该资料使用时间差分、背景差、自适应背景更新等方法进行运动目标跟踪。

该算法主要针对图像和背景进行差分计算，可以将目标进行快速的提取出来

OPENCV目标跟踪_opencv_目标检测_混合高斯背景模型-背景差法Opencv_混合高斯模型_背景差法_VC++

混合高斯背景模型-背景差法(VS2008)Opencv. 混合高斯背景模型-背景差法(VS2008)Opencv. 混合高斯背景模型-背景差法(VS2008)Opencv.

混合高斯背景模型-背景差法(VS2008)Opencv

为了准确地划分运动目标和背景区域,提出一种自适应阈值的运动目标提取算法,对现有基于背景差的提取算法进行改进。本算法将运动目标和背景作为两个聚类,对图像中的点按像素灰度进行分类,以聚类间的方根—算术均值距离最大作为分割阈值选择的准则,使得运动目标提取算法中二值化阈值能够自动更新,从而实现对运动目标的准确完整提取。实验结果表明,该算法能够较准确快速地提取运动目标,并对环境亮度突变、背景存在微小运动等情况具有较好的鲁棒性。

基于混合高斯模型的运动目标检测 开题报告+毕业论文 采用背景差法和c++编程实现

首先提出了一种能够充分利用视觉传感器提供的色彩信息的彩色背景差方法。该方法克服传统的灰度背景差方法在光照影响、阈值设定方面的不足，通过定量描述两种颜色之间的差别，并根据这种差别的大小将视野中的目标从背景中分离出来。同时，分析了这种彩色背景差在实现效率上面临的问题，并提出了相应的简化算法。利用一种用基于学习的方法计算图像中特定色彩的参数彩色图像中不同颜色在色调、饱和度、亮度方面的统计学规律，从而根据这些规律对前景进行颜色识别，将彩色图像转换为颜色标号矩阵。该算法对光照影响具有较低的敏感度。 接着提出了一种能够对颜色标号矩阵中凸区域边界进行识别的快速边缘检测算法,。该算法从区域中一点出发，能够寻找并标记组成该区域的每行上区域的边界点，并通过对色块的边缘提取达到识别相应颜色标志的目的。针对该算法只能处理凸区域的不足，本文还提出了一种基于八邻域模板的边缘检测算法，通过对一个像素的八个邻域状态进行分析，确定不同状态组合下的边缘走向，从而逐个寻找区域的边缘点，算法的时间复杂度远低于传统的边缘检测算法。 最后，提出了一种根据多个颜色标志计算机器人位姿的方法。该方法可以保证在至少有两个标定点可见的情况下，正确计算轮椅的位置和朝向。 以上提出的所有算法针对嵌入式系统进行了优化并在iMote2嵌入式节点上实现，并在实验中验证了其正确性，获得了较好的效果。

资源中包含了两个m文件。 yidongpingjunfa.m采用了背景差法检测运动目标，移动平均法提取图像背景。 minboundrect.m用于绘制运动目标的最小外接矩形框，可任意设置最小外接矩形框的角度。 本人做的是视频中运动车辆的检测，读者可自行更换检测算法以及参数调整以匹配不同的运动场景。

本程序通过对采集到的视频序列进行分析，采用背景差法和自适应背景更新的方法对，进入视频序列或摄像头中的人体进行自动检测