基于opencV的动态背景下运动目标检测及跟踪(修改版).pdf

基于opencV的动态背景下运动目标检测及跟踪(修改版)--第1页

基于openCV的动态背景下的运动目标检测

摘要：介绍在动态背景下对视频图像序列进行运动目标的检测，主要包括三个步骤，分别是

运动估计，运动补偿和目标检测。在运动估计中采用的主要是基于特征点匹配算法。这种算

法与传统的块匹配算法最大的好处在于它的数据量少，计算简单迅速而且图像的匹配可靠性

更高。最后用计算机视觉类库openCV进行实现。

关键词：运动目标检测；openCV；特征点匹配

MovingObjectDetectioninthe

DynamicBackgroundBasedonopenCV

Abstract：Introducingamovingobjectdetectionalgorithmofthedynamicbackgroundinthe

videoimagesequence，whichincludesthreesteps.Theyaremotionestimation,motion

compensationandobjectdetection.Atthemotionestimation,wetakeanalgorithmbasedon

thefeaturepointsmatching.Theadvantagesofthisalgorithmisthatitneedsfewerdataand

indicatesfastercalculatingspeedcomparedtotheblockmatchingalgorithm.What’smore,the

matchingofthevideoimagesequenceismorereliable.ThenusedopenCVrealizedthe

algorithm.

Keywords:movingobjectdetection;openCV;featurepointsmatching

引言

在生活中摄像头可以说随处可见，我们经常需要对视频中的运动目标进行相关操作，这

就设涉及到了对运动目标的检测及跟踪。作为视觉领域的一部分，它不仅对我们的生活，在

军事，医学等各种领域里都有着广泛的影响。

所谓运动目标的检测就是在一段序列图像中检测出变化区域，并将运动目标从背景图像

[2]

中提取出来，它是基础，能否正确的检测与分割出运动目标对后续的工作有着巨大的影响。

常见的运动目标检测方法有：背景差分法，帧差法，累积差分法，光流法。本文主要介绍的

是一种在动态背景下对运动目标进行检测的算法。

检测算法介绍

检测算法有很多种，不同的算法有他们各自的利与弊。背景差分法：是事先将背景图像

存储下来，再与观测图像进行差分运算，实现对运动区域的检测。这种方法能得到较为完整

的运动目标信息，但背景图像必须随着外部条件比如光照等的变化而不断更新，所以背景模

型的获取和更新比较麻烦。帧差法：直接比较相邻两帧图像对应像点的灰度值的不同，然后

[2]

通过阈值来提取序列图像中的运动区域。这种方法更新速度快，算法简单易实现，适应性

强，不需要获取背景图像。但是背景与运动目标间需要有一定程度的灰度差，否则可能在目

标内部产生空洞，不能完整的提取出运动目标。为了改进相邻两帧间的差分效果，人们提出

了累积差分法。累积差分法是利用三帧图像计算两个差分图像，再令其对应像素相乘的算法。

它通过分析整个图像序列的变化来检测小位移或缓慢运动的物体。光流法是在时间上连续的

两幅图想中，用向量来表示移动前后的对应点