1. 研究目的与意义
随着时代的发展和科学技术的进步，视频监控和检测已经普及到人们的日常生活中。
在民用方面，视频监控与检测被广泛应用与超市，学校，加油站，自家的庭院等。
在军事和公用方面，视频监控与检测被应用与卫星侦察，无人机侦察，无人驾驶，雷达检测，以及交通违章拍照等。
2. 课题关键问题和重难点
首先读取视频，对第一帧的图像进行SIFT特征提取求出SIFT特征矢量，采用欧式距离判断两幅图像中最相似的关键点。
求出的对应匹配点，一部分在背景上，另一部分在运动目标上,需要精确参数的准确性。
在得到全局运动模型参数后，需要对背景进行运动补偿。
3. 国内外研究现状（文献综述）
SIFT特征算法由英属哥伦比亚大学计算机科学教授David Lower于1999年所发表，在2004年完善总结。
其应用范围包含物体辨识、机器人地图感知与导航、影像追踪和动作对比。
Mikolajczyk和Schmid针对不同的场景、对光照变化、图像几何变形、分辨率差异、差异、旋转、模糊和图像压缩等六种情况，就多种最具代表性的描述子（如SIFT，矩不变量，互相关等10种描述子）进行了实验和性能比较，结果表明，在以上各种情况下，SIFT描述子的性能最好。
4. 研究方案
目标功能的实现大致包括SIFT特征点的提取与匹配，背景建模。
SIFT算法的主要步骤为：检测尺度空间极值点，精确定位极值点，为每个关键点指定方向参数，关键点描述子的生成。
首先提取输入图像帧的特征点，求得第一帧SIFT特征点，用欧式距离作为相似度准则，以上一帧目标位置为基本搜索区域，求得当前输入帧中特征点在前一帧中的匹配特征点，然后剔除选在目标上的异常特征点，求得仿射模型的参数。
5. 工作计划
第一周--第四周：阅读有关SIFT特征算法和目标跟踪的相关文献，收集相关实验所需要的数据，掌握相关的知识，并对相关的知识进行梳理和总结。
第五周--第七周：下载并安装OpenCV库，学习了解OpenCV的相关知识和调用方法，了解计算机图形软件设计的相关知识和架构，设计基本的程序框架。
第八周--第十周：实现SIFT特征点计算匹配算法，并计划实现帧差法和背景建模对目标跟踪。
以上是毕业论文开题报告，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
