结论
运动图像检测涉及到的研究内容很广泛，同时也很复杂和困难。一个特定的应用场合和需求直接决定了检测所涉及到的不同算法来实现。因此，已经针对不同的应用场合开发了大量的算法。由于处理运动检测，以及以后的目标跟踪、目标分类和运动理解需要卷入大量耗时的图像运算，在现有计算机速度下难以很好的兼顾可靠性和实时性，对于嵌入式DSP开发更是如此。因此，大体上说关键问题在于准确性和实时性的实现。
影响准确性的因素有：噪声干扰，光线变化，阴影，遮挡，背景的适应性等。本文根据现有条件对这几种因素分别加以分析，设计出相应的处理，在运动目标检测和识别上加以克服。
影响实时性的因素主要有：视频信号本身就是数据量大的信号，同时图像处理的算法也较复杂，因此处理速度慢，难以达到25帧/秒的实时性要求。对此本文硬件来实现运动目标检测，即采用具有高速运算能力的TI公司TMS320C6000系列数字信号处理器DM642来实现这些复杂算法。
从这两点出发，本文着重讨论了运动目标检测与识别，系统设计和DSP移植这几个重要研究方面，主要研究内容和成果如下：
深入研究目前常用的运动图像检测算法，分析其优缺点，并对其中某些算法进行了实验验证；
分析研究目前取得较好效果的基于高斯统计背景模型的运动目标检测算法，对其进行了实验验证；
在相邻帧差法和背景减法的基础上，将此两者有效的结合，系统适应性有了进一步的提高；
在分析传统的数学形态学上，着重研究了一种改进的图像腐蚀膨胀算法，大大提高了系统的实时性；
在传统的运动目标分割算法基础上，研究一种改进的分割方法，并且提出了自己的观点，对算法进一步地完善，使其具备很好的鲁棒性；
通过提取和匹配目标的相关特征信息，完成对运动目标的初步识别；
在对TI公司TMS320C6000系列DM642的内部结构和开发流程的研究学习基础上，将本文设计的运动目标检测代码移植到DM642上，并对其进行了一系列优化。在其开发平台CCS上调试（Emulator）成功，为应用到实时系统中打下了基础。
由于作者个人能力和时间问题，尽管本文在运动目标检测的研究中提出了一些新的算法和进行了一些完善，取得了一些研究成果，但距一个完善的视觉系统还有很大距离，还存在一些不足之处。下面在总结本文不足的基础上，对将来进一步的研究工作提出一些设想：
运动目标检测中，算法计算量较大，资源占有较多，不适宜应用于一些高要求场合（如多媒体网络视频监控系统等）中，因此可以从快速运算和更新法则上进行改进；
目标检测方面还可以进一步研究更加复杂的运动情况，提出适应性更强、应用面更广的检测算法；
完成目标检测以后，目标跟踪就是一个非常好的研究方向。进行目标跟踪的深入研究就能够使整个系统更加智能化；
虽然本文将代码移植到DSP上并进行了一些优化，但是只是迈出了第一步，距离应用到一个实际视觉系统（如计算机视觉等）中，仍然有许多工作需要完成。


本电子电气通信自动化毕业设计“基于DSP的运动图像的检测”论文由清风毕业设计网[www.lunwen550.com]征集整理！