1、視頻分析是計(jì)算機(jī)視覺和模式識(shí)別的重要研究內(nèi)容之一，其關(guān)鍵技術(shù)是對(duì)其視場內(nèi)的物體進(jìn)行檢測、識(shí)別、跟蹤。運(yùn)動(dòng)目標(biāo)的檢測是實(shí)現(xiàn)視頻分析的前提和基礎(chǔ)，只有對(duì)運(yùn)動(dòng)目標(biāo)的形狀，位置等進(jìn)行精準(zhǔn)的檢測，才能使后續(xù)的識(shí)別和跟蹤更加準(zhǔn)確、完整和高效，因此運(yùn)動(dòng)目標(biāo)檢測研究有著重要的學(xué)術(shù)研究價(jià)值和應(yīng)用價(jià)值。
　　目前主要的運(yùn)動(dòng)目標(biāo)檢測算法有光流法、背景差分法、幀間差分法、小波法、人工神經(jīng)網(wǎng)絡(luò)法、擴(kuò)展的EM算法、基于數(shù)學(xué)形態(tài)的場景變化檢測法以及各種算法的混

2、合方法等。這些基礎(chǔ)方法從不同的方面著手，針對(duì)不同情況給出運(yùn)動(dòng)目標(biāo)檢測的解決方案，取得了很好的效果。但這些成果由于運(yùn)動(dòng)目標(biāo)檢測環(huán)境的復(fù)雜性，仍存在一些有待解決的問題，比如:背景問題、陰影問題、遮擋問題等。
　　針對(duì)上述問題，學(xué)者們開展了廣泛而深入的研究，諸多學(xué)者對(duì)背景差分法進(jìn)行了研究，其核心是如何有效對(duì)背景進(jìn)行提取和更新，主要采用的方法有平均背景模型、基于幀差背景模型、單模高斯背景模型和混合高斯背景模型等背景建模法，這些方法的改進(jìn)使

3、得運(yùn)動(dòng)目標(biāo)的檢測結(jié)果更加準(zhǔn)確。受此啟發(fā)，我們研究了視頻序列中鏡頭檢測方法和關(guān)鍵幀提取方法，在此基礎(chǔ)上，我們討論了基于關(guān)鍵幀的背景更新策略，并結(jié)合像素矩陣差分和閾值判定的運(yùn)動(dòng)目標(biāo)檢測算法來檢測視頻中的運(yùn)動(dòng)目標(biāo)，實(shí)驗(yàn)結(jié)果表明改進(jìn)方法檢測效果明顯;另外本文提出了基于HSV色彩高斯背景模型和基于關(guān)鍵幀HSV色彩高斯背景模型的策略，以此為基礎(chǔ)結(jié)合連通性原理與紋理梯度差進(jìn)行運(yùn)動(dòng)目標(biāo)檢測，檢測結(jié)果避免了目標(biāo)檢測過程中存在的“空洞”現(xiàn)象能夠獲得更為準(zhǔn)確

4、的運(yùn)動(dòng)目標(biāo)輪廓，并有效去除了陰影。
　　針對(duì)紅外圖像具有對(duì)比度低、亮度低，以及感興趣的目標(biāo)比較小的特點(diǎn)，本文給出了一種基于紅外圖像增強(qiáng)的目標(biāo)檢測算法和一種基于像素概率的紅外圖像目標(biāo)檢測與提取算法。這兩種方法以混合累積直方圖和像素的顏色概率為基礎(chǔ)實(shí)現(xiàn)了對(duì)于紅外圖像中的運(yùn)動(dòng)目標(biāo)識(shí)別。
　　由于實(shí)際情況的復(fù)雜性、目標(biāo)運(yùn)動(dòng)方式的不確定性使得運(yùn)動(dòng)模型的建立變得困難。針對(duì)該問題，我們?cè)谘芯炕诓⑿旭R爾可夫隨機(jī)場(MRF)工作模型的基礎(chǔ)上

5、，探討了采用差分進(jìn)化算法對(duì)運(yùn)動(dòng)目標(biāo)檢測的可行性，并在此前提下提出了基于馬爾可夫隨機(jī)場和分布式差分進(jìn)化算法的運(yùn)動(dòng)目標(biāo)檢測方法。
　　本論文圍繞著運(yùn)動(dòng)目標(biāo)檢測展開研究，著重研究了運(yùn)動(dòng)目標(biāo)檢測算法中的背景更新方法以及基于統(tǒng)計(jì)學(xué)的目標(biāo)檢測方法和應(yīng)用，主要開展了以下幾個(gè)方面的工作并取得了相應(yīng)的成果。(1)研究了視頻鏡頭檢測和關(guān)鍵幀提取技術(shù);(2)研究了關(guān)鍵幀背景更新基礎(chǔ)上基于矩陣像素閾值、連通性原理和紋理梯度的檢測方法;(3)研究了基于紅外