文献综述
摘要： 运动目标检测，是通过分析视频序列图像提取场景中的运动前景，它是机器视觉领域研究的基础，在智能视频监控，运动目标跟踪，步态识别等应用中都需要有效分割出运动目标，因此国内外学者对于该领域的研究比较活跃，本课题的研究从运动目标检测的基本概念出发，探讨了目前面临的主要问题和困难，实现运动目标检测算法的基本分类，旨在熟悉各种运动目标检测算法，讨论它们的主要优缺点，尝试在其基础上进行改进，同时展望了该领域的未来发展趋势。
关键词：运动目标检测 红外探测 运动目标检测算法
前言
红外探测系统利用目标与环境之间由于温度辐射和发射率的差异所产生的热对比度不同，把红外辐射能量密度分布探测并显示出来，成为“热像”，由于人眼对红外光不敏感，所以必须将红外图像变为可见图像。与光学望远镜、雷达等成像观察设备相比，它可以全天候的工作、不受限制；作用距离远，红外辐射比可见光具有更强的透过雾、雨、雪及烟尘的能力；能识别伪装，探测隐蔽的军事目标和强光干扰下的目标；被动式和非接触式工作，具有较好的隐蔽性；比雷达更适宜于高精度观察，不受电磁干扰；生动的图像观察方式。总而言之，利用热像仪摄取目标的热图像来搜索、捕获和跟踪目标，具有隐蔽性好、不易受干扰、识别伪装、获取的信息丰富等优点。因此在军事与民用领域的应用不断深入。
检测并提取红外视频图像中的运动目标，是红外火控、导引、预警等以及民用监控系统中的关键技术，红外传感器收到大气热辐射和作用距离远以及探测器噪声等影响，目标在红外图像上多呈现为低对比度。此外，为了尽可能早地发现目标，使预警系统有足够的反应时间，要求在很远的距离上就能检测到目标。由于运动目标的提取易受背景、光线变化、阴影、运动速度的影响而造成失败，远距离下目标仅占一个或几个像素，可检测信号相对较弱，特别是在背景干扰下，目标甚至会被大量复杂的噪声（杂波）所淹没，图像的信噪比极低，本课题的主要任务是研究相应的算法，完成从输入的红外视频图像中检测出运动目标，并输出目标的数目、大小及目标在视频图像中位置等信息，在精确判断和识别提供依据。
主题
从20世纪70年代末，国外学者就开始研究基于红外图像的运动目标的检测与跟踪问题，近二十几年我国一些大学也开展了这方面的研究。目前国内的传统的运动目标提取技术中，往往对图像直接进行二值化处理，将目标从背景中提取出来，其二值化的算法可以采用固定阈值法和自适应阈值法。随着运动目标图像分割技术的发展，从单个阈值进行图像分割，逐渐转入利用多个阈值或浮动阈值进行图像分割，甚至利用智能知识进行图像分割；从仅仅利用图像的一维直方图，逐渐转入充分利用二维或三维图像信息进行图像分割。而国外对运动目标的检测多是基于底层视频信息的检测，是指从图像序列中将前景变化区域从背景图像中提取出来。许多传统算法将运动目标检测分成运动分割（motion segmentation）和运动聚类（target classification）。不过近些年来提出的新的运动检测算法都不在分成两步，而是直接完成检测工作。运动目标检测算法主要分以下五类:相邻帧差法、光流法、背景减法、基于统计学习的方法以及混合的方法。
相邻帧差法是模式识别传统算法中RL算法中的一种，又称为Q学习。它是通过递归方程式从日常规则中得到训练规则，并利用训练规则来实现目标检测。运动目标检测的过程中，该类方法主要利用时间信息，通过比较图像序列中连续2、3帧所有对应像素点位置，并根据规则计算对应像素点的差值，如果差值大于一定的阈值，就认为该点对应位置有运动目标。
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
