目录
1 绪论 1
1.1 国内外研究现状 1
1.2 视频检测中的难点 2
1.3 目前常用的一些算法 3
1.4 本文拟采用的方法 3
1.5 内容安排 3
2 运动目标检测中常用方法 4
2.1 背景减除法 4
2.2 光流法 5
2.3 帧差法 6
2.4 三种算法的比较 7
2.5 其他一些运动目标检测算法 8
2.6 本章小结 9
3 改进的三帧差分法 9
3.1 本文用到的算法 9
3.2 帧差法运动检测的流程 9
3.3 取样图像 10
3.3 改进的三帧差分法 11
3.4 算法处理步骤 11
3.5 结果分析 13
3.6 本章小结 16
4 ubuntu及omap3530简介 16
4.1 ubuntu的安装 17
4.2 ubuntu的调试 21
4.3本章小结 21
结 论 22
致 谢 23
参 考 文 献 24
1 绪论
由于计算机应用技术，电子通信技术等学科的快速发展，运动目标检测技术也得以得到发展。运动目标检测就是指利用计算机视觉技术，自动的从视频中去除背景，提取出人们感兴趣的运动物体。而运动目标检测的蓬勃发展就为视频追踪，摄像安全，智能远程会议提供了技术支持。运动目标检测通常作为一个系统的中间步骤，它的好坏直接影响了后续系统的性能。比方说在视频监控中，利用运动目标检测技术可以只保存有意义的帧，从而就减少存储空间 *景先生毕设|www.jxszl.com +Q: %3^5`1^9`1^6^0`7^2# 
和人力监视。由此可以看出对于运动目标检测的研究具有十分重要的意义。计算机视觉是一门综合性的学科，它不仅在工程领域，同时也在科学领域中让科学家充满挑战。它涉及图像处理、计算机图形学、模式识别、人工智能、人工神经网、计算机、心理学、生理学、物理学和数学等学科。运动目标检测技术虽然在60年代初就早早开始了研究，但直到最近十几年才广泛的应用于智能视频监控系统、机器人，智能导航，军事跟踪，医疗卫生，交通安全，国防保卫。随着互联网和计算机技术的迅猛发展，图像处理技术的进一步发展导致图像更直观、更形象，也深受人们喜欢。与静态图像[1]相比，视频运动中的物体图像序列提供了更丰富的信息，提取将更为困难。作为微机视觉领域的基础环节，运动目标检测是将人们感兴趣的运动物体从图像序列背景中分离出来，并在连续图像间建立基于运动物体特征的对应匹配，寻找运动目标出现的位置。目前，运动目标检测和跟踪技术在各行各业都有着普遍的应用。现在国内越来越多的大学也开始开设这门课程，我国这项技术的发展由于大学科研单位的支持而逐渐追赶欧美研究的步伐。越来越多的顶尖人才从大学毕业后加入了科研强国之路。随着国家对这项技术的重视，也让一批海外留学生和外国科研专家来到了我国，这促进了这项技术的发展。
1.1 国内外研究现状
因为这项技术不仅具有高军事性，还有巨大的商业价值，这样就导致了全世界科研工作者对其的研究持续不断。从96年由美国的DAPRA牵头成立的视频监控项目VSAM，参与进来的有卡耐基梅隆大学等十几所高校开始，运动目标检测的发展一直没断过。随后出现了美国马里兰大学实现的W4(what where when who)。英国的雷丁大学则将眼光投向了车辆和行人的检测跟踪[2]，它使用了背景减除法。而微软,IBM则通过研究基于视觉和手势的检测跟踪带来了巨大的商业价值。欧美的研究尚有多传感器监控，使用多个传感器对某一区域协同监控，以及对飞行器监测，比如对从热气球上
拍摄的视频图像进行分析和研究。目前在国外的研究机构中，麻省理工大学处于领先地位。他们对交通场景的视觉监控、人的运动视觉监控(基于步态的远距离身份识别)和行为模式识别(提出了对目标运动轨迹和行为特征学习的模糊自组织神经网络学习算法)进行了深入研究，取得了一定的研究成果。最近以来，基于人工神经网络的运动目标检测方法得到了快速发展。在有关文献中，首先是将每帧图像分为40*40个图像块，预处理后将这些图像块投影到一个线性滤波器组[3]，获得有差异的图像模式;然后把这些不同的图像模式根据预先计算得到的聚类原形进行分类;最后用分类获得的神经网络判别器来判别图像模式是否包含着目标。文中最后给出的检测结果表明，该方法的识别效果还是相当可观的。国外因其开始研究早，科技先进，高技术人才多，一直处于全球领先位置。这也该其他国家有了仿照的模板，所以这导致全球在这项技术上都普遍提高。
而我国对这项技术的研究起步较晚，目前卓有成效的是中科院视觉监控研究组，他们在结合了一些国外科研成果后果断创新研究出应用于交通的技术、人体跟踪、物体跟踪。最著名的是它基于和改进了雷丁大学的Views系统，能完成道路车辆的监控，还带有语音功能。华科大的图像处技术的提高，大大刺激了国内对运动检测这项技术的研究。此外还有些公司做出了极大贡献。国家的重视和技术支持让这项技术在我国蓬勃发展。一些高校源源不断的技术创新和攻关克难，带来了生机。如清华大学，华中科技，浙江大学，北京邮电大学等。 国内对运动目标检测技术的研究虽然相对于国外研究起步较晚，但却一直是我国的研究重点，不断的攻关克难引进先进技术。典型的例子有在工程上，“国家应急体系”、“平安城市”、城市报警与监控系统建设“3111”试点工程等安全防卫项目都是智能视频监控系统的实际应用。在研究上，在对运动目标检测的研发主要来源于高校和研究机构，如浙江大学、中科院、上交等。但是由于大背景下国内技术的落后，导致了虽有研究成果但却不够精细。如浙江大学开发了一套视频监控系统，却离不开人工的监视;中国科学院自动化研究所，对车辆的检测与跟踪、光线的变化、运动物体相互遮挡等问题进行了较多研究[4];上交，则是对关于城市交通安全的智能视频监控系统有深入研究，然而目前还没本办推广到全国。这就需要我们不断进步不断发展，最终能和欧美齐头并进。
1.2 视频检测中的难点
运动检测就是要从一堆视频中找打想要的物体，而传统的图像分割技术是从一幅静止的图像划分为若干份，开展时间较早，产生了一些优秀的算法，如阙值分割。但是这些方法对噪声十分敏感，速度又较慢。而且它只局限处理某一类图像，无法直接使用在视频的的检测中。其次，最重要的是如何保证提取到的就是目标物体且能尽量做到真实是难点中的难点。再有，理论上的研究现在也遇到了瓶颈，所以这更需要我们的科学家各高校抓紧时间。下面我们就来介绍几种常用的方法。
帧差法与背景差分法类似，都是利用后一帧减零一帧来判断运动物体。但是帧差法是直接减去前一帧图像，相减后对结果进行二值化，滤波后，最后判断该帧是否出现了运动目标。帧差法的算法也就非常明显了。公式如下：

原文链接：http://www.jxszl.com/dzxx/dzkxyjs/32313.html