羅翊坤

【摘要】 運動目標檢測與跟蹤是計算機視覺領(lǐng)域是基礎(chǔ)的一個重要分支，在工業(yè)，醫(yī)療，航空航天和軍工具有廣泛的應(yīng)用領(lǐng)域，已被廣泛關(guān)注，并成為計算機視覺研究的熱點首先，運動目標檢測----幀間差分法和背景減除深入的研究和討論，然后，在Visual C++ 6.0編程環(huán)境OpenCV的技術(shù)手段的基本方法開發(fā)出一種運動目標檢測與跟蹤系統(tǒng)。捕獲的預(yù)處理視頻圖像的系統(tǒng)第一序列有關(guān)移動目標的視頻序列之后比較可靠地檢測。通過試驗結(jié)果和數(shù)據(jù)系統(tǒng)可以斷定：基于運動對象檢測的OpenCV跟蹤系統(tǒng)的設(shè)計具有良好的實時性，實時能夠精確檢測和跟蹤移動目標。

【關(guān)鍵詞】 運動目標檢測 視頻圖像 OpenCV

一、緒論

隨著計算機技術(shù)日新月異的發(fā)展，計算機視覺，模式識別，人工智能，多媒體技術(shù)，越來越受到人們的重視的快速發(fā)展。廣泛地被定位對象使用運動跟蹤和檢測，監(jiān)測和智能人機交互和分析他們的行為，一旦發(fā)現(xiàn)有異常行為的對象，監(jiān)控系統(tǒng)發(fā)出警報，提醒人們注意和及時的治療，改善人類的人工監(jiān)督注意力浪費資源等問題。計算機視覺是通過計算機代替人的眼睛和大腦感知外部環(huán)境，分析和理解。

1.1 OpenCV技術(shù)介紹

視覺處理算法的OpenCV提供了非常豐富的，它部分是用C寫的，有它的開源特性，妥善處理，無需添加新的外部支持進行編譯和鏈接，生成程序的完整實現(xiàn)，所以很多人們用它做算術(shù)移植，OpenCV的可正常運行的系統(tǒng)DSP和MCU系統(tǒng)正常重寫代碼。

二、運動目標檢測

運動目標的檢測在整個視頻監(jiān)控系統(tǒng)的底層，各種高級應(yīng)用，如目標跟蹤，目標分類，目標行為的隨訪，了解互惠的基礎(chǔ)。運動對象檢測裝置，從在實時目標視頻流中提取，目標通常設(shè)置面積和顏色特性。結(jié)果運動目標檢測是描述一些靜態(tài)功能的“靜態(tài)”的目標前景。根據(jù)上下文，其中環(huán)境可分為兩大類靜態(tài)背景下運動目標檢測和動態(tài)背景運動目標檢測，本章與實際紙工作主攝像機靜態(tài)背景運動目標運動結(jié)合，不會發(fā)生前景對象的運動目標檢測檢測算法。

2.1運動目標檢測的基本方法

目標檢測和提取已在目標跟蹤應(yīng)用程序中的重要地位。目標檢測和提取的精度直接影響結(jié)果和準確性的跟蹤。一個良好的各種環(huán)境動目標檢測算法的應(yīng)能適用于監(jiān)測，在正常情況下，移動體檢測算法可以根據(jù)場景被監(jiān)視在室內(nèi)或室外監(jiān)測算法被分成室內(nèi)和室外監(jiān)視算法，則可以按照使用特定算法的方法分為連續(xù)幀差分方法，背景減除法和光流法。

2.1.1幀間差分法

對于許多應(yīng)用，圖像的連續(xù)幀之間的差檢測出圖像的順序是非常重要的一步。場景中的任何可觀察到的運動將反映在場景圖像序列的變化，如果能檢測到這種變化，我們可以分析的運動特性。

2.1.2背景差法

基于該原理的背景差分方法非常簡單，基本操作過程示于（4.2）如下：首先使用式（4.3）來計算背景圖像之間的差fbk當前幀fk，然后根據(jù)下式（4.4）是差分圖像的Dk值化和形態(tài)學(xué)濾波處理，并獲得當該區(qū)域的通信區(qū)域比給定的閾值RK進行連通區(qū)域分析的結(jié)果，它成為檢測對象，并且該區(qū)域是區(qū)域目標在區(qū)間的，你能確定的最小邊界矩形的目標。

其中T 是二值化設(shè)定閥值。

2.1.3光流法

光流是指在圖像模式（或表觀的）運動的表觀亮度。用“表觀運動”，主要是由于光流的運動圖像不能有部分信息只以確定，例如，區(qū)域性或亮度輪廓點更均勻的亮度不能唯一確定的運動對應(yīng)的點，但觀察到的運動。這解釋了光流和該流不一定是由物體的運動所產(chǎn)生的光，而運動的主體不一定會產(chǎn)生光流體育場不一定是唯一的。

三、目標跟蹤算法的研究

目標對象的運動信息的條件的先驗知識下跟蹤，通過從信息源的實時數(shù)據(jù)來估計所述目標狀態(tài)，以實現(xiàn)所述目標位置和運動趨勢判定。運動目標跟蹤問題是一個復(fù)雜的估計。研究精度高，性能穩(wěn)定，目標跟蹤方法的適用性仍面臨巨大挑戰(zhàn)，具有重要的理論意義和實用價值。

3.1圖像匹配法

通過圖像匹配方法可以識別要跟蹤的運動對象，并確定它們的相對位置。早期跟蹤涉及的目標位置的變化的兩個圖像之間的測量計算出的相關(guān)函數(shù)，跟蹤點是，這兩個圖象相匹配的最佳位置，這是相關(guān)函數(shù)的峰值。

3.2基于團塊的目標跟蹤

基于團塊（BLOB）的基本原理是用于圖像分割候選像素跟蹤算法，它決定像素是否屬于背景或?qū)儆诙ㄎ换驅(qū)儆谄渌麉^(qū)域。基于跟蹤算法的質(zhì)量也可稱為基于圖像分割的跟蹤，分割結(jié)果剛夠目標和背景之間的區(qū)分，而傳統(tǒng)的圖像分割算法需要目標輪廓的精確顯示。分裂臺球在目標，紋理特征和圖像的深度信息的一般特性。

四、結(jié)語

隨著在軍事領(lǐng)域的計算機視覺，智能交通監(jiān)控，視頻運動目標檢測與跟蹤的發(fā)展必將得到更廣泛的應(yīng)用和發(fā)展。在本文中，歷時四個月中，主要研究的OpenCV實現(xiàn)運動目標檢測與跟蹤的應(yīng)用，實驗結(jié)果表明，該系統(tǒng)具有良好的魯棒性和準確性，實現(xiàn)畢業(yè)設(shè)計的預(yù)期目標，在工作和問題結(jié)合起來實際應(yīng)用中。

參 考 文 獻

[1]劉瑞禎， 于仕琪. OpenCV教程基礎(chǔ)篇[M]. 北京： 北京航空航天大學(xué)出版社，2007.

[2]彭達. Visual C++多媒體編程技術(shù)[M]. 北京： 人民郵電出版社， 1999.

[3]丁金鑄. 基于圖像處理的運動目標檢測跟蹤系統(tǒng)的設(shè)計與實現(xiàn)[D]. 華中師范大學(xué)， 2007.

[4]王建中， 姜昱明. 基于塊匹配的運動對象檢測算法[J]. 微電子與計算機， 2005， 22（1）： 10-12.

[5]林少丹. VC++程序設(shè)計基礎(chǔ)[M]. 北京： 人民交通出版社， 2009.

[6]唐雙發(fā). 基于OpenCV的車輛視頻檢測技術(shù)研究[D]. 華中科技大學(xué)， 2009.

[7]李慶忠，陳顯華，王立紅. 視頻監(jiān)視中運動目標檢測與識別方法[J]. 計算機工程， 2004， 30（16）：30-33.

[8]胡曉峰， 吳玲達， 老松楊， 司光亞. 多媒體技術(shù)教程[M]. 北京： 人民郵電出版社， 2002.

[9]韓鴻哲， 王志良， 劉冀偉， 李郴， 韓忠濤. 陰影消除的自適應(yīng)背景建模[C]. 第二屆全國智能視覺監(jiān)控學(xué)術(shù)會議論文集， 2003， 35-39.[10]張玲， 葉海炳， 何偉. 一種基于邊緣信息的改進車輛檢測方法[J]. 重慶大學(xué)學(xué)報（自然科學(xué)版）， 2004， 27（11）： 56-58.

[11] J.B.Kim， H.J.Kim. Efficient Region—based Motion Segmentation for Video Monitoring System [J]. Pattern Recognition Letters， 2003， 3（24）：113-128.

[12]王春平， 朱元昌，黃允華. 基于圖像信息的跟蹤算法分析[J]. 火力與指揮控制， 2000， 25（1）： 64-67.

[13]楊枝靈， 王開. Visual C++數(shù)字圖像獲取處理及實踐應(yīng)用[M].北京： 人民郵電出版社， 2003.

[14] H.Chen and T.liu. Trust -Region Methods for Real-Time Tracking[C].Proc. Eigth Int1 Conf. Computer Vision， 2001， 52-55.

[15] Nils T Siebel. Design and Implementation of People Tracking Algorithms for Visual Surveillance Applications Thesis for the Degree of Doctor of Philosophy[D]. The University of Reading， 2003.