引言
运动目标检测的关键是背景图像的描述模型即背景模型，它是背景减法分割前景目标的基础。背景模型有单模态和多模态两种，前者在每个背景点上的颜色分布比较集中，可以用单个概率分布模型来描述；后者的分布则比较分散，需要多个分布模型来共同描述。此处研究的运动检测算法采用背景消减和时域差分相结合，主要包括背景提取、背景更新、运动检测等模块，运算速度快便于编译或直接在硬件上快速实现。
1 传统运动检测算法的性能评析
运动目标的检测和分割是视频流研究中的一个极其重要却又困难的问题，它不但可以从视频流中分割出目标和背景，同时它又是识别、分类和分析的基础。传统的运动检测主要包括背景减除法、时域差分法、背景统计模型分类法和光流场法。
背景减除法比时域分析法能更好地给出运动目标完整的区域表示，由于在光线渐变场合下实际背景会随着时间发生渐变，所以传统的采用固定背景相减的方法容易由于渐变产生噪声随时间的累积。其实背景减除法和时域差分法在陛能上恰好互补，后者一般不能提取出运动目标的内部纹理，但由于采用一段小的时间间隔前后的两帧图像进行差分，时域差分法有受光线变化影响小，不会由于背景渐变产生噪声随时间的累积而增加。
2 该算法介绍及其实现
我们主要针对背景和摄像机都静止这一特定应用场合，选用了背景消减和时域差分法综合的运动检测算法。这种算法的关键在于背景重建，在此我们应用帧间平均的背景重建方法，为了克服背景消减算法噪声较大的先天不足，我们采用了形态学滤波方法去除噪声。算法可以分为三个部分：背景提取、背景更新、运动检测，整个算法的实现过程如图所示。
资讯是全球知名展览公司百科展览集团旗下的专业媒体平台，自1994年品牌成立以来，一直专注于安全&自动化产业前沿产品、技术及市场趋势的专业媒体传播和品牌服务。从安全管理到产业数字化，资讯拥有首屈一指的国际行业展览会资源以及丰富的媒体经验，提供媒体、活动、展会等整合营销服务。
粤公网安备 44030402000264号
