本文研究目的是如何在视频中准确检测出运动目标，将运动目标从背景中分割开 来并进行标记。本文使用的方法是阈值分割法。首先，分别采用双峰法、迭代法和最 大类间方差法三种自动计算阈值的方法将运动视频中的一张灰度图阈值化，比较三种 方法之间的差异和适用情况，选择效果最优的方法；然后，分别使用帧间差分法和背 景差分法检测运动目标，通过分析两种目标检测方法的原理和结果，选择一个最优的 检测方法；在检测过程中发现有噪声，分别使用高斯滤波和中值滤波对有明显噪声的 灰度图进行降噪处理，选择最优的滤波方法。通过一系列的比较和选择，最终选择背 景差分法作为目标检测的方法，背景建模采用均值法取得静态背景进行差分，使用中 值滤波对灰度图降噪，将检测的结果使用最大类间方差法选取阈值将差分图像阈值化， 使其与背景初步分割。分析目标提取不完整和存在噪声的原因，通过形态学处理填补 孔洞和去除突刺、散点，提取完整目标。最后，采用四连通寻找区域法将寻找出的连 通区域用红色矩形框标注出来，检验是否有多个连通区域，即在目标提取的过程中是 否将噪点过滤干净。

本文工作安排

本文对视频运动目标分割方法进行了研究。

第一章，绪论。阐述了选择研究视频运动分割方法的内容、目的和意义， 简要介绍了该方法在国内外的应用状况。

第二章，综述视频运动目标检测和分割的常用办法。

第三章，对于运动目标检测及分割。对于给定的需要检测目标的视频，选取处理结果更优的方法对运动目标进行检测和分割。选取背景差分法检测出运动目标，根据检测结果使用阈值法分割目标，用形态学处理对目标进行优化。第四章，结论与展望。总结本文的工作情况，提出本文的不足之处和改进

的方向。

本文研究视频运动目标的分割。首先介绍了选题背景目的以及意义，随后简要的介绍了目前普遍使用的几种目标检测算法与分割方法。主要使用阈值分割法为基础的背景差分法来对目标物体进行分割。使用均值法建立背景模型，背景帧和当前帧的灰度图使用中值滤波进行降噪处理；将当前帧与背景帧做二值化处理，采用最大类间方差法选取阈值；将得到的差分图像通过形态学处理完成孔洞的填补和噪点的清除，最后用四连通寻找法标记出该图像中所有的连通区域，用来检测最终是否分割出所需要的运动目标。 

本文中使用均值法进行背景建模，背景图像为静态，只适用于本次需要提取运动目标的视频。因此，如何在相对复杂的环境下完成对运动目标的检测识别，排除背景环境变化的影响是一个需要深入研究的问题。同时，如果当运动目标较为复杂， 经过差分处理的运动目标可能会不准确不完全。

对于背景变化的问题，可以使用背景更新法，将背景图像进行周期性的更新来使用动态背景的变化，这样可以使得背景模型能够适用于其他视频。对于运动目标检测不完全的问题，使用帧间差分法与背景差分法结合的方法来解决。Elia等人提出采用帧间差分与双背景结合的方法，双背景是指将背景分为短期背景和长期背景，解决由于光线的变化或者背景中运动目标长时间逗留导致的检测不准确的问题[9]。