基于tms320dm6437 dsp的運動目標(biāo)檢測系統(tǒng)【文獻綜述】

1、畢業(yè)設(shè)計文獻綜述畢業(yè)設(shè)計文獻綜述通信工程通信工程基于基于TMS320DM6437TMS320DM6437DSPDSP的運動目標(biāo)檢測系統(tǒng)的運動目標(biāo)檢測系統(tǒng)摘要：摘要：運動目標(biāo)物體檢測的目的是從序列圖像中將發(fā)生變化的區(qū)域分析并提取出來。它作為目標(biāo)分類、跟蹤和行為分析理解等后期工作的基石，其準(zhǔn)確、高效的檢測對后續(xù)一系列處理工作意義重大。本文介紹了當(dāng)前國內(nèi)外運動目標(biāo)檢測技術(shù)的研究現(xiàn)狀及發(fā)展趨勢，介紹如光流法、幀差法及背景減法等三種目前運動目標(biāo)檢

2、測的主要方法。關(guān)鍵詞：運動目標(biāo)檢測；幀差法；背景差法一、背景1.1運動目標(biāo)檢測技術(shù)視頻圖像的運動目標(biāo)檢測是計算機視覺領(lǐng)域的一個重要研究課題[1]。運動目標(biāo)檢測就是從整幅場景圖像中把感興趣的運動目標(biāo)檢測出來[2]，它是后續(xù)目標(biāo)分類、跟蹤、行為分析等高級處理的基礎(chǔ)，也是視頻監(jiān)控系統(tǒng)自動化、智能化和實時化的關(guān)鍵。運動目標(biāo)檢測擁有廣闊的應(yīng)用前景：如：交通狀況監(jiān)控、視頻監(jiān)控、自動導(dǎo)航[1]等。1.2運動目標(biāo)檢測技術(shù)研究現(xiàn)狀進入2000年以來，從圖

3、像分割的角度出發(fā)產(chǎn)生了許多運動目標(biāo)檢測的算法，包括閾值分割、統(tǒng)計檢驗和檢測濾波器三大類[3]，這些檢測方式的缺陷在于：分割效果對圖像噪聲敏感；運算復(fù)雜，處理速度慢等。目前，國內(nèi)主要通過兩種途徑區(qū)檢測視頻信號中的運動目標(biāo)：對序列圖像前后連續(xù)兩幀的研究以及利用無運動目標(biāo)的環(huán)境的先驗知識。1.3運動目標(biāo)檢測技術(shù)發(fā)展趨勢新一代基于內(nèi)容的多媒體數(shù)據(jù)壓縮編碼國際標(biāo)準(zhǔn)MPEG4第一次提出了基于對象的視頻編碼新概念，MPEG4實現(xiàn)基于內(nèi)容交互的首要任務(wù)

4、就是把視頻圖像分割成不同目標(biāo)，即運動目標(biāo)的檢測。然后對不同對象采用相應(yīng)的編碼方法，以實現(xiàn)高效壓縮，可以說，視頻運動目標(biāo)檢測是MPEG4視頻編碼的關(guān)鍵技術(shù)，也是新一代視頻編碼研究的熱點和難點。二、運動目標(biāo)檢測的方法目前，常用的運動目標(biāo)檢測方法主要有：光流法、幀差法、背景減法，此外還有塊匹配法和運動能量法等[4]。由于許多運動物體提取算法都是在文中前三種算法的基礎(chǔ)上衍生背景減法的基本思想是將當(dāng)前幀圖像fk與事先存儲或者實時得到的背景圖像Bk

5、1相減。如果像素差值Dk大于某一閾值T，則判定此像素為運動目標(biāo)上的像素，反之則判定仍為背景畫面像素沒有運動目標(biāo)存在。閾值操作后的結(jié)果直接給出了對象的位置、大小、形狀等信息。其算法略述如下：（公式3）)()()(1yxByxfyxDkkk???（公式4）TDTDBackgroundFegroundyxRkkk??????01)(由公式3以及公式4可以看出背景減法的兩個關(guān)鍵：閾值和背景的選擇。常用的閾值選取法有：灰度直方圖法、最小誤差法等等

6、。構(gòu)建背景的方法也有很多，如：統(tǒng)計平均法、單高斯分布背景模型[11]、混合高斯分布背景模型[1213]等等。文獻[11]介紹的單高斯分布背景模型適用于單模態(tài)背景情形，它為每個像素點的顏色分布建立了用單個高斯分布表示的模型其中下標(biāo))(?ttx??t表示時間。設(shè)圖像點的當(dāng)前顏色度量為Xt即若≤Tp(這里Tp為概率閾值)，則該點被)(?ttx??判定為前景點，否則為背景點(這時又稱與相匹配)。在實際應(yīng)用中，可以用等價的)(?ttx??閾值替代

7、概率閾值。由于背景建立涉及較為復(fù)雜的模型計算以及更新，此種方法對程序復(fù)雜度和運算時間都有較高的要求。文獻[12]及[13]介紹的混合高斯背景模型適合于多模態(tài)的背景分布，圖像中每個像素點的灰度值的分布都是有多個高斯分布混合表示的。該方法的特點是每個高斯分布不僅僅帶有權(quán)值而且還具有優(yōu)先級，像素點與某個高斯模型匹配之后將該高斯分布的參數(shù)更新，權(quán)值提高。反之其他的高斯分布的權(quán)值則相應(yīng)降低，每次更新程序完成后對每個高斯分布重新計算優(yōu)先級和排序。三

8、、結(jié)論運動目標(biāo)檢測是各種視頻高級處理如：目標(biāo)跟蹤、行為分析等的基石，將運動目標(biāo)從視頻背景中及時、準(zhǔn)確地檢測出來使后續(xù)高級處理工作成為可能。運動目標(biāo)檢測技術(shù)的發(fā)展對圖像處理、模式識別、人工智能、自適應(yīng)控制等技術(shù)都具有重大意義，尤其在是近年來興起的視頻監(jiān)控技術(shù)領(lǐng)域有廣闊的應(yīng)用前景，也是視頻監(jiān)控系統(tǒng)自動化、智能化合實時應(yīng)用的關(guān)鍵，對其進行深入地研究無疑具有深遠的現(xiàn)實意義和應(yīng)用價值。參考文獻：[1]李利樂馬志強張曉燕.運動目標(biāo)檢測技術(shù)現(xiàn)狀及進展