OpenCV移动目标物体的检测跟踪的研究(15)
主要工作：
对于图像进行预处理：由于现实中实时采集到的图像中有干扰，噪点比较多的情况。我们首先需要进行滤波的处理。利用OTSU算法的自适应阈值算法，提高检测和跟踪的精确度。
检测目标：对于识别检测出移动目标物体，我们利用了边缘检测、实时更新背景算法，，这样就能够稳定的提取前景物和背景物。
跟踪定位：对于分割出的前背景物，采用Kalman滤波和运动检测模板跟踪运动的目标物体；再结合OpenCV所提供的运动目标物体检测、跟踪的框架，使其效果更为满意，并且可以稳定的标识目标物体和分析运动物体。
重构3D立体图像：把采集到的2D图像数据，转换为3D数据，表现出深度景深图像；再结合点云算法重构出3D立体环境图。
检测、跟踪立体图像：结合OpenNI、OpenGL，由Kinect采集模拟数据，通过复杂的算法集合大量的数据，就能够检测出运动物体的边缘，这样就能3D场景上捕捉到运动物体的运动情况。
本论文的工作的作用与意义：
本论文的实验开发平台是OpenCV（开源图像处理、计算机视觉函数库），并且结合了OpenNI、 OpenGL处理了3D的图像视频分析。由于OpenCV的通用性、可靠性高，使得运动目标物体的检测和跟踪算法可以移植到其他平台。这样一来，就实现了许多通用算法在图像处理以及计算机视觉都可以通用，这样就更有实际性。对于本论文研究的算法来说。详细叙述了图像处理、分析以及平面图像立体图像的转换；运动目标检测和跟踪所涉及的相关内容，还给出了多个算法和系统平台便于在实际生活中的应用。本论文中对于整个流程的各个环节的验证应用进行了详细的介绍和实验。以上种种都证明了经过一定的优化之后这些程序可以有更好的效果。这对于计算机视觉技术更进一步、更深入的研究具有重要的价值意义以及更好的实用价值。