李春敏，邬春学，熊乃学

(上海理工大学 光电信息与计算机工程学院，上海 210000)

运动目标检测是当前图像技术等研究的焦点和热点，广泛应用于多个领域[1]，如行人检测、智能监控、智能机器人等。运动目标检测是一个通过使用特定算法把与背景存在相对运动的前景目标从图像序列中分离出来的过程。

本文主要对随时间变化不大的静态场景下的运动目标进行检测分析，旨在获取一种高效率、高质量的检测方法。目前常用的运动目标检测方法包括：光流场法[2]、帧差法[3]和背景差法[4]。光流场法计算复杂度高、实时性差、硬件要求也非常高，难以满足运动目标检测的实时检测的要求。帧差法[5]运算量小且易于实现，虽然能较好地适用于光照变化和对实时性要求相对较高的场合，但不能完全提取出所有相关的特征像素点。帧差法阈值的选取对检测效果影响很大，可通过融合其他方法以提高整体性能。背景差法[6]运算复杂度小、耗费时间短、易实现，可以获得期望的效果，因此在实时监控中，背景差法是最常用的方法。背景差法[7]的关键是建立一个良好的背景模型。目前，根据不同的应用场景有很多不同的背景建模方式：Wren等[8]提出了单高斯背景模型，该模式无法应对复杂背景，如波动的水和摆动的树叶[9]；Stauffer和Grimson[10]在单高斯模型基础上，提出了混合高斯分布模型，能较好的克服背景中物体的小幅度运动、光照的缓慢变化，但该方法的检测效率低，不利于对运动目标的实时监控[11]。……