魏磊，魏江

（西北工业大学 电子信息学院，陕西 西安 710072）

运动目标检测在计算机视觉领域是一个重要的研究方向，精确快速的运动目标检测算法能使目标跟踪、分类和行为理解等获得更好的效果。

影响运动目标检测准确性的因素主要有动态背景和光照变化。常见的动态背景有相机抖动、树叶扰动、水面波动和背景物体位置变动等，常见的光照变化有长时的缓慢光照变化（如昼夜变化）、短时的光照突变（如开关灯）和局部的光照变化（阴影）。

运动目标检测方法主要有基于帧间差的方法、光流法和基于背景建模的方法。基于背景建模的方法因其较高的准确度，较好的鲁棒性，成为目前应用最为广泛的方法，它可分为基本背景建模[1-2]、基于聚类背景建模[3-4]和基于统计背景建模。基于统计背景建模又可分为参数背景建模[5-6]和非参数背景建模[7]。非参数背景建模无需预先对模型进行假设也不需对其参数进行显示的估计，适用于各种分布的数据，鲁棒性好，文献[8]基于贝叶斯模型和马尔科夫随机场的方法，文献[9]基于混合高斯模型和粒子群优化的方法，分别是非参数背景建模和参数背景建模中的优秀方法。

马尔科夫随机场描述的是，任意点的局部条件概率密度由其邻域的概率分布决定。通过引入马尔科夫随机场，可以保持目标和背景像素的空间连续性。同时考虑到非参数背景建模的优势，提出一种基于核密度估计和马尔科夫随机场的运动目标检测算法，对背景扰动和光照变化具有较强的鲁棒性，错误检测率更低。……