基于tms320dm6437 dsp的運(yùn)動(dòng)目標(biāo)檢測(cè)系統(tǒng)【文獻(xiàn)綜述】

1、畢業(yè)設(shè)計(jì)文獻(xiàn)綜述畢業(yè)設(shè)計(jì)文獻(xiàn)綜述通信工程通信工程基于基于TMS320DM6437TMS320DM6437DSPDSP的運(yùn)動(dòng)目標(biāo)檢測(cè)系統(tǒng)的運(yùn)動(dòng)目標(biāo)檢測(cè)系統(tǒng)摘要：摘要：運(yùn)動(dòng)目標(biāo)物體檢測(cè)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(lái)。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(cè)對(duì)后續(xù)一系列處理工作意義重大。本文介紹了當(dāng)前國(guó)內(nèi)外運(yùn)動(dòng)目標(biāo)檢測(cè)技術(shù)的研究現(xiàn)狀及發(fā)展趨勢(shì)，介紹如光流法、幀差法及背景減法等三種目前運(yùn)動(dòng)目標(biāo)檢

2、測(cè)的主要方法。關(guān)鍵詞：運(yùn)動(dòng)目標(biāo)檢測(cè)；幀差法；背景差法一、背景1.1運(yùn)動(dòng)目標(biāo)檢測(cè)技術(shù)視頻圖像的運(yùn)動(dòng)目標(biāo)檢測(cè)是計(jì)算機(jī)視覺(jué)領(lǐng)域的一個(gè)重要研究課題[1]。運(yùn)動(dòng)目標(biāo)檢測(cè)就是從整幅場(chǎng)景圖像中把感興趣的運(yùn)動(dòng)目標(biāo)檢測(cè)出來(lái)[2]，它是后續(xù)目標(biāo)分類、跟蹤、行為分析等高級(jí)處理的基礎(chǔ)，也是視頻監(jiān)控系統(tǒng)自動(dòng)化、智能化和實(shí)時(shí)化的關(guān)鍵。運(yùn)動(dòng)目標(biāo)檢測(cè)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(dòng)導(dǎo)航[1]等。1.2運(yùn)動(dòng)目標(biāo)檢測(cè)技術(shù)研究現(xiàn)狀進(jìn)入2000年以來(lái)，從圖

3、像分割的角度出發(fā)產(chǎn)生了許多運(yùn)動(dòng)目標(biāo)檢測(cè)的算法，包括閾值分割、統(tǒng)計(jì)檢驗(yàn)和檢測(cè)濾波器三大類[3]，這些檢測(cè)方式的缺陷在于：分割效果對(duì)圖像噪聲敏感；運(yùn)算復(fù)雜，處理速度慢等。目前，國(guó)內(nèi)主要通過(guò)兩種途徑區(qū)檢測(cè)視頻信號(hào)中的運(yùn)動(dòng)目標(biāo)：對(duì)序列圖像前后連續(xù)兩幀的研究以及利用無(wú)運(yùn)動(dòng)目標(biāo)的環(huán)境的先驗(yàn)知識(shí)。1.3運(yùn)動(dòng)目標(biāo)檢測(cè)技術(shù)發(fā)展趨勢(shì)新一代基于內(nèi)容的多媒體數(shù)據(jù)壓縮編碼國(guó)際標(biāo)準(zhǔn)MPEG4第一次提出了基于對(duì)象的視頻編碼新概念，MPEG4實(shí)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(yùn)動(dòng)目標(biāo)的檢測(cè)。然后對(duì)不同對(duì)象采用相應(yīng)的編碼方法，以實(shí)現(xiàn)高效壓縮，可以說(shuō)，視頻運(yùn)動(dòng)目標(biāo)檢測(cè)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(diǎn)和難點(diǎn)。二、運(yùn)動(dòng)目標(biāo)檢測(cè)的方法目前，常用的運(yùn)動(dòng)目標(biāo)檢測(cè)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(yùn)動(dòng)能量法等[4]。由于許多運(yùn)動(dòng)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(chǔ)或者實(shí)時(shí)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(yùn)動(dòng)目標(biāo)上的像素，反之則判定仍為背景畫(huà)面像素沒(méi)有運(yùn)動(dòng)目標(biāo)存在。閾值操作后的結(jié)果直接給出了對(duì)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(gè)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(jì)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(xiàn)[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(gè)像素點(diǎn)的顏色分布建立了用單個(gè)高斯分布表示的模型其中下標(biāo))(?ttx??t表示時(shí)間。設(shè)圖像點(diǎn)的當(dāng)前顏色度量為Xt即若≤Tp(這里Tp為概率閾值)，則該點(diǎn)被)(?ttx??判定為前景點(diǎn)，否則為背景點(diǎn)(這時(shí)又稱與相匹配)。在實(shí)際應(yīng)用中，可以用等價(jià)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(jì)算以及更新，此種方法對(duì)程序復(fù)雜度和運(yùn)算時(shí)間都有較高的要求。文獻(xiàn)[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(gè)像素點(diǎn)的灰度值的分布都是有多個(gè)高斯分布混合表示的。該方法的特點(diǎn)是每個(gè)高斯分布不僅僅帶有權(quán)值而且還具有優(yōu)先級(jí)，像素點(diǎn)與某個(gè)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(duì)每個(gè)高斯分布重新計(jì)算優(yōu)先級(jí)和排序。三

8、、結(jié)論運(yùn)動(dòng)目標(biāo)檢測(cè)是各種視頻高級(jí)處理如：目標(biāo)跟蹤、行為分析等的基石，將運(yùn)動(dòng)目標(biāo)從視頻背景中及時(shí)、準(zhǔn)確地檢測(cè)出來(lái)使后續(xù)高級(jí)處理工作成為可能。運(yùn)動(dòng)目標(biāo)檢測(cè)技術(shù)的發(fā)展對(duì)圖像處理、模式識(shí)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(lái)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(dòng)化、智能化合實(shí)時(shí)應(yīng)用的關(guān)鍵，對(duì)其進(jìn)行深入地研究無(wú)疑具有深遠(yuǎn)的現(xiàn)實(shí)意義和應(yīng)用價(jià)值。參考文獻(xiàn)：[1]李利樂(lè)馬志強(qiáng)張曉燕.運(yùn)動(dòng)目標(biāo)檢測(cè)技術(shù)現(xiàn)狀及進(jìn)展