图1。1 运动目标检测流程图

2  运动目标检测算法

2。1  现有算法总结

    关于运动目标检测的算法目前已有多种，例如：点检测法、图像分割法、背景建模法、帧间差分法、聚类分析法及运动矢量场法[5]。

(1)点检测法基于在序列图像中寻找到特征点检测目标，通过对目标中特征点的锁定可以找到运动目标，特征点要求在照度和视角变化下可保持不变，常见的检测器有Moravec、SIFT、KLT、Harris等。来`自+优-尔^论:文,网www.chuibin.com +QQ752018766-

(2)帧间差分是将相邻的两帧或三帧，进行差分检测像素灰度值变化，并且通过阈值分割提取运动区域的一种检测方法。

(3)背景建模法类似于帧间差分，是将通过当前的帧图像与背景图像进行差分，得到运动目标区域的一种检测方法。

(4)基于图像分割的运动目标检测技术是按照一定准则，将已分割了的图像区域进行检测从而得到目标，常见的有Active Contour、Mean Shift、Craph-cut等方法。

(5)聚类分析法需要大量的学习样本，通过学习不同物体特征将其前景背景进行分类，从而实现自动检测，常见的有Adaboost算法与基于神经网络的方法。

本文主要研究对象是：帧差法、光流法、背景差法。

2。2  帧间差分法

2。2。1基本概念

    帧差法[6](temporal difference)采用对相邻两帧或三帧进行差分的方法检测像素灰度值的变化以此判断是否存在运动目标，并通过阈值分割提取运动区域。这种方法对动态变化环境非常有效，但无法提取完整目标，易产生空洞，检测精度会受目标运动速度影响，速度过慢使得变化不明显，而速度过快造成较严重的重影。