Finally in this paper, through the mathematical morphology processing algorithm for identification of moving targets, through expanding operations to fill empty, by corrosion operations to obtain more accurate motion target edge, through the open operation make the edges more tactful, through operation to eliminate inner cavity closed, choose the appropriate mathematical morphology processing can make the results more ideal。

Keywords: Probabilistic Model; Moving Target Detection; Image Denoising; 

目 录

第一章  绪 论 1

1。1 课题研究的背景和意义 1

1。2 国内外研究现状与发展 2

1。2。1国内外研究现状 2

1。2。2 主要面临的问题 3

1。3本文主要研究内容： 3

第二章 视频图像预处理 5

2。1图像的灰度化 5

2。2图像去噪 7

2。2。1 椒盐噪声 8

2。2。2均值滤波 10

2。2。3中值滤波 10

第三章：运动目标检测的经典算法 15

3。1光流法 15

3。2帧间差分法 16

3。2。1基本原理 16

3。2。3算法实现 17

3。3连续三帧差分法 19

3。3。1基本原理 19

3。3。2算法实现 20

总 结 24

致 谢 25

参考文献 26

第一章  绪 论

1。1 课题研究的背景和意义

随着计算机硬件的飞速发展，越来越多的摄像头遍布在各个公共的场所。这些摄像头产生大量的原始视觉信息，不但需要许多人力资源进行监视处理，而且，人工处理这些信息枯燥乏味，监视人员往往无法长时间专心于分析信息，容易遗漏的重要信息。因此，与这些硬件设备相配合的自动视频监控的软件需求显得越来越突出，视频监控已经成为目前计算机视觉研究领域的一个热门话题。

自动视频监控的内容包括运动目标检测，目标分类，目标跟踪和行为理解这四个部分。其中，运动目标检测是指从序列图像中将运动变化的区域从背景图像中分割并提取出来，以备后续步骤的使用；标检测的目的就是准确地从通过运动检测得到的运动区域中提取出与目标相对应的这些点;与目标检测相比，目标跟踪属于更为高级的计算机视觉问题，需要更为精确的获取目标，它为下一步的行为理解提供充分的数据;而行为理解是通过分析目标的运动模型，来生成对目标的个体行为和交互行为的高级描述，并用自然语言将这种描述表达出来。通过这四个步骤，不需要人工的干预，计算机就能自动监控摄像头所在的场景，使这些摄像头真正起到无人监控的作用。