基于OpenCV的运动目标检测与跟踪

罗翊坤

【摘要】 运动目标检测与跟踪是计算机视觉领域是基础的一个重要分支，在工业，医疗，航空航天和军工具有广泛的应用领域，已被广泛关注，并成为计算机视觉研究的热点首先，运动目标检测----帧间差分法和背景减除深入的研究和讨论，然后，在Visual C++ 6.0编程环境OpenCV的技术手段的基本方法开发出一种运动目标检测与跟踪系统。捕获的预处理视频图像的系统第一序列有关移动目标的视频序列之后比较可靠地检测。通过试验结果和数据系统可以断定：基于运动对象检测的OpenCV跟踪系统的设计具有良好的实时性，实时能够精确检测和跟踪移动目标。

【关键词】 运动目标检测 视频图像 OpenCV

一、绪论

随着计算机技术日新月异的发展，计算机视觉，模式识别，人工智能，多媒体技术，越来越受到人们的重视的快速发展。广泛地被定位对象使用运动跟踪和检测，监测和智能人机交互和分析他们的行为，一旦发现有异常行为的对象，监控系统发出警报，提醒人们注意和及时的治疗，改善人类的人工监督注意力浪费资源等问题。计算机视觉是通过计算机代替人的眼睛和大脑感知外部环境，分析和理解。

1.1 OpenCV技术介绍

视觉处理算法的OpenCV提供了非常丰富的，它部分是用C写的，有它的开源特性，妥善处理，无需添加新的外部支持进行编译和链接，生成程序的完整实现，所以很多人们用它做算术移植，OpenCV的可正常运行的系统DSP和MCU系统正常重写代码。

二、运动目标检测

运动目标的检测在整个视频监控系统的底层，各种高级应用，如目标跟踪，目标分类，目标行为的随访，了解互惠的基础。运动对象检测装置，从在实时目标视频流中提取，目标通常设置面积和颜色特性。结果运动目标检测是描述一些静态功能的“静态”的目标前景。根据上下文，其中环境可分为两大类静态背景下运动目标检测和动态背景运动目标检测，本章与实际纸工作主摄像机静态背景运动目标运动结合，不会发生前景对象的运动目标检测检测算法。

2.1运动目标检测的基本方法

目标检测和提取已在目标跟踪应用程序中的重要地位。目标检测和提取的精度直接影响结果和准确性的跟踪。一个良好的各种环境动目标检测算法的应能适用于监测，在正常情况下，移动体检测算法可以根据场景被监视在室内或室外监测算法被分成室内和室外监视算法，则可以按照使用特定算法的方法分为连续帧差分方法，背景减除法和光流法。

2.1.1帧间差分法

对于许多应用，图像的连续帧之间的差检测出图像的顺序是非常重要的一步。场景中的任何可观察到的运动将反映在场景图像序列的变化，如果能检测到这种变化，我们可以分析的运动特性。

2.1.2背景差法

基于该原理的背景差分方法非常简单，基本操作过程示于（4.2）如下：首先使用式（4.3）来计算背景图像之间的差fbk当前帧fk，然后根据下式（4.4）是差分图像的Dk值化和形态学滤波处理，并获得当该区域的通信区域比给定的阈值RK进行连通区域分析的结果，它成为检测对象，并且该区域是区域目标在区间的，你能确定的最小边界矩形的目标。

其中T 是二值化设定阀值。

2.1.3光流法

光流是指在图像模式（或表观的）运动的表观亮度。用“表观运动”，主要是由于光流的运动图像不能有部分信息只以确定，例如，区域性或亮度轮廓点更均匀的亮度不能唯一确定的运动对应的点，但观察到的运动。这解释了光流和该流不一定是由物体的运动所产生的光，而运动的主体不一定会产生光流体育场不一定是唯一的。

三、目标跟踪算法的研究

目标对象的运动信息的条件的先验知识下跟踪，通过从信息源的实时数据来估计所述目标状态，以实现所述目标位置和运动趋势判定。运动目标跟踪问题是一个复杂的估计。研究精度高，性能稳定，目标跟踪方法的适用性仍面临巨大挑战，具有重要的理论意义和实用价值。

3.1图像匹配法

通过图像匹配方法可以识别要跟踪的运动对象，并确定它们的相对位置。早期跟踪涉及的目标位置的变化的两个图像之间的测量计算出的相关函数，跟踪点是，这两个图象相匹配的最佳位置，这是相关函数的峰值。

3.2基于团块的目标跟踪

基于团块（BLOB）的基本原理是用于图像分割候选像素跟踪算法，它决定像素是否属于背景或属于定位或属于其他区域。基于跟踪算法的质量也可称为基于图像分割的跟踪，分割结果刚够目标和背景之间的区分，而传统的图像分割算法需要目标轮廓的精确显示。分裂台球在目标，纹理特征和图像的深度信息的一般特性。

四、结语

随着在军事领域的计算机视觉，智能交通监控，视频运动目标检测与跟踪的发展必将得到更广泛的应用和发展。在本文中，历时四个月中，主要研究的OpenCV实现运动目标检测与跟踪的应用，实验结果表明，该系统具有良好的鲁棒性和准确性，实现毕业设计的预期目标，在工作和问题结合起来实际应用中。

参 考 文 献

[1]刘瑞祯， 于仕琪. OpenCV教程基础篇[M]. 北京： 北京航空航天大学出版社，2007.

[2]彭达. Visual C++多媒体编程技术[M]. 北京： 人民邮电出版社， 1999.

[3]丁金铸. 基于图像处理的运动目标检测跟踪系统的设计与实现[D]. 华中师范大学， 2007.

[4]王建中， 姜昱明. 基于块匹配的运动对象检测算法[J]. 微电子与计算机， 2005， 22（1）： 10-12.

[5]林少丹. VC++程序设计基础[M]. 北京： 人民交通出版社， 2009.

[6]唐双发. 基于OpenCV的车辆视频检测技术研究[D]. 华中科技大学， 2009.

[7]李庆忠，陈显华，王立红. 视频监视中运动目标检测与识别方法[J]. 计算机工程， 2004， 30（16）：30-33.

[8]胡晓峰， 吴玲达， 老松杨， 司光亚. 多媒体技术教程[M]. 北京： 人民邮电出版社， 2002.

[9]韩鸿哲， 王志良， 刘冀伟， 李郴， 韩忠涛. 阴影消除的自适应背景建模[C]. 第二届全国智能视觉监控学术会议论文集， 2003， 35-39.[10]张玲， 叶海炳， 何伟. 一种基于边缘信息的改进车辆检测方法[J]. 重庆大学学报（自然科学版）， 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，黄允华. 基于图像信息的跟踪算法分析[J]. 火力与指挥控制， 2000， 25（1）： 64-67.

[13]杨枝灵， 王开. Visual C++数字图像获取处理及实践应用[M].北京： 人民邮电出版社， 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.