吕宝岭， 李雷星， 李 锦， 郭 拓

(1.陕西科技大学电子信息与人工智能学院， 西安 710021； 2.陕西科技大学电气与控制工程学院， 西安 710021)

对运动目标的检测，是计算机视觉领域的重要的研究方向之一。对隐藏目标的微小运动进行检测，在生物学上，可以发现对人类而言未知的生物及人类主动探索的目标生物；对于生物探索、野外救援以及生物多样性保护有一定的应用价值；在军事领域，对伪装目标的检测关系着军事安全。因此，对伪装目标的微小运动进行检测具有重要意义。在人类生活环境中，物体无时无刻不在发生运动。然而，人类的视觉感知系统存在有限的感知域[1]，生物的运动变化很微小时，仅仅凭借人类视觉感知难以准确捕捉到，但其却可能包含生物特征、脉搏频率等信息，因此需要对感知范围以外的微小运动做检测。运动目标检测方法主要包括帧间差分法[2]、背景差分法[3]、光流法[4]等。光流法依据运动目标的光流特性随时间变化来检测运动[5]，但计算复杂、抗噪性能差，检测效果并不理想。背景差分法，对背景的建模要求较高，当光照等外界条件发生突变时，会导致较大的检测结果误差。帧差法检测目标时，需要在视频序列里两个相邻帧之间做时间差分阈值化，从而得到检测结果。其优点是计算简便，实现难度小，而且在动态环境中适应性很好。这些检测方法可用于自适应目标检测[6]等。

最早进行微小运动检测的是美国麻省理工学院(Massachusetts Institute of Technology，MIT)的Freeman团队[7]。……