基于openCV运动物体检测的方法研究(2)
4.4本章总结 30
5.总结与展望 31
5.1本文总结 31
5.2展望 31
致谢 33
参考文献 34
1.绪论
1.1研究背景与意义
随着科技不断的发展和创新，机器人代替人类被应用于越来越多的场所，新型智能化的机器人成为机器人时代的趋势，它代替了人类在危险、恶劣、有毒有害环境下的工作，不但节省了劳动力还保证了人们的安全。不仅如此，智能化的机器人还能提高劳动效率和产品质量。正是因为这样，它们被应用于很多方面，例如开采海洋中的石油和太空服务等[1]。而让机器人变得智能化，感知系统是必须的，如人类主要靠眼睛来获取信息一般，图像被认为是机器人最重要的感知能力和实现其它功能的前提。因此图像处理也成为机器人学的一个重要研究分支。而此处的图像处理正是研究了对运动物体的检测与跟踪，它不但可以运用于机器人视觉系统也可以实现智能监控。由此它受到了学术界的高度重视也是无可厚非的。
1.2研究现状分析
1.3研究目的及论文组织
当今的三种主流算法都有着不同的优缺点，而研究的目的则是在经过三种算法的详细比较后选择一个较为合适的算法进行改善，从而更好的对运动物体进行检测，达到理想的效果
文章的结构组织如下：
第一章绪论主要阐述了课题的引发和其研究背景及其目的
第二章介绍了图像的处理基础例如颜色空间，图像的灰度化以及视频图像的序列，这都是后续工作的基础，通过视频图像序列获取图像，对图像进行灰度化从而进行下一步工作。
第三章视频图像的预处理介绍了图像预处理的几个方法，例如平滑，去噪，二值法处理，灰度化处理等，以及对其中这几个方法进行比较。挑选合适的方法为为图像进行预处理。
第四章介绍了对图像序列中的运动目标进行检测与提取的方法，并通过实验对这几种方法进行实际比较以满足可以实时的自适应性建立背景模型来检测运动中的物体。
2.视频图像的处理基础
2.1色彩基础
色彩是由于光作用于物体产生的，如果没有光我们便无法看到任何物体。1966年英国科学家牛顿在剑桥大学用三棱镜将太阳光分解成红到资的7色光谱，并且做了色光混合实验。由于人类视觉上的关系，将这些颜色看成了由三种原色彩混合而成的其它色彩，这种色彩也就是人们常说的三原色。也就是红(RED)、绿（GREEN）和蓝（BLUE）。
影响色彩的要素也有许多种。首先是光源色。光源所发出的光不同必然会形成不同的光源色，例如白炽灯和荧光灯锁形成的光源色便是不同的。还有光波的长短，例如国际照明委员会（CIE）规定的标准，红光的波长为700nm,绿光的波长为546.1nm,蓝光的波长为435.8nm。这三种三原色的波长不同，所以产生的光源色也就有了区别。接着是固有色，严格上来讲，物体固有的属性在常态光照下呈现的颜色我们称之为固有色。最后是空间色，这是由物体距离的远或近而产生的色透现象。
而通过三原色不同的组合，可以调出三种补色，它们分别是品红（MAGENTA，红和蓝混合）、青（CYAN，蓝和绿混合）、黄（YELLOW，红和绿混合）[8]。此类混合色也将引出之后的灰化度。
在计算机系统中，常常通过数字将图像计算机可以识别的程式，这种方法我们称之为图像数字化。在这种图像数字化中，如何来描述颜色是它的第一步。根据CIE做出的定义，当计算机显示参数时，所有的颜色均可以用亮度和色度来表示[9]。亮度是可见光能量的敏感程度。色度分为色调和饱和度，色度的波长集中在可见光光谱能量最为集中的一点，它和波长有着关系。饱和度则表示了可见光的相对带宽。