本论文从实际的使用角度出发，考虑到监控视频内容的复杂性、环境的多样性以及量的巨大性，设计实现论文中的检测算法，成功对多种格式视频进行了成功处理。成功实现了运动目标检测。

本论文在设计实现时首选的算法是背景相减法，这是程序的核心算法。

在程序实现后，对程序的测试结果表明，在主流的视频格式面前如MP4、AVI等等，该程序都能对运动目标实现有效的快速检测。

论文的主要内容及章节安排

本论文主要是基于OpenCV的视频中运动物体的检测，程序主要实现方法是背景相减法，同时向大家简单介绍程序设计环境的搭建过程以及环境变量的配置，重点是剖析背景减法和帧差分法。主要是针对上述两种算法的算法思想、实现方法以及算法的核心内容进行深度剖析。

本篇文章共有五章，下分具体小节，具体的信息介绍如下：

第一章主要是全面阐述毕业设计的课题，阐述课题的研究目的,以及其应用背景，表明该课题相关的研究意义的重大性。此外，第一章中还补充介绍了国内外的与该课题相关的研究现状。

第二章主要是简单介绍程序设计实现所需要的工具VS 2013和OpenCV等。其中包括两种工具的安装步骤、OpenCV库的导入以及环境变量的配置等等。在介绍开发工具的时候，介绍了一下产品的发展历史，以及选定的版本。针对所需要的开发版本的工具，介绍了开发工具所支持的开发语言、开发平台等等相关的信息。

第三章是针对背景相减法以及帧间差分法这两种检测算法做详细的介绍，主要介绍两种算法的原理、算法核心以及优缺点等等，同时还对两种算法的结果进行了分析。

第四章是对算法提出的一种改进算法，在前面算法的基础上，结合OTSU[7]算法，对帧差法进行改进，提高其检测能力以及检测效果。本章主要阐述OTSU算法核心以及和前面算法做了检测效果对比。

第五章的结论是对整个课题的一个总结，总结包括在程序开发过程中碰到的难题以及克服过后的心得展望是针对自己的能力不足而提出可改进之处。

背景相减法的展示结果中，针对静态简单背景的检测结果如图3.2-3.3所示，对于运动物体能够实现有效的检测，而且结果展示较为明显，准确率较高。针对复杂静态背景下的检测结果如图3.4所示，相对于前者，改算法的检测准确率也比较可观，能够基本显示出运动物体。最后在图3.5-3.7中展示的是复杂动态背景环境下检测结果，可以明显看出检测结果非常不明显，效果也很不理想。

针对这种传统的背景相减法，可以看出结果展示中受背景影响严重，这是因为背景选取的策略有问题，在本文的接下里的进一步探究中将改进这种算法。

......

本论文主要在第三章运用两种算法来实现视频中运动物体检测，非别为：背景减法的运动目标检测算法、帧间差分法的运动目标检测算法。两种算法都有效的检测出了运动物体，但是美中不足的是在检测过程中都存在一些小的瑕疵，相关的详细说明在各自章节的总结中有详细的说明。在背景相减法中，视频的背景对算法的检测效果影响非常大，单一背景检测效果最好，复杂动态背景视频演示结果效果非常差。在帧间差分法的运动目标检测算法的演示中存在同样的问题，动态背景下的演示结果不理想。

总的来说两种算法在静态背景下对于运动物体检测准确率以及效果都非常高，但是在动态背景下都会受背景的干扰，从而使得检测的效果不佳。两种算法的改进之路还很漫长，未来还有很多工作要做。本论文中涉及到的算法.....