王 丹，全书海，石 英

(武汉理工大学自动化学院，湖北 武汉 430070)

视频图像处理中运动目标检测的目的是找到产生运动的区域(人、车等)，检测出的运动区域是后续跟踪和行为分析等视频图像处理模块感兴趣的区域。目前视频中运动目标检测的方法主要有3种:帧间差分法、光流法和背景减除法。文献［1］提出的帧间差分法在动态背景中不能克服噪声的干扰，难以检测出完整的目标，而文献［2］用到的光流法计算复杂，对噪声较敏感，且如果没有特殊的硬件支持很难应用于实时系统中。因此，目前大多采用背景减除法来识别运动目标，其中运用较广泛的是高斯混合模型算法(GMM)。文献［3］提出的高斯混合模型法的背景模型能够动态更新，适应背景变化。文献［4］通过改进高斯模型的参数更新方法来减少计算的复杂度。文献［5］针对颜色空间的改变提出一种色度坐标的模型。然而上述方法在光照突变的情况下，会将光照变化的像素判断为前景目标，出现大面积的误判。目前也有利用核密度估计法来检测运动目标，文献［6］提出了一种自适应的核密度估计法，文献［7］提出了一种基于多样性采样原理的高斯核密度估计法，但这些方法需要的内存空间较大。为了克服上述缺点，一些学者提出了针对像素及其邻域关系的研究，文献［8］联合图像的直方图、纹理和方差对背景建模;文献［9］针对特定的背景、树枝及红旗飘动，根据协方差进行建模;文献［10］将图像分成不同层次的矩形块进行比较，这些方法都取得了较好的结果;文献［11］利用像素及其邻域角度的关系检测运动目标。……