搜索
毕业论文开题报告论文题目基于iOS系统的运动目标检测方法研究院系电子与信息工程专业通信工程学生姓名学号指导教师2016年月日1.本课题研究的背景、目的及意义本课题的研究内容为基于iOS系统的运动目标检测方法研究。运动目标检测是指在序列图像中检测出变化区域并将运动目标从背景图像中提取出来[8]。运动目标检测技术在科学研究和工程应用上有诸多应用。在军事上，可用于机载或弹载前视图像的目标检测、导弹动态测量等；在工业上，可用于工业控制、机器人视觉导航等；在运输上，可用于交通管理、运输工具流量控制等；在商业上，可用于高清晰电视电视会议动态图像传输等[1]。目前常用的运动目标检测方法有：帧差法[4]、背景减法[10]、光流法[7]。其中光流法计算量相当大，对硬件要求高，且抗噪声性能差。帧差分法对光照变化不敏感，自适应能力强，但在检测表面相对均匀的运动目标时会出现“空洞”现象，不能完整的检测出运动目标[5]。背景差分法是目前使用最广泛的运动目标检测算法，包括单高斯背景模型，中值滤波，混合高斯背景模型，内核密度估计等[6]，其中的单高斯模型的背景差分法计算量小、容易实现、能提取出完整的运动目标，满足iOS平台上对算法的低复杂度的要求[3]。研究人员利用单高斯模型对行人进行检测取得较为理想的效果，但在背景扰动(如光照、晃动等)的情况下表现不理想[11]。单高斯模型法运动检测的优势在于能够提取出完整的运动目标[2]。针对使用单高斯模型背景差分法检测运动目标易受背景扰动影响的问题[9]，结合帧间差分法和单高斯模型法的各自优势，采用两种方法的融合算法并在iOS系统中实现有利于更为准确的检测到运动目标，取得理想的结果，具有重大的现实和实践意义[8]。本文重点研究一种融合单高斯背景模型和帧间差分法的运动目标检测算法[9]，并设计实现了iOS平台上的运动目标检测。2.本课题主要研究内容和预期目标一、研究内容（1）研究图像处理预处理：先将彩色图片转换为灰度图，再将图像滤波，消除和抑制图像的噪声，最后进行图像形态学处理，对图像进行二值化、闭运算、开运算等一系列处理。（2）研究图像分割:设定阈值与之比较，并进行分割。读取当前图像帧。（3）研究运动目标识别:结合帧差法和单高斯背景模型差分法完成模型匹配，实现运动目标的识别。二、预期目标基于iOS系统，实现运动目标检测，主要包括：1、掌握运动目标检测基本方法。2、熟练掌握Object-c编程语言。3、运用Objec-c语言完成运动目标检测方法的编程。4、提交毕业论文一篇。3、本课题拟采用的研究方法、步骤本课题主要是完成基于iOS系统的运动目标检测方法研究。一、iOS系统的简介iOS是由苹果公司为iPhone开发的操作系统。它主要是给iPhone、iPodtouch以及iPad使用。iOS系统与硬件的整合度高，使其分化大大的降低，从外观到易用性，iOS拥有最直观的用户体验。iOS有着强大的防护能力，用户的信息不会被泄露[1]。二、运动目标检测的主要研究方法2.1帧差法[3]帧差分法是在连续图像序列中对相邻的两帧或三帧之间基于像素做差分，并对差分结果阈值化来提取运动区域。这种方法能较快的检测出视频图像中发生变化的部分，是最简单最直接的方法，但对噪声、背景变化、摄像机抖动等较敏感，一般在运动实体内部容易产生空洞现象，不能完全准确提取目标像素。该方法大多用于背景比较简单，环境干扰比较小的情况。2.2单高斯模型法[6]单高斯模型法是一种经典的基于概率分布的背景建模算法。该算法假设序列图像中的各个像素点是相互独立的，并且服从一维正态分布，如下P（xij）=1√2πσij2exp[−（xij−μij）22σij2]（1）式中，xij表示在像素点(i，j)处的灰度值，μij表示在像素点(i，j)处的灰度均值，σij2表示在像素点(i，j)处的灰度值方差，P（xij)表示在像素点(i，j)处出现xij的概率。根据(1)式，如果某个像素点的灰度值概率小于阈值，该点被判定为前景点，否则为背景点，即ifP（xij）≤Threshold（i，j）∈backgroundelse（i，j）∈foreground初始化单高斯模型的过程就是对每个像素点对应的μij和σij2赋初值的过程。公式(2)中T是时间序列。μij0=1T∑xijkT−1k=0（σij0）2=1T∑[xijk−μij0]2T−1k=0（2）2.3帧差法和单高斯背景模型法的融合算法实现[4]帧差法和单高斯模型法的融合算法在算法优势互补的基础上，提高了检测的运动目标的完整性，降低了背景扰动的影响。结合帧间差分法和单高斯模型法各自的优势，本文算法先采用帧间差分法[5]提取出运动目标的轮廓，所有轮廓外的像素点都被视为背景，只对轮廓所包围的像素点进行单高斯模型匹配得到精确、完整的运动目标，同时减少了计算量。具体的算法流程如图1所示。图1融合单高斯模型和帧间差分的算法流程三、运动目标检测的主要步骤将拍摄到的运动目标的动态图像进行预处理，由检索模块进行拍照搜索与检验，定位并分割出包含运动的矩形区域，然后进行二值化并分割出图像帧，经归一化后进入运动目标检测系统进行识别[8]，如图2所示。开始初始化单高斯背景模型读取第k帧图像帧差法确定运动区域外轮廓轮廓内单高斯模型匹配|xyk−μyk|≤2.5σyk背景点前景点k=k+1背景更新最后一帧结束短时延迟YNNY图2运动目标检测的主要步骤3.1提取运动目标区域本文算法使用帧间差分法提取运动目标区域轮廓。帧间差分法是在视频图像序列中对相邻的两个或多个图像帧进行对应像素点灰度值差分。并且阈值化来提取出序列图像中的运动区域[10]。图3是帧间差分法提取运动区域轮廓的工作流程。图3帧间差分法流程设置读取当前图像帧运动目标检测检测到目标开始报警退出程序结束YNN第k-1帧图像读取第k帧图像查分图像Dk二值化图像Rk形态学处理获取运动区域轮廓当第k帧图像到来时，根据公式(3)计算得到第k帧图像Ik（x，y）与第k-1帧图像Ik−1（x，y）在像素点（x，y）的灰度差，从而得到差分图像Dk(x，y)。然后根据式(4)对差分图像进行二值化处理，得到二值化图像Rk(x，y)。再对Rk(x，y)进行分析判别出运动目标区域。Dk(x，y)=|Ik(x，y)−Ik−1（x，y）|（3）Rk(x，y)={1Dk（x，y）Threshold0else（4）二值化图像Rk(x，y)通过一个二维矩阵表示。矩阵中的非零区域就是帧差法检测出的包含运动目标的区域。3.2背景更新背景图像会随着时间的变化而发生改变．如光线的变化[11]。因此要对背景模型进行实时的更新。更新策略为：当像素点被判定为前景时。该点处背景保持不变，当像素点被判定为背景时。该点按照公式（5）对背景图像进行更新。μijk=（1-α）μijk+αxijk−1（σijk）2=（1-α）（σijk−1）2+α（μijk−xijk）2（5）式中，α表示背景更新系数，α越大背景更新速度越快，反之，更新越慢。它是一个经验值，其中α数值为0.002。4、本课题参考文献[1]李钰，苏育挺．基于Android平台的行人检测系统[J]．电子测量技术，2013，35(12)[2]师丽娜,涂峰,,朱红.复杂背景下的运动目标检测方法[J].电子工程师.2006,32(1):45-47[3]姚志均,许毅平,魏蛟龙等.视频监控系统中运动目标的检测和阴影抑制[J].计算机工程与应用.2007,43(21):232-234[4]秦涛,周泽魁.一种检测序列图像中运动目标的新方法[J].计算机应用与软件.2004,21(9):105-107[5]李波,姚春莲,李炜等.利用相邻帧和背景信息的运动对象检测[J].电子学报.2008(11):33-37[6]杨威,张田文.复杂景物环境下运动目标检测的新方法[J].计算机研究与发展,1998,35(8):724-728[7]AntoineManzanera,JulienC.Richefeu.AnewmotiondetectionalgorithmbasedonR-Dbackgroundestimation[J].ElsevierB.V..2007,28：320-328[8]M.Kirchhof,U.Stilla.Detectionofmovingobjectsinairbornethermalvideos[J].ElsevierB.V..2006,61：187-196[9]GuptS,MasoundO,MartinRFK.Detectionandclassificationforvehicles[J].IEEETransactionsonIntelligentTransportationSystems,2002,3(1):37-47[10]GuimingHE,LingjuanLI,ZhentangJIA.ARapidVideoSegmentationAlgorithmBasedonSymmetricalDFD[J].2003,24(6):966-968[11]STAUFFERC,GRIMSONWEL.AdaptiveBackgroundmixturemodelsforreal-timetracking[C].Proc.Conf.ComputerVisionandPatternRecognition,1999,2:246-252.5.本课题的具体进度安排（1）2016-2-21~2016-2-29：收集和设计相关的资料，查阅相关文献。（2）2016-3-1~2016-3-15：熟悉Object-C语言的基本运用。（3）2016-3-15~2016-5-9：研究实现基于iOS系统的运动目标检测方法研究。（4）2016-5-10~结束：完成本科毕业论文，准备答辩。指导教师意见：指导教师：_______年月日