论文部分内容阅读
运动目标检测与跟踪的主要工作可以分为运动目标检测、目标阴影抑制和运动目标跟踪三方面，这三个方面是一个承接的关系，同时也相互影响。
本文主要针对具有复杂背景的图像进行分割，对具有背景的运动目标进行检测。研究内容主要包括三个方面：复杂背景下的运动图像分割、静态背景下的运动目标检测、动态背景下的运动目标检测。
本文的创新点和主要工作如下：
1、在图像分割方面，本文对传统的主要图像分割方法：基于主动轮廓线的分割方法、基于边缘的图像分割方法、基于区域的图像分割方法等进行了介绍，并采用了BP神经网络和四种改进的BP神经网络进行了复杂背景下的图像分割实验。
2、在具有静止背景的运动目标分割方面，本文主要介绍了帧差法和背景差分法的基本原理，并说明了以上两种方法的优缺点，介绍了BP神经网络的模型以及缺点，提出了基于背景差分法和BP神经网络的静止背景下的运动目标分割方法，针对传统的BP神经网络的缺点采用了添加动量项、L_M优化BP神经网络、共轭梯度法BP网络、贝叶斯正则化BP神经网络等四种改进神经网络结合背景差分法进行了静止背景下的运动目标的检测。
3、在具有动态背景的运动目标分割方面，本文采用了在静止图像分割中所训练好的BP图像分割方法和四种改进的BP神经网络，对具有静止背景的运动目标检测图像中相同的运动物体，但不同背景的运动物体进行了运动目标检测。经实验验证，此方法对不同背景下的相同物体具有较好的检测能力。