《视频图像中运动目标检测(共35页).docx》由会员分享，可在线阅读，更多相关《视频图像中运动目标检测(共35页).docx（36页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、精选优质文档-倾情为你奉上毕 业 论 文题 目 视频图像中运动目标检测 方法研究 专 业 电气工程及其自动化 班 级 电气1003 学 生 曹 文 学 号 指导教师 赵哥君 二一二年六月八日专心-专注-专业摘 要 在很多现代化领域，运动目标检测都显示出了其重要的作用。尤其是近二十年的社会经济的飞速发展，运动目标检测都彰显了其重要性，在航空、通信、航海等各个方面都有关键性的作用，从而使运动目标检测方法的研究成为各国的研究热门课题。通过阅读大量的相关论文、期刊及其网络资源，了解了高斯背景建模及背景更新的基本原理及思想。在本文中，首先介绍了运动目标检测方法的相关基础知识，如图像的二值化、图像的形态学
2、处理、颜色空间模型。然后重点说明了三种常用的运动目标检测方法的研究，简要阐述了三种研究方法的基本思想。在老师的帮助下进行了相应的实验，最终得出了三种运动目标检测方法的优点和缺点，着重探究了高斯背景建模及其背景更新基本原理及思想。最后，通过相关的程序及软件对混合高斯背景模型进行了相关的实验，进而发现了混合高斯背景建模算法存在的不足之处，如：高斯背景建模的计算量大、运动目标较大时检测效果差等问题，并对对这些问题提出了相关设想及改进。关键词：运动目标检测；二值化；图像的形态学处理；高斯背景建模；背景更新ABSTRACTIn many modern fields, moving target dete
3、ction are showing its important role. Especially nearly twenty years of rapid development of social economy, the moving target detection has shown its importance, in various aviation, communication, navigation and so on have a key role, so the study of moving target detection method has become a res
4、earch hot topic in countries. By reading relevant papers, a large number of journals and cyber source, understand the basic principle and thought of Gauss background modeling and updating the background. In this paper, firstly introduces the basic knowledge of moving target detection method, such as
5、 the two values image, morphological image processing, color space model. Then focus on the study of three methods used for moving object detection, a brief description of the basic ideas of the three kinds of research methods. By the experiment, the results of three kinds of method of moving target
6、 detection has advantages and disadvantages, this paper emphatically explores Gauss background modeling and background updating basic principle and thought. Finally, through the program and software related to mixed Gauss background model for the relevant experiments, and found the shortcomings, the
7、 presence of mixed Gauss background modeling algorithm such as: the problem of computing Gauss background modeling, moving target volume larger detection effect is poor, and on these problems put forward relevant ideas and improvement.Keywords: moving object detection; two values; morphological imag
8、e processing; Gauss background modeling; background update1 前言1.1国内外研究现状 运动目标检测在机器人、视频监控、交通道路检测、军事战争、模拟现实等众多的领域都有极其重要的应用和良好的发展前景。1 近年来运动目标检测的研究方法在计算机方面一直都处于热门性研究话题，国内外等众多的学者在运动目标检测等方面进行了不懈的努力。运动目标检测在国外，早在二十世纪美国有关部门就运动目标检测进行了监控系统项目的研究，其主要的目的是实现在一定的环境下对运动目标的检测，该系统采取了帧差分法的检测方法。此外世界知名的计算机公司如IBM以及Microso
9、ft等也纷纷进行了监控系统研究的实验，他们研究出来的智能监控系统极大的推进了视频监控的研究，并使得智能监控系统能够应用于现实实际的需要，推进力社会现代化的进程。 中国科学院是国内所有研究运动目标检测的机构中的引领者，而北京自动化研究所在运动目标检测方面则是做出了较大的贡献，交通场景的监控和行为模式识别是重点研究方向，在检测系统中有着重要的地位。Error! Reference source not found.图1. 1、图1. 2是我们日常生活中常见的监控的场景。为了适应社会发展的需要，于2002年第一次成功举办了全国智能视觉监控会议，这次会议的主要内容是研究视觉监控技术，加强了运动目标检测
10、经验的交流，推动了运动目标检测技术在我国的快速发展。2003年第二届全国智能视觉监控会议同样在模拟识别国家重点实验室成功举办，推动了智能视觉监控系统的设计及开发在推广，并在同年的5月出版了一期针对动态场景的视觉监控专刊。 运动目标检测的迅速发展也吸引了一些高校的注意，一些著名高校，如：北京航天航天大学、上海交通大学、北京大学都对视频运动目标的检测做了大量的研究，并取得了骄人的成绩，进一步推动了运动目标检测的发展。尽管近二十年运动目标检测在国内取得了骄人的成绩,但是目前在运动目标检测方法这方面依然有很大的不足，当前国内市场上能够见到的大部分智能监控产品来源于国外，如德国、美国、日本等。而且国内大
11、部分运动目标检测产品的可靠性依然有待提高，重要的是设备的维护和安装等问题需要国外人员的参与和协助,运动目标检测方法技术的突破存在着困难。2图1. 1 常见的监控场景图1. 2 常见的监控场景1.2选题的目的及意义 随着历史的不断进步,二十一世纪是信息时代。信息获取的途径和应用都实现了本质上的飞跃。我们获取信息的途径已经转化为图像信息，尤其是运动目标所表达信息。很多领域，图像尤其是视频所表达的信息往往要更加的生动形象，身体的协作使得我们能够迅速的获取、应用视觉传递的信息,我们利用视觉的变化来觉察环境信息的利用率是很高的。Error! Reference source not found.根据一些
12、学者的研究，我们人类获得自然界的信息有大部分是来自运动的目标。由此可以看出，运动目标已经成为我们获得信息的主要途径，几年来表现的尤其明显，运动目标为代表的信息已经广泛应用于航空航天、医疗机械、道路交通、虚拟现实等各个方面。大家都知道大自然是运动的，人类的活动是运动的，进而我们所关心的目标也是运动的，如：流动的人群、天空的飞鸟以及流动的河流等运动目标。运动目标检测是计算机方向的热门性课题，目前在航空航天、医疗、道路交通、虚拟现实等领域已经有了一定程度的应用。运动目标检测不仅是图像处理的重要组成成分,而且还是监控系统的核心组成部分。运动目标检测的主要目的是将感兴趣的部分信息标识出来，并将信息进行加
13、工以及分析。 伴随着时代的不断进步和发展，从背景图像中检测出来运动目标，并且将运动目标从背景图像中分割提取出来，是运动目标检测的主要作用，使背景图像与运动目标相分离，为我们提供相应的信息。41.3 存在的问题 尽管我们在运动目标检测方面已经取得了骄人的成绩，可以依然存在一些问题影响到运动目标检测效果，基于视频序列的图像在背景更新方面有待完善，甚至有些背景不能够实现更新的功能或者说更新不及时。光线的改变、波动的水面、以及飘扬的旗帜都会影响到背景的更新。1.4 本论文章节安排第一章为绪论 主要介绍了运动目标检测的国内外研究现状，选题的目的及其意义，目前运动目标检测存在的一些问题。第二章为图像的预处
14、理 主要介绍了图像的预处理知识，首先简单介绍了二值化相关知识，其次为形态学处理的相关原理，形态学处理的相关内容包含二值膨胀与腐蚀、开与闭运算。最后是简要阐述了颜色空间模型和图像的灰度图像的基础知识。第三章为常用的三种检测方法 主要介绍三种常用的运动目标检测方法，光流法、帧间差分法、背景差分法的基本原理。第四章为背景建模与背景更新主要介绍了单高斯背景建和经典背景模型，混合高斯背景建模以及改进的混合高斯背景建模的基本思想，经典背景模型包含了平均背景模型和非参数背景模型。重点介绍了混合高斯背景建模。第五章为实验结果与分析在本章的实验中依次验证了光流法、帧间差分法、背景差分法、单高斯背景建模、混合高斯
15、背景建模、改进的混合高斯背景建模的运动目标检测效果，给出了实验中相关的图像和数字，并进行了简单的实验分析。第六章为结束语最后总结了全文，运动目标检测目前依然存在不足，并进行了未来的展望。2图像的预处理2.1引言 本章主要介绍了图像的预处理知识和形态学处理，图像的预处理包括图像的二值化，形态学处理则包含了二值膨胀与腐蚀、开与闭运算。然后介绍了颜色空间模型和图像的灰度化等。图像的二值化是运动目标检测方法研究的基础，二值膨胀与腐蚀是形态学变换中最常用的两种方法，而开与闭运算是一种重要的形态学变换。颜色空间模型有RGB（Red，Green，Blue）颜色模型，HSV（Hue，Saturation，Va
16、lue）颜色模型等。62.2图像的二值化 图像的二值化是我们研究运动目标检测研究方法的重要前提，但是由于风速或人为操作等原因，我们得到的图像总是和真实的图像都会有一定的误差，这时就只有对图像进行预处理才能使我们得到的图像尽可能的和原图像相一致，为了图像的后期处理和应用，对图像进行归一化处理是我们最常用的的方法，图像的归一化处理二值化的阀值是非常重要的，通常我们会设置适当的阀值来使背景图像与运动目标相分离。 我们都知道运动目标、运动背景、噪声等构成了一幅图像。二值化是彩色图像处理中最常用的方法，依据为将图像上像素点的灰度值设置为0到255，通过设置适当的阀值使图像呈现出黑白两种效果，使图像背景与
17、对象分离，得到黑白效果的图像，图像灰度值大于或等于阀值的像素其灰度值表示为255，而小于阀值的像素灰度值则表示为0，0图像二值化效果如图2.1、图2. 2所示。 a） 原始图像 b） 二值化图像图2. 1 二值化效果图 a） 原始图像 b） 二值化图像图2. 2 二值化效果图用函数来表示图像的输出，而用函数来表示图像的输入，我们可以用下列公式来表示图像的二值化。 （2.1） 二值化过程中阀值的选取是至关重要的，阀值一般是经过严格的运算得到的，但是若没有经过严格的运算，通常我们取该窗口的平均值。二值化过程相对较简单，但是不能因为其过程简单而忽视二值化的运行速度。如果在VC中直接应用某些公式，就会
18、因为浮点数过低而影响代码的执行速度。这时候我们如果能够采用定点整数运算，就可以大幅度的提高运行速度，从而提高整个工程的效率。7在图像处理过程中，二值化占有极其重要的作用，对图像进行二值化处理可以改变图像的大小，以便使图像更好的为我们所应用，图像呈现出黑白两种效果，把我们感兴趣的部分标志出来，如图2.2。二值化图像虽然相对来说变得简单了，但是依然含有原图像整体和局部的数据特征。对二值化图像进行分析和处理，更有利于我们的工作进程。2.3图像的形态学处理 图像的形态学处理是图像图形描绘的热门研究性方向，如：图像的形态学处理滤波图像中的噪声，是在理论基础上发展起来的一门学科，图像的形态学处理是指利用数
19、字形态从而获取我们感兴趣的部分图像，可以简化图像结构，将我们不感兴趣的部分结构除去，以达到简化图像保持图像原形状的目的。9 二值膨胀、腐蚀、开以及闭运算是形态处理常用的四个基本元素。Error! Reference source not found.2.3.1二值膨胀与腐蚀 膨胀是指运用向量加法的运算法则，把、两个向量中所有向量相加的和的向量，其运算公式为： （2.2） 通过膨胀我们可以丰富图像，使图像更加生动形象，以便我们完成对图像的分析和应用。 腐蚀就是运用向量的减法运算法则，把、两个向量合并，取共有的向量，其运算公式为： （2.3） 通过腐蚀我们可以达到简化图像数据结构的目的，使图像简单
20、化。Error! Reference source not found.图2. 3 为日常生活中常见的膨胀的一个实例。； a） X的点集 b） B的点集 c） 膨胀后的结果图2. 3 膨胀效果图 图2. 4 为日常生活中常见的腐蚀的一个实例。；a） X的点集b） B的点集c） 腐蚀后的结果 图2.4 腐蚀效果图二值膨胀与腐蚀的算法虽然看起来有一定的关系，但事实上，二值膨胀与腐蚀是不具有互逆关系的，具有完全不同的运算法则。02.3.2 开与闭操作开操作是形态学处理的一种重要的变换，运算法则为先进行腐蚀而后再膨胀处理。闭操作是形态学处理的另一种重要的变换，运算法则为先进行膨胀而后再腐蚀处理。开运算
21、与闭运算是二值膨胀与腐蚀的延伸，是在膨胀与腐蚀上基础上发展演化而来的。运用闭运算则可以消除图像中细小的空洞，使目标对象与背景图像明显分离。运用闭运算可以填充图像中的小的空洞，使整个图像变得平滑。Error! Reference source not found. 下图为我们常见的图像处理中开与闭运算的运算结果。 图2. 5 原始图像 图2. 6 开运算图像图2. 7 闭运算后的图像 2.4颜色空间模型颜色空间模型的种类有很多，在目前的图像运用中我们常见的颜色空间模型有(Red, Green, Blue)颜色空间模型，(Hue, Saturation, Value)颜色空间模型等。本章主要介绍了
22、常用的(Red, Green, Blue)颜色模型。12、是指红、绿、蓝三种颜色，是其他颜色的基础。自然界的任一色彩都可以由、这三种基色通过某种的比例相加而成，如：、的比例为，则该颜色为黑色，而、的比例为则该颜色为白色，而为绿色，表示为蓝色，而红色+绿色+蓝色=白色，这就是我们所说的RGB三基色原理。利用三维坐标表示：图2. 8 RGB三基色原理其中表示为黑色，而则表示为白色，为绿色，则为红色，表示为蓝色。表示为黄色，表示为深红，表示为青色。其他的颜色我们都可以用三种基色有比例相加混合而成。Error! Reference source not found.2.5视频图像灰度化 任何图像都是有
23、红、绿、蓝三种基色以一定的比例相加而形成的，其表达式为： （2.4） 为R、G、B三种颜色混合成的新颜色。因此，需要将RGB彩色图像转化为灰度图像。由于存储彩色图像占据的空间比灰色图像要大得多，因此，需要将RGB彩色图像转换成灰度图像。为了提高运动目标的检测速度，通常我们会把图形灰度化，常用的灰度公式如下： （2.5） 为变换后图形在处的像素点。Error! Reference source not found.图2. 9为日常生活中常见的生活场景。 a） 彩色原始图像 b） 灰度图像图2.9 b)为a）的灰度图像，我们可以看出b）简化了图像，但是却完好的保存了原始图像的全部信息。3常用的三种
24、检测方法3.1引言 运动目标检测意思是说利用一定的技术在图像中将我们需要的部分标识出来，在目前的运动目标检测中我们常用的运动目标检测方法有三种，即光流法、帧间差分法、背景差分法。Error! Reference source not found.3.2光流法运动目标的像素在基于视频中的序列中的瞬时速度，也就是我们平时所说的光流。光流法则是把检测的图像先变成速度的矢向量，然后再进行图像的后处理。如果在基于视频序列的图像中运用了光流法，我们可以保留图像中完整的图像信息，有利于运动目标的检测。基于匹配、基于频域以及基于梯度是我们在光流法中常用的三种计算方法，而基于梯度方法是我们最常用的方法，在这里不
25、做过多的介绍。 在运动目标检测中采用光流法，使图像本事包含了原图像的完整信息，在运动目标检测效果中有较高的效率。可是鉴于光流法的计算方法相对复杂，而且在实时监控方面依然存在实时检测效率低等问题，故而光流法在运动目标检测系统中的应用依然有限。133.3帧间差分法 帧间差分法是运动目标检测中常用的方法之一，帧间差分法是指在某视频中前后两帧图像相比较做差，来获得差分图像。当监控系统中出现不同于背景图像的物体时，视频序列前后两帧图像会出现不同，两帧图像相减，得到差分图像。以便我们分析图像，得到我们所需信息。14基于视频序列的图像通过帧间差分法来检测运动目标的一般流程图如图3. 1所示：预处理f（t-1
26、）差分图像检测目标后处理预处理f（t-1）图3. 2 帧间差分法来检测运动目标的流程示意图 二帧差分法、三帧差分法是我们在帧间差分法中常用的两种方法，而最常用的方法则是二帧差分法，二帧差分法的基本原则就是利用基于视频序列的图像的当前帧和前一帧图像的灰度值，两帧图像的灰度值做差，得到差值图像，再进行图像的后处理等工作。尽管帧间差分法的实现方法简单，程序的编程相对来所难度较低，但是由于帧间差分法对风速光线等变化反应较慢，所以帧间差分法的应用广度和深度依然有待发展。Error! Reference source not found.3.4背景差分法背景差分法是帧间差分法的一种特殊情况，与帧间差分法的
27、原理有相似之处。背景差分法的基本思想为：在视频图像序列中将背景图像与运动目标相比较，两帧图像做差，得到差值图像，我们就可以得到运动目标在背景图像下的遇不到效果。Error! Reference source not found.背景差分法是目前应用最成熟的一种算法，在这三种方法中是最重要的一种，我们通常所说的通过背景差分法来检测运动目标的一般流程图如 图3. 3 所示：当前帧运动目标差值图像后处理二值化后处理背景图像图3. 4 背景法来检测运动目标的流程示意图背景差分法在运动目标检测系统中的检测效果快，而且方便实现，在现代社会的应用中，是研究的热门性方向，在各领域的应用都比较广泛。但是由于视频
28、序列中背景图像的连续性，需要我们实时的通过视频序列的信息进行不断地更新背景，也就是我们所说的背景更新。154背景建模与背景更新4.1引言在背景差分法中最关键的步骤是如何获得我们所需要的背景图像，也就是说背景图像的获取是目前研究中的重要部分。而背景图像的获得通常通过两种方法获得，一种是单一固定的背景图像，另外一种则是逐渐更新的背景图像。Error! Reference source not found.4.2单一的背景图像单一的背景图像是背景差分法的理想化情况。在单一的背景图像下，基于视频序列的背景图像不会随着时间的变化而发生变化，也就是说背景图像在不会变化的状态下，仅仅是运动目标发生变化。Er
29、ror! Reference source not found. 图4. 1 背景图像图 图4. 2 差分图像 图4. 3 二值化图像图 图 4. 4 形态学处理后的图像 图4. 1、图4. 2、图4.3、图 4.4则是我们常见的单一背景实例。 而面对逐渐更新的背景图像，我们最常用的的方法则是建立背景模型。在目前的背景建模方法中我们经常采用单高斯背景建模、混合高斯背景建模以及W4背景建模。16单高斯背景建模用于处理背景静止不动的视频序列，其算法和原理是众多的算法中最简单的，而且在图像处理过程中并不是每一次都需要背景建模。当图像的背景不变时，我们就可以利用单高斯背景建模。图像的像素亮度符合高斯分
30、布时，也就是说图像的在点的亮度像素符合：其中为平均差，为方差。这时应注意到随着时间的变化，背景图像会随着时间有些变化，这就要求我们随时更新背景模型。17单高斯背景建模适应于背景图像静止不动的场合，例如某教室或办公室，而对于背景图像变化的场景，多是室外的场景，如柳叶的摇动、旗帜的摆动、湖面的摆动等，这时候单高斯背景建模就会显露出其缺点，而在实际应用中，场景的复杂度较高，如室外的监控场景，背景中包含很多动态变化的物体，对于背景图像变化的场景我们通常会采用混合高斯背景建模。4.3经典背景模型 颜色背景模型是背景模型的其中一种，如果当前帧图像的处的灰度值和背景图像在处的灰度值有较小的差别时，我们则认为
31、点事背景点，反之则认为是前景点。下面介绍几种经典背景模型。4.3.1平均背景模型 平均背景模型是把一段时间内的所有帧图像灰度值的均值作为其背景图像，当没有运动目标时，所有帧图像灰度值的均值没有明显的变化，也就是说当有运动目标出现时，所有帧图像灰度值的均值会发生明显的变化。其表达公式如下： (4.1) 为视频中第帧图像，为视频中第帧图像的背景图像，把前帧图像的灰度值作为背景图像。从这个公式可以看出：如果想得到的背景图像越真实，那么的取值就要越大，算法简单，最大的缺点是实用差，不能很好地适应突变的场景，在室外的应用有很大的弊端。4.3.2非参数背景模型 非参数背景模型是利用概率论的相关知识来建立背
32、景模型的，图像在点的灰度值用来表示。 (4.2) 且 ，是在时间的像素点灰度值。 如果在时间满足 时，我们则会默认为这个点是前景点，反之则是背景点，非参数背景模型算法要求计算每帧图像的每一个点，因此计算量比较大，消耗时间较长。4.4混合高斯模型将视频序列准确的量化分析，将某一视频分解成若干的基于高斯函数，这就是我们所说的高斯模型。4.4.1混合高斯模型的基本思想对于基于视频序列的图像的每一个像素点，都可以用K个不同的正态分布函数来表示，K通常取 3 5。通常K越大说明其抗干扰能力越强，每个正态分布函数都记录一个均值和一个协方差矩阵。假如要知道该点是背景点还是前景点时，则只需要将该点与K个高斯分
33、布的均值相比较，该像素点的值不在某一均值允许范围之内时，则认为该像素点是前景点，否则认为是背景点。某点像素在时间t位于背景图像的概率为： (4.3) 其中：表示时刻的混合高斯模型中第个正态分布的权重；表示第个正态分布的均值；表示对应的协方差矩阵； 表示正态分布的概率密度函数，记为 (4.4) 传统的混合高斯背景模型如下图所示：模型更新增加到新模型YNYN提取下一帧权值更新更新权值最小的模型前景点背景点像素点与B个模型是否匹配逐像素建立K个高斯背景模型学习模型初始化kK图4. 5传统的混合高斯背景模型算法流程图4.5背景更新加权更新法是背景更新法的一种，其基本原理为前一帧图像的权值会以某种比例与
34、当前帧图像的权值相加，而得到新的背景图像。表示第帧中像素点处的灰度值，而第 帧 时背景图像中第像帧在 处的灰度值则用来表示， 则 加权 更 新 法可 以 用下 式 表示 ： （4.3） ：01，背景更新的速率，的会影响背景图像的更新的速度，过低，背景更新则会需要的时间较长，过大，背景更新需要的时间则会相对缩短。若背景更新的速度缓慢，那么前一帧图像的部分会出现在当前帧图像中，造成图像的重影。 加权更新法的原理和算法简单，但是由于加权更新法只是把前一帧图像的权值与当前帧相加，而忽视了前一帧图像的实际情况，非常有可能致使我们所得到的背景图像不是很完整，从而造成适用性差，在实际的工作场景中应用受限。当
35、周围场景发生变化时，混合高斯背景模型对环境的变化抗干扰能力强，但是由于混合高斯背景建模的算法复杂，计算量相对来说较复杂，因此当检测目标超过一定的范围时，利用混合高斯背景来检测目标时效果有待改善。 有关学者提出了改进的高斯背景建模算法，其流程图如下：检测出图像的变化区域差分图像差分图像后一帧图像当前帧图像否是是否后续处理（形态学处理等）更新背景模型用当前帧图像更新背景采用混合高斯背景模型提取运动目标前景点前一帧图像背景点结果输出判断像素点是否与高斯背景模型匹配判断场景中是否有运动目标图4. 6改进的混合高斯背景建模算法流程示意图4.6本章小结 主要介绍了运动目标检测方法，一开始介绍了三种基本的运
36、动目标检测方法及其基本原则，随后重点介绍了单高斯背景建模和混合高斯背景建模的基本原理及适用的场景，最后简要说明了改进的混合高斯背景建模的算法。5实验结果与分析该实验是在VS2008计算机软件平台上并利用了OPENCV函数库的相关程序，利用了上述的各种检测方法，实现对行走的图像、讲话的图像、运动车辆图像等运动目标的检测。5.1光流法首先利用光流法对行走的人的图像进行了目标检测，实验结果如 图5.1所示： a） 第15帧图像 b） 第16帧图像c） 光流法检测效果图图5.1 利用光流法检测运动目标效果图 图a）、图b）分别为图像第15、16两帧图像，c）为光流法检测效果图。但是由于光流法的计算方法
37、相对复杂，而且在实时监控方面依然存在实时检测效率低等问题，故而光流法在运动目标检测系统中的应用依然有限。5.2帧间差分法 利用帧间差分法对讲话的图像进行运动目标检测，实验结果如下： a） 原始图像1 b） 原始图像2 c） 对图像1进行中值滤波 d） 对图像2进行中值滤波 e） 差分图像 f） 形态学处理后图像图5.2利用帧间差分法检测运动目标效果图a）、 b）分别为原始图像1、原始图像2，c）、d）则分别为对彩色图像进行中值滤波的图像，e）是差分图像，f）则是形态学处理后图像。5.3背景差分法利用背景差分法检测行走的人的运动目标检测，其实验结果如下： a） 第12帧图像 b） 第28帧图像
38、c） 第36帧图像 d） 第45帧图像 e） 背景图像 f） 差分图像 g） 二值化图像 h） 形态学处理后图像图5.3 利用背景法检测运动目标效果图 a）为12帧图像、b）为28帧图像、c）为第36帧图像、d）为第45帧图像，e）为图像的背景图像，f）为图像的差分图像，g）是图像的二值化图像，h）则是形态学处理后图像。5.4单高斯背景模型 利用单高斯背景模型对行走的人进行运动检测，实验结果如下： a） 第10帧图像 b） 第10帧图像检测结果 c） 第50帧图像 d） 第50帧图像检测结果 e） 第80帧图像 f） 第80帧图像检测结果图5.4 利用单高斯背景模型检测运动目标效果图a）c）e
39、）分别为第10、50、80帧图像，而b）d）f）则分别为第10、50、80帧图像的检测结果。可以得到以下结论：利用单高斯背景建模得到的图像信息有缺失，致使图像有缺损，同时抗干扰能力差，得到的检测结果会受到外界的干扰。5.5混合高斯背景模型利用混合高斯背景模型对某小区路段进行运动车辆检测，其检测结果如下： a） 第30帧图像 b） 第40帧图像 c） 更新的背景图像 d） 对第40帧图像的检测结果 e） 第41帧图像 f） 更新的背景图像g） 对第41帧的检测结果图5.5 利用混合高斯背景模型检测运动目标的效果示意图 利用混合高斯背景模型对某小区路段进行运动车辆检测，其实验结果如下： a） 第3
40、0帧图像 b） 应用混合高斯背景建模原理检测运动的场景 c） 第150帧图像 d） 应用混合高斯背景建模原理检测运动的场景 e） 第238帧图像 f） 应用混合高斯背景建模原理检测运动的场景 图5. 6利用混合高斯背景模型运动目标效果图a）、c）、e）分别为第30、150、238帧图像，b）、d）f）为相应的检测结果。由此我们可以更好地观测出运动目标的检测结果。为了更好地了解混合高斯背景建模的观测效果，再做一组实验，对运动的行人进行运动目标检测。实验结果如下： a） 第10帧图像 b） 第10帧图像检测结果 c） 第50帧图像 d） 第50帧图像检测结果 e） 第80帧图像 f） 第80帧图像
41、检测结果图5.7 利用混合高斯背景模型检测运动目标效果示意图 以上为利用混合高斯背景建模进行的实验结果。可以得到以下结论：混合高斯背景建模可以检测出比较完整的运动目标，抗干扰能力相对于单高斯背景建模来显著增强。5.6改进的高斯背景建模算法 利用改进的高斯背景建模算法对行走的人进行运动目标检测。实验结果如 图5.8 所示： a） 第10帧图像 b） 第10帧图像检测结果 c） 第50帧图像 d） 第50帧图像检测结果 e） 第80帧图像 f） 第80帧图像检测结果图5.8利用混合高斯背景模型检测运动目标效果示意图 b）、d）、f）依次为第10、50、80帧图像的检测结果。可以得到以下结论：第10帧图像的检测结果不是很完整，而第50、80的检测结果相对来说则很好，原因是运动目标的背景还没有稳定。到第80帧图像时，运动背景稳定，检测结果清晰，更便于观测与分析。5.7本章小结 主要介绍了运动目标检测方法检测运动目标的研究，一开始介绍了三种基本的运动目标检测方法的研究结果，随后重点介绍了单高斯背景建模和混合高