（1）利用灰度标准对图像进行评价得到的识别结果优于RGB标准的结果。 （2）对图像实行降噪可提高结果精确度，而open降噪法降噪效果优于median降噪法，可获得较好降噪效果。
26
第五章
结论
本文论述了一种基于差分法的图像识别的理论研究与C++实现，该方法基于背景差分和帧差分，利用OpenCV视觉函数库，以windows平台上Visual Studio C++6.0为编程工具编写程序调用摄像头获得图像作为背景，进而把之后出现在图片里的被测物体提取分离，获得较好的识别效果。
本实验历时5个月，通过调阅图书馆内大量文献资料与互联网上国内外先进研究成果，与老师同学的讨论交流和个人的调查研究，取得了一系列成果，总结起来主要包括以下几部分。
（1）了解了计算机问世以来科学发展特别是以计算机为主导的科学技术发展状况以及有关于图像识别的主要硬件软件的发展和对研究的支持程度。获得了图像识别研究的初步基础。
（2）从一视频流中准确识别目标物体是在计算机视觉，图像定位学等众多计算机主体科学研究的重要研讨课题，不能有效识别目标就不能继续进行下一步操作。目前帧间差分法（Frame difference method）和背景差分法（The background difference method）是主流的识别方法。对于本实验利用静态摄像机取得检测动态目标的图像的情况，使用这种基于预置背景图像比较后再逐帧差分对比计算变化的运动目标检测方法。通过先将视频流中不含被测物体的图片保存得到背景图片，被测物体出现后获得一组图片，并将该组图片与事先准备好的背景图片作差分得到被测物体框架，进而提取识别被测物体。在阈值的设定方面，放弃了静态阈值，实时更改的思路，使用动态阈值的方法，可以大大提高检测速度与检测成功率，将误差降至一个可以实施的级别。在背景更新方面使用了高斯模型［15］，实验证明背景差分方法的使用，使识别速度得到大幅度提高。动态阈值的方法使用，使被测物体随着运动与视角变化所造成的边界检测误差一定程度上下降，高斯模型的引入，基本克服了背景短时间内大幅度变化造成的识别误差，大大提高了计算机图像识别自适应性。
（3）利用windows平台上的C++语言编程配合OpenCV视觉函数库实现以上构想，通过C++引用OpenCV库函数调用USB摄像头进行拍摄，再通过OpenCV内置的差分函数进行比较，最终在可视化窗口内获得物体的识别信号，达到预想目标。
本实验利用了OpenCV内置的丰富的视觉函数实现了对特定形状特定颜色的物体的识别。
27
参考文献
［1］聂烜，陈怀民，朱怡安．一种用于目标检测的复合差分法[J].西北工业大
学学报，2009，27(1)：88-92．
［2］HUANG Zhong-Wen,QI Fei-Hu,CEN Feng.Background Subtraction and
Frame Difference Based Moving Object Detection for Real-Time Surveillance[J]. Journal of Donghua Univercity(Eng.Ed),2003(1)：15-19. ［3］陈子辉，王丽，郁有建．基于背景差分与时域差分相结合的运动检测算法
[J].天津城市建设学院学报，2009(4)：297-300．
［4］孙欢，尚绪凤，朱赵龙，张贺权．交通监控系统中的帧差分法与背景差分
发优劣分析[J].电子科技，2012，25(10)：1-7．
［5］赵俊梅，张利平．基于数学形态学的车牌识别方法[J]．车辆与动力技术，2008(4)：31-34．
［6］吕学刚，于明，刘翠响．IPL和OpenCV在VC++环境下的应用[J]．微型
电脑应用，2003，19(1)：51-53．
［7］张宏仁．有限差分法的改进[J]．水文地质工程地质，1994(2)：27-30． ［8］林佳乙，于哲舟，张健，马安娜，楚叶峰．基于背景差分法和帧间差分法 ［9］Yang Ming-ming,Guo Qing-ping.A MOTION DETECTION ALGORITHM
BASED ON THREE BFRAME DIFFERENCE AND BACKGROUND DIFFERENCE[C]//The 8th Internetional Symposium On Distributed Computing
and
Applications
to
Business,Engeering
and
Science,2009:487-490.
［10］刘璎瑛，丁为民，沈明霞．基于背景差分法的稻米动态图像检测识别[J].
浙江农业学报，2009，21(4)：403-406.
［11］张晓华，段美霞．基于差分法的运动目标检测设计[J]．河南工程学院学
报．2012，24(1)：67-70．
［12］Jiang-Zhong Cao, Qing-Yun Dai. A Novel Online Fingerprint
Segmentation Method Based on Frame-Difference[C]//Proceedings of 2009 International Conference on Image Analysis and Signal Processing, 2009:57-60.
［13］Hamid Hassanpour,Mehdi Sedighi,Ali Reza Manashty.Video Frame’s
Background Modeling: Reviewing the Techniques[J]. Journal of Signal and Information Processing,2011,2(2):72-78.
［14］侯穆．基于OPENCV的运动目标检测与跟踪技术研究[D]．西安：西安
电子科技大学，2012．
28
［15］王春涛．基于背景差分法和光流法的视频动态目标检测与跟踪[J]. 软件
导刊，2011，10(6)：145-147．
29
致 谢
时光飞逝，大四也走到了尾声，象征着毕业的毕业设计也马上就要到达终点，之前一直在进行理论学习，并没有太多的实践机会，这大概是我大学唯一一次做过的正式的研究。面对这个巨大的挑战，大概没有谁能不紧张和无助，在我一筹莫展，前进缓慢的时候，周围很多人都无私的帮助着我。让我在有限的时间里完成并完善了这篇论文。
首先要在这里感谢我的毕业设计导师戴凤智老师，如果没有戴老师的帮助，我大概不可能完成这篇论文，戴老师在心理和学术上都为我提供了很大的帮助，开始我因为对设计题目和毕业设计本身都没有很好的理解，完全不知道该从哪里入手，当我正在一筹莫展的时候，是戴老师仔细地为我讲授有关的专业知识基础，软件的使用方法，还告诉我论文没什么可怕的，就是写你做了什么实验，看到什么现象，让我能够放下心理压力，放松的准备论文。
虽然说心理上建立了优势，但是有难度的东西仍旧有难度，在准备论文的过程中，我还是遇到了前所未有的困难，这里依然要感谢戴老师，每次我发的电子邮件总能在一天之内得到回复，文字不好解释的内容老师还会抽出时间当面为我解释，老师的解释简明与详实并重，理论与实际结合，让我能在听的时候在心中构建出相应的过程的画面，甚至直接构思出下一步计划，正是这样的帮助，让我很快理解到问题的实质并快速将论文成篇。
这个论文的完成，不仅有赖于老师的帮助，和我一起做论文的同学们也起着让人不能忘记的重大作用。实验中遇到的形形色色的问题，不能一一向老师请教的问题，就只能由我们进行讨论，你提出想法，我提出意见，就这样，我们互相提问，互相解答，互相补充，获得了很多课堂上单方面讲授所得不到的知识与经验。大大的加速了论文的完成速度与内容的质量。在不同的研究课题的冲击下，我们的知识面都获得了最大限度的拓展，完成了从理论到实际的升华。
最后还要感谢我的家人，在毕业这个繁忙的季节里，搞设计是非常困难的事，有很多事要做，很多问题要处理。家人虽然不能在学术研究上帮助我，但他们给了我最大的理解与支持，让我在将近半年的论文准备时间里能够专心致志研究课题，做论文。
随着论文的结束，我的大学生活也即将画上句号，虽然大学校园生活结束了，但我的学习路才仅仅走出了起跑线而已。在未来的日子里，我也会一直用老师教的理论与思想，和同学讨论的经验与思路，和家人相互理解，相互支持，在学习的路上更进一步，取得更好的成绩，也希望在这半年里帮助我的人们都能够幸福快乐，事业进步。
30