshow框架对视频图像进行处理;

    2)对有关运动目标检测与跟踪的常用算法进行了研究并编程实现;

    3)提出了一种将差分法和背景减法相结合的运动目标检测方法。通过分析差分法和背景减法各自的优缺点,采用三帧差分和背景减法相结合的检测方法,取得了较好的效果:

    4)在运动目标检测基础上,提出一种在简单背景下基于自适应窗口调整的跟踪门将检测到的目标“框住",最大限度的减少了噪声对跟踪精度的干扰,使得跟踪精度大大提高。

    拟解决的关键问题:运动目标检测由于所处的实际处理环境不同,将会受到来自不同因素的影响,它们会不同程度地影响运动目标检测的准确性和稳定性,系统对不同环境的适应性也存在很大的挑战,这些影响系统性能的因素包括:

    (1)光线高密度的变化 由于现场光线高密度的变化将使得背景图像也随之发生变化,从而很难将这些变化与图像中由于前景目标盼引入导致的变化加以区分。

    (2)阴影和物体间的重叠遮盖运动的前景目标的阴影部分可能会造成背景中局部画面亮度变化,另外运动的目标之间,以及运动的目标与背景之间的重叠遮盖,都可能会改变检测出来的运动

    目标的形状和其他特征。

    (3)前景目标与背景中物体相似 当运动的前景目标与背景中景物在颜色和形状等外观特征相似时,将增大从背景中分辨出前景目标的难度。

    (4)非静态背景当背景并不是静态时,比如天空中运动的云块,公路边的建筑、树,这些运动的背景有可能被当成前景目标进行处理,这样将增加运动目标的检测难度。

    (5)运动目标的高速运动 前景目标的高速运动可能会导致许多不同的目标频繁在背景中出入,从而难以分辨哪些是真正的背景,哪些是前景目标,从而给运动目标检测增加难度。

    三、研究方案及工作计划(含工作重点与难点及拟采用的途径)

    3.1研究方案

    3.1.1算法思想

    该算法包括四大部分: a) 提取背景图像( 建立背景模型) ;

    b) 帧间差分得到变化区域;

    c) 变化区域与背景图像差分获取初始运

    动目标;

    d) 对初始运动目标进行滤波和形态学处

    理消除目标碎块提取出完整目标。如图3.1.1所示

    a )背景提取

    目前的视频序列图像大都是RGB 彩色图像,由于这种彩色图像有三个色彩分量,进行背景提取时计算比较复杂。本文算法将获得的RGB 彩色图像序列灰度化得到对应的灰度图像序列,再统计灰度图像序列每个像素点处以最高频率出现的灰度值,并将这个最大频率灰度值作为当前背景中对应像素点的灰度值,获得背景图像。

    b) 目标提取

    对视频序列中相邻两帧图像进行帧间差分得到运动区域图像,运动区域图形与背景图像进行差分提取出运动目标图像,运动目标图像与阈值比较得到二值化图像。

    c) 阈值Th 的取法

    如果阈值Th 选择过高,会将运动目标区域严重碎化,如果选择得过低,会引入大量的噪声。因此,提出一个运用当前图像灰度值来确定动态阈值的方法:

    1) 求出图像中的最小和最大灰度值,取其平均值为初始 阈值,记为T。

    2) 根据初始阈值将图像分割成目标和背景两部分,求出 两部分的平均灰度值μ1、μ2 和两部分的灰度概率

    d) 噪声去除和形态学处理

    由于阈值分割后的二值化图像中会存在噪声点和一些目标孔