进的研究，早几年应用起来的新工具能够在低分辨率的监控图像或者视频中更加准确的识别目标。据称，目前该公司已经向美国国内执法部门提供了该产品。美国公司人脸采集与识别的产品是世界上正确识别率最高的人脸识别系统之，人脸识别库要多于万人，识别时间基本上不超过秒，最快的人脸识别速度达到每秒张人脸。国内中科院的中国大恒集团下属的北京大恒图像视觉有限公司是中国最早成立的专业的机器视觉产品开发的公司，直专注于自己的产品技术研发等等。但是视频分析目前存在的问题或者说的目标检测的问题仍然很大，主要有背景的复杂性，光照变化背景晃动等问题，为目标的提取带来了很大的难度目标特征的取舍，要选取合适的目标信息比较难遮挡问题，当目标相互遮挡时，影响跟踪的稳定性兼顾实时性与鲁棒性，实时性往往带来运行的负担，实时性要求高就不得不降低鲁棒特性。这些问题也是目标检测视频分析的重点问题。论文的主要工作及结构安排论文项目以及主要工作本论文对运动目标检测做了定了解，对不同的背景，尤其是复杂背景下的运动目标进行了有效的提取。使用视觉库，在编程环境下，采用语言，来进行软件的编译。项目所做工作如下熟悉目标检测视频分析相关理论知识，了解国内外的相关发展及应用学习语言编程，函数的应用以及完成的相关配置采集相关视频完成程序的编译，调试，运行。论文结构安排第部分绪论。这部分主要阐述了论文的题目基于视频分析的目标检测系统设计的背景和意义，简单介绍了相关理论以及国内外的研究发展状况。最后概括了本篇论文的主要工作和论文的结构安排。第二部分软件编程的环境及工具介绍。这部分主要介绍了编程的环境以及视觉库。第三部分目标检测算法。这部分主要介绍了几种目标检测的算法，详细的展示了本文所用的算法以及效果的对比单背景差分算法检测目标混合高斯模型算法提取背景检测目标。第四部分目标提取处理算法。本节主要还介绍了图像处理的滤波方法中值滤波高斯滤波。阈值的选取的算法固定阈值自适应阈值大律法求阈值。以及目标形态学处理算法等。第五部分软件处理效果分析。这部分主要是阐述软件的编译调试运行后实际运用在视频上得到的效果以及后续的分析。第六部分总结与展望。本部分将对整个项目做个总结和对未来相关发展的展望。第七部分致谢。软件编程环境及工具软件编程环境本软件采用简称编程环境。是美国的微软公司研发的开发产品，这是个完整的开发工具集，包括了整个关键生命周期包括问题定义可行性分析总体描述系统设计编码调试和测试验收与运行维护升级到废弃等阶段的大部分阶段。微软在年发布了版，其中包括等等语言。之后在年，发布了，升级了所有语言的开发环境。年，随着口号的提出与的发布，微软发布了也就是版，推出了新语言，用来编写框架。年，微软对做了定修改，退出版。之后年年年年年以及年都发布了新的版本，最新版的即为年月发布的。而本论文的软件编程环境采用的是版本。软件编程工具计算机视觉发展于图像处理的基础上，在计算机科学和工程应用数学统计学，神经生理学信号处理认知科学等等的研究方面，在制造业，医学领域，军事领域等等各个领域都有着非常广阔的应用前景和发展前景。这就意味着，这种技术是学术研究和工程开发的集合体，研究人员的想法必须通过开发人员通过简单的开发工具来实现，因此，便被推出了，结合了两方面的需求提供了个很合适的开发工具或者说是应用的平台。，开源的计算机视觉库最开始是年由公司发起开发的，通过许可证授权发行，可以免费用于研究领域和商业领域。目前已经广泛的应用于计算机视觉图像处理和模式识别的系统开发了。在年被提出只是为处理器做特定优化，发展到现在，最新的为年月日发布的版本，实现了有系列的函数和类构成，提供了，等等语言接口的通用算法工具。本论文的软件采用编译环境使用语言，通过对的库函数的使用，完成软件图像处理的功能。目标检测算法研究目标检测，是种图像分割技术，主要是通过言长篇的编程过程，不知道该怎么进行，在加上对不完全熟悉的情况下，不知所措。最终在点点的积累和熟悉的基础上，完成了任务。最终代码完成了，预计的功能也实现了，但是最后的结果还是有不准确的情况，这是由于学习工作还没有完全深入，例如还没有完全理解并且熟悉运用膨胀腐蚀，开闭等形态学处理操作，导致很小地方的目标与目标之间粘连没有完全分开，而且目标的空洞也没有完全去除，这是个目标检测不准的重要原因。项目展望本项目是基于视频分析的目标检测，因此有着广阔的发展前景，单从项目自身来说同样有着很多需要改进的地方背景提取的方法。背景差分的方法最重要的便是背景的提取，直接关系到目标检测的效果，本论文所述的背景仅仅是用第帧图像做背景，有很大的局限性。滤波方法。滤波的方法很多，在本论文中仅仅只列出对比了中值滤波和高斯滤波。形态学处理。形态学处理是是目标被完整检测的关键步，本论文的形态学处理的过程还需改进。遮挡目标计数方法。展到现在，最新的为年月日发布的版本，实现了有系列的函数和类构成，提供了，等等语言接口的通用算法工具。本论文的软件采用编译环境使用语言，通过对的库函数的使用，完成软件图像处理的功能。目标检测算法研究目标检测，是种图像分割技术，主要是通过言长篇的编程过程，不知道该怎么进行，在加上对不完全熟悉的情况下，不知所措。最终在点点的积累和熟悉的基础上，完成了任务。最终代码完成了，预计的功能也实现了，但是最后的结果还是有不准确的情况，这是由于学习工作还没有完全深入，例如还没有完全理解并且熟悉运用膨胀腐蚀，开闭等形态学处理操作，导致很小地方的目标与目标之间粘连没有完全分开，而且目标的空洞也没有完全去除，这是环境。年，随着口号的提出与的发布，微软发布了也就是版，推出了新语言，用来编写框架。年，微软对做了维护升级到废弃等阶段的大部分阶段。微软在年发布了版，其中包括等等语言。之后在年，发布了，升级了所有语言的开发简称编程环境。是美国的微软公司研发的开发产品，这是个完整的开发工具集，包括了整个关键生命周期包括问题定义可行性分析总体描述系统设计编码调试和测试验收与运行后实际运用在视频上得到的效果以及后续的分析。第六部分总结与展望。本部分将对整个项目做个总结和对未来相关发展的展望。第七部分致谢。软件编程环境及工具软件编程环境本软件采用的滤波方法中值滤波高斯滤波。阈值的选取的算法固定阈值自适应阈值大律法求阈值。以及目标形态学处理算法等。第五部分软件处理效果分析。这部分主要是阐述软件的编译调试运行这部分主要介绍了几种目标检测的算法，详细的展示了本文所用的算法以及效果的对比单背景差分算法检测目标混合高斯模型算法提取背景检测目标。第四部分目标提取处理算法。本节主要还介绍了图像处理外的研究发展状况。最后概括了本篇论文的主要工作和论文的结构安排。第二部分软件编程的环境及工具介绍。这部分主要介绍了编程的环境以及视觉库。第三部分目标检测算法。的相关配置采集相关视频完成程序的编译，调试，运行。论文结构安排第部分绪论。这部分主要阐述了论文的题目基于视频分析的目标检测系统设计的背景和意义，简单介绍了相关理论以及国内编程环境下，采用语言，来进行软件的编译。项目所做工作如下熟悉目标检测视频分析相关理论知识，了解国内外的相关发展及应用学习语言编程，函数的应用以及完成题也是目标检测视频分析的重点问题。论文的主要工作及结构安排论文项目以及主要工作本论文对运动目标检测做了定了解，对不同的背景，尤其是复杂背景下的运动目标进行了有效的提取。使用视觉库，在的提取带来了很大的难度目标特征的取舍，要选取合适的目标信息比较难遮挡问题，当目标相互遮挡时，影响跟踪的稳定性兼顾实时性与鲁棒性，实时性往往带来运行的负担，实时性要求高就不得不降低鲁棒特性。这些问觉有限公司是中国最早成立的专业的机器视觉产品开发的公司，直专注于自己的产品技术研发等等。但是视频分析目前存在的问题或者说的目标检测的问题仍然很大，主要有背景的复杂性，光照变化背景晃动等问题，为目标人脸采集与识别的产品是世界上正确识别率最高的人脸识别系统之，人脸识别库要多于万人，识别时间基本上不超过秒，最快的人脸识别速度达到每秒张人脸。国内中科院的中国大恒集团下属的北京大恒图像视部分有着先进的研究，早几年应用起来的新工具能够在低分辨率的监控图像或者视频中更加准确的识别目标。据称，目前该公司已经向美国国内执法部门提供了该产品。美国公司最近应用最多，也是发展最快速的部分。英美方面已经研究了众多项目，而且在人脸识别智能监控系统方面的研究部分成果已经投入市场，例如，美国的人脸识别技术龙头之的公司在视频分析监控图像进行计算，可以减少算法的复杂度，也让结果更加精确。国内外对于目标检测的研究有很长的时间，且早已运用到了视频分析当中，智能检测智能视频监控智能银行等。其中智能视频监控特别是人脸识别这部分是分法检测目标，提高灵敏度，又引入混合高斯模型和阈值的运算，减小噪声对处理效果的影响，减少算法运算量孙承志，熊田忠等人提出将差分法和光流法结合起来，先用差分法对图像进行处理，再用光流法对预处理的图分法检测目标，提高灵敏度，又引入混合高斯模型和阈值的运算，减小噪声对处理效果的影响，减少算法运算量孙承志，熊田忠等人提出将差分法和光流法结合起来，先用差分法对图像进行处理，再用光流法对预处理的图像进行计算，可以减少算法的复杂度，也让结果更加精确。国内外对于目标检测的研究有很长的时间，且早已运用到了视频分析当中，智能检测智能视频监控智能银行等。其中智能视频监控特别是人脸识别这部分是最近应用最多，也是发展最快速的部分。英美方面已经研究了众多项目，而且在人脸识别智能监控系统方面的研究部分成果已经投入市场，例如，美国的人脸识别技术龙头之的公司在视频分析监控部分有着先握本单元的单词及短语。理解本课短文，并学会以书信的形式向朋友谈论自己的日常学习生活，及自己喜欢的天。重点难点以书信的，要点归纳掌握七个表示物体的单词确认物体的句型，!，!，用图中物品，双人自由问答并