『壹』 目前國際上最先進的運動目標檢測演算法
運動目標檢測
基於統計背景模型的運動目標檢測方法
問題： （1） 背景獲取：需要在場景存在運動目標的情況下獲得背景圖像 （2） 背景擾動：背景中可以含有輕微擾動的對象，如樹枝、樹葉的搖動，擾動部分不應該被看做是前景運動目標 （3） 外界光照變化：一天中不同時間段光線、天氣等的變化對檢測結果的影響 （4） 背景中固定對象的移動：背景里的固定對象可能移動，如場景中的一輛車開走、一把椅子移走，對象移走後的區域在一段時間內可能被誤認為是運動目標，但不應該永遠被看做是前景運動目標 （5） 背景的更新：背景中固定對象的移動和外界光照條件的變化會使背景圖像發生變化，需要及時對背景模型進行更新，以適應這種變化 （6） 陰影的影響：通常前景目標的陰影也被檢測為運動目標的一部分，這樣講影響對運動目標的進一步處理和分析 首先利用統計的方法得到背景模型，並實時地對背景模型進行更新以適應光線變化和場景本身的變化，用形態學方法和檢測連通域面積進行後處理，消除雜訊和背景擾動帶來的影響，在HSV色度空間下檢測陰影，得到准確的運動目標。
編輯本段背景模型提取
前提假設 在背景模型提取階段，運動目標在場景區域中運動，不會長時間停留在某一位置 視頻流中某一像素點只有在前景運動目標通過時，它的亮度值才發生大的變化，在一段時間內，亮度值主要集中在很小的一個區域中，可以用這個區域內的平均值作為該點的背景值。具體實現過程：在YUV顏色空間下，Y值的變化范圍為0~255，將該范圍劃分成若干區間[0,T][T,2T]…[Nt,255],n=255/T，對於每個像素點，統計一段時間內每個區間內亮度值的出現的次數。找出出現次數最多的那個區間，將該區間內所有值的平均值作為背景模型在該點的亮度值。這種方法不受前景運動目標的影響。
編輯本段運動目標檢測
檢測當前圖像和背景圖像中對應像素點的差異，如果差值大於一定閾值，則判定該像素為前景運動目標
編輯本段後處理
雜訊的影響，會使檢測結果中出現一些本身背景的區域像素點被檢測成運動區域，也可能是運動目標內的部分區域被漏檢。另外，背景的擾動，如樹枝、樹葉的輕微搖動，會使這部分也被誤判斷為運動目標，為了消除這些影響，首先對上一步的檢測結果用形態學的方法進行處理，在找出經過形態學處理的後的連通域，計算每個連通域中的面積，對於面積小於一定值的區域，將其拋棄，不看做是前景運動目標。[1]