视频运动目标检测是数字视频处理、分析应用的一个重要领域,在民用和军事上有着广泛的应用。随着微电子技术的迅猛发展,数字信号处理器件的工作速度越来越快,同时视频目标实时处理技术的研究也得到相应突破,使得视频目标实时处理成为可能,并成为当前研究的热点。 本文的主要工作在于系统地研究了视频图像中运动目标检测方法及其实时实现技术。提出了视频运动目标检测系统的理论模型,为视频运动目标的描述与处理建立了相应的理论基础和数学描述。 系统在伺服机构的控制下对运动目标进行跟踪检测时,往往伴随着摄像机的跟踪运动,这将导致视频背景的相应运动,这种运动表现为全局运动。为了将目标运动与背景运动区分开来,就需要对背景的全局运动进行补偿。本文提出一种可在FPGA上实时实现的基于匹配加权函数和多分辨率分析的视频背景运动补偿技术。该技术采用基于平行投影的六参数仿射模型,用块匹配准则估计稀疏样本点集的全局运动,提出一种加权匹配函数的算法消除目标点对背景全局运动参数估计的干扰。为了满足系统处理的精确性和实时性要求,在算法实现上,采用多分辨率的分级搜索策略,在系统实现上,研究了一种并行流水线的处理结构。 本文提出一种基于马尔可夫(Markov)随机场模型的视频运动目标多级检测技术。利用背景全局运动与目标局部运动的差异、运动目标具有空间凝聚性和视频图像序列时域的短时平稳性等特征对目标进行多级检测。首先对序列图像中当前帧进行全局运动估计和背景运动补偿校正,并将校正后的当前帧与前一帧进行差分检测。然后利用Neyman-Pearson准则在差分图像上进行初始分割提取出运动存在区域。根据提取的运动存在区域研究了一种在差分域中基于马尔可夫(Markov)随机场模型的区域生长算法,获得了视频对象的二值化分割模板,该区域生长算法克服了通常的时域生长算法只利用图像灰度信息的缺点,有效的利用了图像分布的统计特性。实验结果表明,该检测技术取得了较好的检测效果。 阈值化检测方法由于计算简单运算效率高是实时目标检测常用的方法。研究结果表明,以类间方差最大为聚类准则的阈值检测方法在像素分类错误率、被分区域均匀性等方面性能较好。当待分割对象面积超过整个图像面积的30%时,分割性能接近最优值。本文研究了一种基于遗传算法