運(yùn)動目標(biāo)檢測作為計(jì)算機(jī)視覺領(lǐng)域的熱點(diǎn)之一，在智能視頻監(jiān)控、圖像檢索、運(yùn)動分析等眾多領(lǐng)域都有著十分廣泛的應(yīng)用。目前常用的運(yùn)動目標(biāo)檢測算法有幀間差分法、背景相減法、光流法等。這些方法主要是通過運(yùn)動信息提取、背景建?；驒z測光流變化等來實(shí)現(xiàn)運(yùn)動目標(biāo)檢測。如，JIE Yad等提出了一種基于部分高斯混合模型的多級運(yùn)動目標(biāo)檢測系統(tǒng)，該系統(tǒng)是多線程的，通過部分高斯混合的軟聚類模型來實(shí)現(xiàn)背景相減，可以準(zhǔn)確的定位感興趣的目標(biāo)。Barnich等同提出了一種改進(jìn)的Vibe算法，該算法擴(kuò)大了樣本的取值范圍，采用隔行更新的方式對領(lǐng)域進(jìn)行更新，并且采用小目標(biāo)丟棄和空洞填充策略去除噪聲影響，對目標(biāo)物體的間歇式運(yùn)動、光照變化等兇索表現(xiàn)出了較好的健壯性。Chen Yin等針對攝像機(jī)與被檢測目標(biāo)同時(shí)運(yùn)動的情況，提出一種持續(xù)光流跟蹤的運(yùn)動目標(biāo)檢測方法，該算法在起始兩幀間使用金字塔稀疏光流法跟蹤特征點(diǎn)并進(jìn)行分組，在后續(xù)幀圖像上持續(xù)跟蹤已分組的特征點(diǎn)，直至篩選出只屬于背景的特征點(diǎn)分組用于背景運(yùn)動補(bǔ)償，該算法提高了檢測運(yùn)動目標(biāo)的精度和速度。這些方法均是基于經(jīng)典運(yùn)動目標(biāo)檢測算法的改進(jìn)，但仍然存在著由背景噪聲干擾，背景抖動等引起的運(yùn)動信息丟失以及計(jì)算復(fù)雜度高的問題。
?