运动目标检测——研究现状

        运动目标检测是指通过计算机视觉的方法减除视频中时间和空间上的冗余信息，有效地提取出发生空间位置变化的物体的过程。它一直是一个十分热门的研究领域，在IEEE Xplore上输入“motion detection”进行快速搜索，就会返回18000多篇文献。经过几十年来的研究人员的努力，运动目标检测技术取得了不错的成果，广泛应用于智能监控、多媒体应用等领域。目前，国际上有关该领域研究的权威杂志有：PAMI( Transaction on Pattern Analysis & Machine Intelligence)，IVC( Image and Vision Computing)等，还有一些重要的学术会议：CVPR( IEEE Computer Society Conference on Computer Vision and Pattern Recognition)，ICCV(International Conference on Computer Vision)，ECCV( European Conference on Computer Vision)，IWVS( International Workshop on Vision Surveillance)等。这些年来，根据应用场合、技术方法等方面的不同，学者们提出了众多不同的运动目标检测的方法，以适应复杂多变的环境。

        早在上个世纪70年代末，Jain等人在文献[9]中提出了使用帧间差分的方法来提取运动目标。帧差法对包含运动目标的场景有着比较强的鲁棒性，且运算速度快，但该方法一般不能完全检测出运动物体的所有像素点，常常在检测到的运动物体内部出现“空洞”现象，因此该方法适用于简单的运动检测的情况。

        针对帧间差分法的不足，学者们提出了一种基于统计学原理的运动目标检测的思路，即：先通过统计学理论建立一个背景模型，再利用背景差分法对运动目标与背景的像素点进行分类。Gloyer等人在文献[10]中就采用了这种思路，背景模型使用中值法建立，即使用连续的N帧图像序列的像素值的中值做为背景模型。但是这种方法耗费内存较大，计算量也不小，而且在光照变化的环境中常常出现偏差。针对这种局限性，