RGB色彩[10]描述公式为:

                                            (2-1)

式2-1中C表像素点的色彩描述值，a表示红色的、b表示绿色的、c表示蓝色的分量的权值，通过这几个权值互相叠加来描述像素点的颜色。在计算机中，存储RGB图像的颜色值需要三个字节,而存储灰度图的颜色值则只需要一个字节。与彩色像素点相比，灰度空间中的像素点不但可以正确描述图像信息，还省去了许多计算机存储空间，节约了成本。这种即提高效率又不丢失精度的处理工作是对视频图像进行分析的首要工作。

视频序列中图像的灰度化[11]操作，在根据RGB颜色之间的关系，通过权值叠加合成原理变为灰度化图像有下列几种方式：

(1)分量法  在红色，绿色，蓝色这三个颜色中选择一个来描述色彩，它的权值作为灰度化图像的像素点的值，公式如下：

                           （2-2）

(2)最大值法  在红色，蓝色，绿色这三个颜色中选取权值最大的颜色，然后它的权值即为像素点的灰度值，公式如下：

                                                 (2-3)

(3)平均值法  将红色、绿色、蓝色这个三个颜色权值的平均值作为灰度为灰度图像像素点的灰度值，公式如下：

                                              （2-4）

(4)加权平均法 由于人类的眼睛对色彩的敏感程度不一样，对于绿色更为适应，所以，经过对RGB的研究，经过大量的实验，发现了一个最为适合人类视觉的灰度化设置，公式如下：

                  (2-5)

经过公式(2-5)处理后的图像，由于非常适应人类的眼睛，所以该灰度图的显示效果较好。

因此本文采用平均加权法对视频图像进行灰度化处理。

图2-1为采用加权法平均法的lena灰度化效果:

(a)RGB图像             (b)灰度化图像

图2-1:灰度化前后图像

从图2-1中的对比中可以证明，灰度图尽管没有了色彩信息，但是与原图相比，运动目标检测算法需要的信息并没有被削去。

2。2图像去噪

从监控摄像头拍摄视频到计算机处理视频序列[12]，需要有三个步骤：1。视频的拍摄 2。视频在摄像头到计算机之间传输 3。计算机存储这个视频，而噪声在这三个环节中都会产生。质量好的监控摄像头获取的图像中噪声会较少。但通常情况下，用于监控的摄像头，并不会有多高的精度，且成本较低，因此在拍摄视频的过程中，由于环境的不确定性，比如温度的变化，或者光线的较大变化亦或天气的变化，如生雾等等，都会使得视频产生大量的噪声，图像的质量大大降低，从而使得噪声影响运动目标检测的结果。在图像的传输过程中，信道中往往会有高斯噪声，这种噪声没有第一部分那么明显，但是也是不可忽略的一部分。最后，当视频图像保存到计算机中时，图像的压缩[13]也会使得视频中产生噪声。由此可见，噪声的存在由于每个部分都会产生，所以噪声是不可忽略的一部分，如果不去处理，将会使得检测结果与理想中的结果产生巨大的差异，而如果进行了噪声去除工作，不但会使检测检测结果更为精准，还会使得后续的处理与进一步的研究更为顺利。 OpenCV概率模型的运动目标检测算法研究(4):http://www.youerw.com/jisuanji/lunwen_125951.html