OpenCV移动目标物体的检测跟踪的研究(2)
2.1 视频中运动物体的检测原理 7
2.2 基于OpenCV、Kinect的运动物体的视频检测 8
2.2.1 目标运动物体的检测方法 9
2.2.2 背景差分法 10
2.3 采集实时视频码流 11
2.4 图像预处理 11
2.4.1 视频图像的平滑滤波处理 11
2.4.2 图像的腐蚀、填充 12
2.4.3 初始化和实时更新背景图像 12
2.5 提取前景运动物体 12
2.5.1 边缘检测 13
2.5.2 阈值二值化的分割 13
2.6 本文设计的检测、分析算法 14
2.6.1 Gauss滤波平滑算法 14
2.6.2 阈值二值化图像处理（OTSU） 14
2.6.3 背景差分法图像的二值化算法 14
2.6.4 图像填充算法 15
2.6.5 OpenCV的跟踪框架搭建 16
2.7 计算机视觉三文技术 17
2.8 本章小结 17
第3章 软件平台的搭建 19
3.1 OpenGL 19
3.2 OpenCV 19
3.3 OpenNI 20
第4章 实验结果 21
4.1 图像预处理实验结果 21
4.1.1 平滑处理 21
4.1.2 阈值二值化图像处理（OTSU）实验结果图 21
4.1.3 视频中检测、跟踪前景运动物体的实验参数的选取和效果图 22
4.2 OpenCV的跟踪框架搭建——结合OpenCV 模块设计实验结果 24
4.3 三文立体点云算法实验 25
4.4 本章小结 26
第5章 结论与展望 27
致 谢 29
参考文献 30,4046
第1章 绪论
OpenCV毫无疑问对图像处理和计算机视觉技术的进步起到了重要的作用在产生和发展上。工业生产，航天航空技术，军事，人工智能技术等各邻域在不久的将来都将产生极大的推动力。计算机视觉技术也在不断的发展，随着人们对于图像分析，视觉技术的不断的高要求、并且适用于各种场合。
计算机视觉技术拥有光明的未来，因为社会计算机自身的视觉技术日益成熟，处理计算机视觉技术的软件程序不断研发，我们能够预期到其将开拓出非常非常大的应用市场在现代以及未来的各个尖端技术邻域中。
1.1 计算机视觉技术发展的历程
为了分析和识别2D平面图像,在二十世纪50年代，统计模式识别是计算机识别技术的起源。当时这门技术所应用的邻域并不广泛：光学字符的识别、工件的表面、显微图像的研究、航空图像的研究等等。Roberts在60年代用计算机技术从获取到的模拟图像转换成数字图像后，分析了从数据中创新性的提取出了多面体的三文结构图形的特点。随之，由 、 等人在70年代提出了一些视觉应用的系统。之后， 教授在美国麻省理工学院（ ）人工智能（ ）实验室首次正式开设了“机器视觉”（ ）课程。计算机视觉技术接下来几十年的发展历程中从实验室的理论研究的层面延伸发展到了实际应用的生产、军事、生活、工业中。随着，计算机软硬件更为的智能化、人工智能、神经网络学科等学科的飞速发展，让计算机视觉技术系统有更广阔的前景和更深入的研究、分析以及生产实践。