1、視頻監(jiān)控中運動目標(biāo)的檢測是實現(xiàn)目標(biāo)跟蹤、交通監(jiān)控、行為分析等任務(wù)的基礎(chǔ)。從復(fù)雜的道路交通環(huán)境中，準確的檢測出運動目標(biāo)位置，并對前景運動目標(biāo)進行實時測速，在智能交通管理及無人駕駛工作的研究中有著極其重要的作用?；谝曨l的運動目標(biāo)檢測不僅對檢測出前景目標(biāo)的完整性和位置的準確性有較高要求，還需要在計算速率方面做到實時性。為此，本文利用視頻圖像序列中像素點在時間域和空間域上的相關(guān)性對運動目標(biāo)檢測問題進行研究，主要提出了兩種檢測方法：①基于修正相

2、關(guān)系數(shù)的運動目標(biāo)檢測；②基于典型相關(guān)樹加權(quán)置信傳播的運動目標(biāo)檢測。
　　基于修正相關(guān)系數(shù)的運動目標(biāo)檢測主要是利用視頻圖像序列在時間域上的相關(guān)性，當(dāng)有運動目標(biāo)經(jīng)過時，相鄰兩幅圖像對應(yīng)行(列)的像素點取值對應(yīng)于不同的物理對象，其相似性較低，然而沒有運動目標(biāo)經(jīng)過的行(列)的像素點的取值對應(yīng)于相同的物理對象，其相似性較高，于是可將行(列)相關(guān)系數(shù)值的大小作為圖像的相似性指標(biāo)進行運動目標(biāo)檢測。對于較為復(fù)雜的運動場景，結(jié)合分層分塊思想用塊相關(guān)

3、系數(shù)對目標(biāo)進行檢測。在計算相關(guān)系數(shù)時需計算兩變量間的標(biāo)準差，由于圖像像素點較多，直接計算標(biāo)準差計算量過大，影響算法實時性。標(biāo)準差大概上反應(yīng)了數(shù)據(jù)相對于其均值的平均偏離量，于是用離均差和的平均值來代替標(biāo)準差的計算，兩組數(shù)據(jù)趨勢基本一致，數(shù)值基本相同，且離均差和的平均值計算簡單，有利于提高算法運算速率。
　　置信傳播算法同時利用圖像序列在時間域和空間域上的相關(guān)性實現(xiàn)對運動目標(biāo)區(qū)域的檢測。傳統(tǒng)置信傳播算法是一種全局匹配算法，運算過程復(fù)雜

4、，運行時間較長，對運動目標(biāo)檢測做不到實時性，本文提出先將輸入圖像分成大小相等、相互獨立的子塊，計算各子塊之間的典型相關(guān)系數(shù)，連接相關(guān)系數(shù)值最大的兩個子塊，形成新的環(huán)路，再將環(huán)路進行分解以確定置信傳播算法中信息傳遞的最優(yōu)路徑，算法通過尋找信息傳播最優(yōu)路徑來實現(xiàn)對算法復(fù)雜度的改善，使算法做到實時性。
　　對于本文提出的兩種檢測算法，通過大量的數(shù)值實驗可以看出其檢測出的運動目標(biāo)位置的準確性和目標(biāo)的完整性均較好，且運行時間較短，能做到對運