摘要:运功目标检测技术作为运动目标跟踪技术的基础，是计算机视觉的核心研究课题之一.摄像头获取的视频包含有大量的信息，如果这些信息都是人工进行分析，不仅任务繁重、工作枯燥，还会容易出错.在实际应用中，人们最感兴趣的是视频图像中运动的物体.运动目标检测就是通过对摄像头捕获的视频序列进行分析，计算出视频图像中运动的区域.检测算法的优劣直接影响后续的目标跟踪等.所以，运动目标检测是目标跟踪的前提和基础.
视频运动目标跟踪技术作为计算机视觉领域的核心研究课题之一，主要目的是模仿生理视觉系统的运动感知功能，通过对摄像头获得的图像序列进行分析，计算出运动目标在每一帧图像上的二维坐标位置，根据不同的特征值，将图像序列中连续帧间的同一运动目标关联起来，得到每帧图像中目标的运动参数以及相邻帧图像间运动目标的对应关系，得到运动目标完整的运动轨迹，和连续视频序列中运动目标的对应关系.
本文介绍了图像处理的一些基础概念和基本方法，包括图像滤波、形态学处理、图像分割以及边缘检测等，这些都是运动目标检测的基础. 在这之后本文介绍了几种常用的运动目标检测算法：帧差法、背景减除法和光流法，并比较这几种算法的优劣.
最后，对背景减除法中的利用自适应高斯模型的方法着重介绍. 对于背景颜色分布比较集中，背景中没有物体会做无规则微小运动的条件下，可只建立一个高斯背景模型，即单高斯模型. 对于背景图像中会出现像水面的波纹这样像素点的值会有多个状态的物体，就需要对背景图像建立多个高斯背景模型，也就是高斯混合模型.
关键词：运动目标检测；背景减除法；高斯混合模型
目录
摘要
ABSTRACT
第1章 绪论-1
1.1课题研究的目的和意义-1
1.2 国内外研究概况-1
1.2.1计算机视觉的发展历史-1
1.2.2 国外研究与应用现状-2
1.2.3 国内研究与应用现状-2
1.2.4 研究的难点-2
1.3 本文的结构和安排-2
第2章 图像处理基础知识-5
2.1 图像滤波-5
2.1.1 均值滤波-5
2.1.2 中值滤波-5
2.1.3 矢量滤波-5
2.2 形态学处理-6
2.2.1 膨胀与腐蚀-6
2.2.2 开运算与闭运算-8
2.3 图像分割-8
2.3.1 全局阈值-9
2.3.2 局部阈值-10
2.4 边缘检测-11
2.5 本章小结-11
第3章 经典运动目标检测算法-13
3.1 帧差分法-13
3.2 背景减除法-14
3.3 光流法-16
3.4 本章小结-17
第4章 基于自适应高斯背景模型的运动目标检测算法-19
4.1 引言-19
4.2 单高斯模型-19
4.3 高斯混合模型-20
4.3.1 高斯混合模型的建立-20
4.3.2 高斯混合模型的参数更新-21
4.4-本章小结-23
第5章 运动目标检测仿真-25
5.1 OpenCV介绍-25
5.1.1 OpenCV历史-25
5.1.2 应用领域-25
5.1.3 编程语言-25
5.1.4 支持的操作系统-25
5.2 开发环境搭建-26
5.2.1 安装OpenCV库-26
5.2.2 使用MS visual C++创建OpenCV工程-27
5.3 运动目标检测算法实现-29
5.3.1 帧差法-29
5.3.2 光流法-30
5.3.3 基于高斯混合模型的背景减除法-33
5.3.4 三种算法的对比-35
5.4 本章小结-35
第6章 结论与展望-37
6.1结论-37
6.2不足之处及未来展望-37
参考文献-39
致 谢-41
