黄东旭，慕德俊，戴 航

(西北工业大学自动化学院控制与网络研究所，西安710072)

1 引言

随着视频监控系统在社会生活中的广泛应用，智能视频分析技术已成为计算机视觉领域中的一个新的研究方向。在智能视频分析系统中，目标的检测是进行视频分析的前提和基础。

智能视频分析技术分为两个方面:①目标检测;②目标跟踪与识别。针对目标检测，国内外很多文献做了相关的研究。文献［1］采用动态高斯混合模型，对图像中每个像素点进行建模，并实时更新该模型。对于新图像帧的每个点，依据高斯混合模型判断该点属于背景点还是前景点。最后利用形态学，将前景点合并，实现前景区分和目标检测。文献［2］采用机器学习的方法，在训练学习过程中，采用Harris-SIFT描述事件的特征，并用SVM进行分类和检测。文献［3］根据前景目标上像素值呈一定的分布规律，用贝叶斯理论分析检测图像上的各点属于该分布规律的概率，实现前景区分和目标检测。文献［4］提出利用隐马尔科夫方法对目标的运动轨迹进行分类，实现对运动目标的检测和跟踪。文献［5］采用帧差法分析思想，首先选取每个像素点周围邻近的N个点像素值作为背景模型的集合，然后通过计算被检测点与其背景模型集合的距离，判断被检测的属于前景还是背景，最后根据判断出的前景点的情况，实现目标的检测。文献［6］首先采用光流法从图像序列中计算出光流向量，根据光流向量的直方图对其分类，然后通过链式编码算法对各类进行区域划分，并从划分区域提取特征点，最后以特征点为学习模型，使用SVM和HMM实现目标的检测。……