基于嵌入式系统的运动目标检测与跟踪算法研究(2)
近年来，人们对于自身财产安全的不断重视，使得对视频中的动目标检测的要求越来越高，同时对硬件平台的要求也越来越高，包括硬件简单、易于操作、功耗低、尺寸小、系统成本低等。基于嵌入式系统的运动目标检测与跟踪很好的满足这些要求。随着嵌入式技术的日趋完善，基于嵌入式系统的动目标检测跟踪系统将会被广泛应用于各个行业[2]。
1.2 国内外研究现状
1.3 本文内容及结构
本课题主要围绕动目标的检测以及检测之后的跟踪进行了研究，主要包括目前运动目标检测与跟踪算法的分析，各种检测与跟踪算法的优劣对比。在本文中详细介绍了运动目标检测算法中的三帧差分法和运动目标跟踪算法中的Cam Shift算法。并且通过VS2010+OpenCV搭建了软件系统平台。最后，将基于OpenCV的动目标检测与跟踪算法移植到嵌入式系统中。基于上述内容，本文的主要结构如下：
第一章，绪论。本章主要介绍了本次项目的研究背景和意义，并对当前国内外的研究现状进行了介绍，并且阐述了本文的主要结构。
第二章，运动目标检测与跟踪的原理。本章主要阐述了当前主流的运动目标检测与运动目标跟踪的基本原理以及本文中要采用算法。
第三章，视频中的动目标检测与跟踪。本章主要对OpenCV技术进行了介绍，阐述了本文中OpenCV配置的方法。本章着重介绍摄像头读取和视频序列中图片处理过程以及之后的运动目标检测与跟踪算法。
第四章，运动目标检测与跟踪算法在嵌入式系统中的移植。本章以基于OpenCV的动目标检测与跟踪算法在嵌入式系统中的移植为主，详细介绍了移植过程。
第五章，结论。本章主要对本次实验进行了总结，并对实验结果进行了分析，总结了实验过程中的优缺点。
2 运动目标的检测与跟踪算法分析
2.1 运动目标检测算法分析
视频序列中的运动目标检测是进行后续一系列高级处理的基础。检测的目的是去除背景图像对于图像处理的干扰，提取出感兴趣的目标，简化后续操作。不同的应用场合，对动目标检测也有不同的要求。在视觉应用研究领域，要求能够对运动的目标进行可靠且有效的检测。
一个好的视频运动目标检测算法应该能够适用于各个场景。人们非常希望出现一种算法，能够在各个检测跟踪场景中可靠地运行。然而在实际应用中，这种算法非常难以实现。因为在实际应用中，算法设计者不光要考虑到适应多种检测环境的要求，而且由于硬件平台的限制，开发人员不得不在算法的复杂程度，可靠性以及实时性方面做出妥协[8]。目前大多数的算法都是根据某一监控环境所开发的，因此，运动目标检测的算法可以分为很多类。一般来说，根据应用场合的不同，运动目标检测算法可以分为室内检测算法与室外检测算法。对于室内检测算法而言，由于其场景变化较小，检测目标主要是人以及物品，因此算法相对简单，易于设计。对于室外的检测算法来说，由于环境变化比较复杂，因此对算法的要求也比室内检测算法的要求高。另外一种分类方法则是根据摄像头是否产生相对位移来定义的。若视频监控中的背景与摄像头没有发生相对位移，那么视频中的背景图像没有发生变化。这种情况下就可以通过相邻帧做差的方法来检测运动目标。如果视频中的背景与摄像头产生了相对位移，那么每一帧图片的背景都发生了变化。在这种情况下，显然不能使用背景差分法来检测运动目标了。综上而言，选择一个适合自己研究目的的检测方法十分重要。
目前常用的运动目标检测方法主要有三种，时域差分法、光流分析法以及背景差法。其中，时域差分法是将前后两帧或三帧图像做差，当差值大于某一设定好的阈值时，则认定图片中出现运动目标。时域差分法的有点是鲁棒性好，且算法简单易于实现。但该算法对于运动缓慢的目标检测效果会不理想，且该算法只能检测出运动目标的轮廓，不能提取出对象的完整区域[9]。