摘 要：背景差分法因其快速，准确，容易实现，被广泛应用在要求比较高的实时目标跟踪领域。但由于场景的复杂性，不可预测性，以及各种环境的干扰和噪声的存在，使得背景的建模和模拟变得比较困难。为了解决这个问题，我们需要在背景的选取和建模上下功夫。本文介绍了传统的目标跟踪方法，选取背景差分法作为重点，详细介绍了背景差分法中背景模型的获取和更新，并使用Surendra背景更新算法和Kalman滤波器法完成了一次项目设计。实验结果表明，该算法可以很好地跟踪目标，且效果很好。56451

毕业论文关键词：背景差分法，建模，Kalman滤波器

Abstract：Background subtraction method, a fast and accurate method that is easy to implement, and is widely used in real-time target tracking which requires a relatively high demand. However, the existence of complexity, unpredictability, and environmental and noise interference make the modeling and simulation of the background more difficult. To solve this problem, we need to work on the selection and modeling of the background. This article describes the traditional target tracking method, select a background as a key different method, describing the background subtraction method to access and update the background model in detail, and that use Surendra background updating algorithm and Kalman filter method to complete a project design.Experimental results show that this algorithm can smoothly track the target and achieve good results.

Keywords：Background subtraction method, modeling, Kalman filter method

目   录

1 引言 4

2 理论背景 4

2.1 目标跟踪的方法综述 4

2.1.1 光流法 4

2.1.2 时域差分法 5

2.1.3 边缘检测法 5

2.1.4 运动矢量检测法 5

2.1.5 背景差分法 5

2.2 背景差分法的背景选取综述 6

2.2.1 手动获得背景法 6

2.2.2 统计获得背景法 6

2.2.3 Surendra背景更新算法 6

2.3 背景差分法的背景更新综述 7

2.3.1 直方图法 7

2.3.2 平均值法 7

2.3.3 单分布高斯背景模型 7

2.3.4 混合分布高斯背景模型 7

2.3.5 Mean shift算法 7

2.3.6 Camshift算法 8

2.3.7 Kalman滤波器法 8

3 背景差分法的算法具体实现 9

3.1 算法流程图 10

3.2 程序准备工作 10

3.3 图像帧的获取 10

3.4 算法原理及实现 11

4 设计决策 14

结  论 17

参考文献 18

致  谢 19附  录 20 

1 引言

目标跟踪和运动分析有着非常广泛的应用，具有重要的研究价值。在视频监控中对目标进行跟踪，在计算机视觉方面一直是一个挑战性的课题。[1] 基于背景差分法的目标跟踪算法研究:http://www.youerw.com/tongxin/lunwen_60971.html