基于OpenCV的运动物体检测及其DSP实现技术研究

论文摘要

近年来,随着计算机网络、图像处理及传输技术的发展,智能视频监控技术也有了飞速发展。其中运动目标检测技术是智能视频监控中基础而关键的部分,运动目标的提取效果直接影响着视频监控的后续部分处理,从而影响整个视频监控效果。背景差分法是一种重要的运动目标检测方法,该方法检测运动目标的难点在于背景图像的获取以及背景实时更新,本文在研究相关资料的基础上,提出一种新的背景模型建立方法。该算法是基于像素频率的背景建模,即在假设背景像素灰度以最大频率出现在图像序列的前提下,对图像像素进行分类,选取包含像素个数最多的类作为背景类,求该类像素的平均值作为背景值,利用实时和定时更新策略更新背景以适应环境变化。通过调用OpenCV库函数编程实现本文的运动检测算法,并使用大量的视频序列进行目标检测,实验结果表明,该算法能从有运动前景的图像中,快速而鲁棒地获取背景图像,并能适应光照的缓慢变化和突变,从而实现对运动目标的有效检测,适用于实时视频监控系统。研究运动物体检测算法的最终目的是应用于实际监控系统。为了实现本文研究算法的实际应用价值,验证算法的实用性,本文计划把OpenCV实现的算法程序移植到ADSP上进行仿真实验,已对OpenCV算法程序移植到ADSP上需要做的工作进行分析,移植工作的完成需做更进一步的研究。

论文目录

• 摘要
• Abstract
• 目录
• 第一章 绪论
• 1.1 课题研究背景及意义
• 1.2 国内外研究现状
• 1.3 本文的主要研究内容
• 1.4 本文的组织结构
• 第二章 运动目标检测算法
• 2.1 运动目标检测方法
• 2.1.1 背景差分法
• 2.1.2 相邻帧间差分法
• 2.1.3 光流法
• 2.2 常用背景建模方法
• 2.2.1 基于统计模型的方法
• 2.2.2 基于假设的像素灰度重构方法
• 2.3 自适应背景模型的更新
• 2.4 小结
• 第三章 运动目标检测与提取
• 3.1 基于像素频率的背景建模算法
• 3.2 背景模型更新
• 3.3 背景差分与分割
• 3.4 形态学方法去除噪声
• 3.5 小结
• 第四章 OpenCV实现及实验结果分析
• 4.1 OpenCV简介
• 4.2 算法的OpenCV实现
• 4.3 实验结果及分析
• 4.3.1 像素频率建模法提取的结果
• 4.3.2 与中值法的比较
• 4.4 小结
• 第五章 算法的DSP实现
• 5.1 Blackfin系列DSP的性能优势
• 5.2 ADSP-BF548硬件平台分析
• 5.3 VisualDSP++集成开发调试环境介绍
• 5.4 OpenCV算法移植分析
• 5.5 小结
• 第六章 总结和展望
• 6.1 总结
• 6.2 展望
• 附录 攻读硕士学位期间所发表的论文
• 参考文献
• 致谢