基于模板匹配的目标检测开题报告

1. 研究目的与意义（文献综述）

图像信息是人类认识世界的重要知识来源，国外学者做过统计，人类所获得的外界信息有70%以上是来自眼睛摄取的图像。在许多场合，没有其他形式比图像所传送的信息更加丰富和真切。随着计算机技术与人工智能科学的不断发展，计算机的计算能力和智能化水平得到了极大提高，人民对于计算机的智能性有了更高的要求。基于计算机视觉的目标检测是重要的研究课题，它是一种自然、和谐的人机交互方式，其应用前景广阔。随着计算机科学、图像处理技术以及人工智能等学科的迅速发展，特别是当前迅速发展的虚拟现实技术。目标检测问题成为当前计算机视觉领域的热点问题之一，作为视觉分析步骤的中间环节，目标检测对于计算机视觉系统的建立具有承上启下的作用。

计算机视觉是研究用计算机来模拟生物外显或宏观视觉功能的科学和技术，作为计算机视觉研究的重要方向——基于模板匹配的目标检测，就是对视场内的目标，如人或车辆等，进行实时的观测，并在此基础上对被检测对象进行分类，然后的分析他们的行为。对于现代社会而言，目标检测技术在民用和军事等领域都有非常重要的应用价值。近年来，这方面的典型应用包括自动化的视频监控系统、视频mpeg编码技术、人机交互的感知借口、军事上的制导、雷达视频图像中的目标分析。目标检测还用于视觉导航、三维重构等前沿技术领域，因此目标检测的研究意义重大。

美国、英国等国家已经展开了大量相关项目的研究。许多著名公司和研究机构，如ibm, microsoft, sornoff, objectvideo, emitall, mit, cmu等近年来都投入大量的人力物力进行智能监控系统的研究，并己经将部分研究成果成功的转化为产品投入市场。民用产品如ibm公司watson研究中心开发的smart surveillance system(s3)1241, objectvideo公司的己经发行t5个商业版本的object videovew系列产品，美国马里兰大学研究的w4系统和美国fdi(futuretel digital imaging)公司2003年推出的智能视频监控系统smartsystem等。军用产品如cmu和sornoff于1999年联合开发的战场监控系统vasm等。

2. 研究的基本内容与方案

目前对目标检测算法的研究有许多中分类，其中，基于模板匹配的目标检测算法通过提取特征，建立目标模板，然后将其与候选目标进行匹配，通过计算相似度，从而实现对目标的检测。这几个环节密切相关，且设计的好坏，会直接影响结果。对于特定的条件下的检测系统来，这一类的检测方法由于采用的是目标自身的特征，是的对目标的定位更加准确，并且抗干扰能力强，比较直观实用，是目前目标检测领域的重点研究技术之一，一般而言，基于模板匹配的目标检测主要包括两个部分：模板的建立与更新过程，目标的识别与检测过程。

模板匹配算法(template matching)是模式识别中的一种基本算法，它也是统计识别方法中的一种常用方法。基于模板匹配的的检测过程实际就是利用之前建立的目标模板与候选目标进行匹配和对比，从而找到与目标最接近的候选目标，这是一种寻找和搜索的过程。

本文主要研究采用opencv函数库研究基于模板匹配的目标检测。首先进行图像预处理，进行特征提取，然后用预先准备好的模板对去出的的特征区域作匹配，最后实现目标检测。在opencv中提供了cvmatchtemplate函数来实现模板匹配算法。它滑过整个欲搜索的图像(单通道、8位或32位浮点数图像)，用指定的方法将搜索模板 (不能大于输入图像，且与输入图像具有相同的数据类型)与图像的重叠区域作比较，并将比较结果保存到比较结果的映射图像中。图一为目标检测流程图

3. 研究计划与安排

第1-2周：查找资料，了解设计任务；第3周：根据毕业设计内容查找相关资料；第4周：完成开题报告；第5-6周：学习掌握OPencv编程技术；第7-11周：进行软件的初步设计；第12-14周：进行软件测试及修改；第15周：完成论文初稿；第16周：完善论文并定稿；第17周：进行答辩。

4. 参考文献（12篇以上）

[1] 葛亮,于卡. [1]改进的模板匹配显微细胞图像分割算法[j]. 计算机与现代化,2015(8):1-12.

[2]朱兴统,习洋洋.基于c 和opencv的人脸识别系统的设计与实现[j]. 自动化与仪器仪表,2014(8):127-131.

[3]何荣.基于opencv的人脸识别系统设计[d]. 广州：华南理工大学硕士学位论文,2013.