罗芳

摘 要：运动图像的检测是目前智能监控技术发展的前沿技术，能够成功地将运动目标从背景图像中检测出来是该智能监控识别系统最关键的一步。文章将传统的图像处理方法运用在运动对象上，通过实验比较，分析背景差分法、光流法和帧间差分法的优点和缺点，为视频监控下的图像缺陷检测或智能识别技术提供一定的参考。

关键词：目标检测；视频监控；运动图像

视频监控识别系统技术是综合多媒体技术、计算机网络、工业控制和人工智能等技术的运用产物[ 1 ]。针对视频监控下动态运动目标的图像进行前期处理分析，从图像中提取感兴趣的运动目标，是智能监控分析系统中的重要过程。

视频监控中的人或动物处于运动状态，检测动态目标的运动状态从技术上分析，国内外主要是利用算法将运动的运动对象从背景中分离出来，但运动目标时刻受到周边环境、运动目标本身及设备等因素影响，所以能将运动对象成功分割出来是智能监控分析系统中一项非常有难度的工作[2]。

运动目标算法的检测已在国内外做了很多年，目前对运动对象检测的算法相对比较成熟，主流的方法主要有：一是利用灰度值的空间分布信息进行图形分割，通过检测对象的突出特征比如边缘、特殊点和线条的灰度值不同进行分割图形，但该方法容易丢失原始图像的信息。二是利用视频的时间序列方法分割图形，该方法建立在固定的背景下，通过时间差或者帧间差进行图形减除运算来完成图形分割，目前常见算法有帧间差分法、光流法及背景减除法，本文将这3种研究算法运用到人体行为检测分割上，并通过实验比较3种算法的优缺点。……