结论
本论文主要研究的是视频图像序列中人的检测和定位的一种算法，并通过MATLAB程序设计进行实现。本设计中所采用的算法是基于颜色和边缘信息的自适应背景相减法。这种方法主要分三步来完成：(1)背景建模；(2)背景相减；(3)合并相减结果并勾画前景。在整个设计的过程中，我对目前视频图像处理在国内外的研究和发展现状进行了广泛的调研，了解到了目前在这方面的一些前沿技术。
本算法与其他方法相比，有着比较明显的优点：
1、算法简单，易于理解和实现。
从整个设计过程可以看出，这种背景相减法提取运动物体非常方便，算法结构清晰，容易理解和实现。
2、对运动目标十分敏感，得到的运动目标准确。
从实验结果可以发现，只要有运动目标进入场景，就会立即被检测出来，算法对背景中的运动目标十分敏感。从我们得到的结果图像和原始图像的对比，我们可以看出，这种方法得到的运动目标位置十分精确。
3、适用范围广。
视频图像中运动物体的检测和定位跟踪算法是很多后续工作的基础。如智能监控、人机交互、模式识别等。所以，这种技术的应用前景非常广泛。
但是，这种方法和其他方法相比，也有着它自身的缺点：
1、从图3-6所示的结果可以看出，在人体的灰度和背景非常接近时，可能会将前景人体目标误认为是背景。造成人体检测结果不完整，从而影响目标检测的准确性。
2、这种方法检测到的仅仅是人体的一个非常粗糙的轮廓，而没有其他的信息。
3、如果光照改变很明显，或光线很黑暗，将会大大影响算法的结果。
4、无法准确判断进入背景的运动物体是人还是其他物体，这将会带来一定的错误判断，影响检测结果。
在本次毕业设计的过程中，我的研究课题是视频图像中人的检测和定位算法，并通过MATLAB程序设计的方法来进行实现。在整个过程中，我遇到了很多问题，有基础知识上的，有程序调试上的，归纳起来主要有如下几点：
1、算法理解错误，导致编程无法进行
在本次设计的起始阶段，我的主要任务就是完成算法的理解和探讨。这个阶段进行得相对比较顺利，但是在理解建模过程时出现了差错。我一开始理解的是在静止场景中任意取其中一帧来进行建模，结果导致建模过程无法进行。
经过仔细分析原因，我最终采取用前四帧来进行背景建模，成功解决了建模问题。
2、对数组的操作不够熟练，导致程序得到错误的结果
由于在MATLAB中，图像的存储和处理都是通过数组和矩阵的方式来进行的，也正是因为这个原因，使用MATLAB来实现本算法相对于其他语言，如C/C++，来说要简单得多。
但是，在数组的使用上我出现了错误。在建模过程中需要求均值图和标准方差图。在运算的过程中，我在多项式的乘法和除法运算中没有采用点乘来进行，最终导致程序出错。在仔细检查和查阅资料后，成功解决了这个问题。
3、图像显示问题
在程序即将完成的时候，我需要通过图像浏览器来对结果图像进行显示，以验证算法的正确性。单个显示图像时并没有出现问题，可是当我需要在一个图像浏览器中显示多幅图像时就出现了问题：视频帧的变化相对来说非常慢，帧与帧的差别比较小。如果要通过图像浏览器来观察人体的运动就比较困难。于是，我想通过改变步长来进行显示，隔3帧取一帧。可是经过实际验证，要这样处理也并不是那么简单。
经过查阅资料，我决定采用另外一种更直观的显示方法—影片。我将处理后的图像通过影片的形式来进行显示。在MATLAB中，可以通过getframe命令来给影片添加视频帧。这样，每执行一次循环处理，我就对处理后的图像进行添加。最后，通过movie命令来播放影片。实验结果显示，这样处理的结果非常理想。
当然，在整个设计的过程中遇到的问题远远不止这几点，上面只是几个比较典型的问题。但是，通过导师指导和查阅大量的资料，这些问题都一一得到了解决。
目前运动人体检测算法显然大多在是特定的环境下才能工作，存在很多局限。人们提出各种各样的跟踪算法，由于缺乏统一的测试数据，很难对它们进行比较。另外，即使在特定环境下的跟踪，目前的基于视频的三维运动跟踪系统也只能跟踪数十帧到数百帧，无法对任意动作进行长时间跟踪。
我认为目前一个行之有效的解决思路可以是多种方法相结合的算法。而真正实现无接触的人体运动跟踪一方面需要人工智能方面的突破，另一方面依赖于测量技术的发展，如被动的三维扫描仪器、红外线摄像机、高清晰度的摄像机等。其次就是针对特定应用的、允许用户交互的人体运动跟踪系统，根据问题的特点，从实际问题出发，提出解决具体问题的思路。
从研究发展情况来看，目前的人体运动跟踪越来越注重实用性，比如很多近两年的文献都给出了在一般室内环境下的跟踪结果。另一方面娱乐和监控领域的巨大商业前景会促使当前“人体运动跟踪领域”从实验室研究向着实用化研究转换。


本电子电气通信自动化毕业设计“视频图像中人的检测和定位算法研究及实现”论文由清风毕业设计网[www.lunwen550.com]征集整理！