基于OpenCV的运动目标检测与跟踪(2)
或者视频输入场景然后在在给定的场景中识别运动区域。通常，有三种识别运动检测的方法
a)背景差分，b)帧差分，c)光流法。本文仅集中于背景差分法以及将其怎样用于后续识别。
经过数十年的发展，智能监控设备早已渗透在人们生存发展的每个角落。无论是在关乎
公共安全的人流密度大的商场、银行等区域，还是关乎国家安全的核电、水电等重要设施以
及重大国际会议、奥运会等国际赛事，对于安全智能的监控系统的需求从来没有停止增长，
这既是一个商业蓝海同时也给技术人员提出了各种尚未明了的挑战。寻求一个符合不定环境
下具有良好适应性，满足实时性与鲁棒性要求的智能算法仍然具有很大的潜力可挖。
1.2 国内外研究与应用现状
各国的高等学府、公司以及政府军事机构很早就对这类智能识别算法进行了理论研究与
实际工业产品的研制与运用。在 20 世纪 50 年代初期，GAC 公司为美国海军研制开发了自
动地形识别跟踪系统 ATRAN(Automatic Terrain Recognition and Navigation System)。80年代，
各种目标检测和跟踪的原理和算法在科研人员不断地努力下日臻完善，美国国防部先进研究
项目局 DARPA (Defense Advanced Research Projection Agency)成立了自动目标识别工作组
ATRWG(Automatic Target Recognition Workgroup)，该工作组被用于构建统一的图像数据标准，
研究目标自动识别跟踪等机密军事项目。20世纪末页，美国国防高级研究计划局拨发军备资
助了大量如CMU、MIT、戴文SARNOFF研究中心等著名研究机构，联合研制了视频监视与
监控系统VSAM-----一种实时的战场监控系统。英国雷丁大学VIEWS 也开展过对于车辆及行
人的跟踪以及交互识别研究。IBM 以及微软也早已将基于视觉的手势识别接口硬件设备投入
市场。
我国虽然起步较晚，但中国科学院北京自动化研究所，清华大学，北京大学，国防科技
大学，南京理工大学等众多科研院所现都已经在从事相关方面的研究与开发。例如中科院的
VSTAR 车辆监控系统。 此外国际上有着众多专注于视频检测与跟踪技术的组织机构，例如：模式分析与机器智
能杂志（PAMI：IEEE Transactions on Pattern Analysis and Machine Intelligence），国际计算机
视觉杂志（IJCV：International Journal of Computer Vision），计算机视觉与图像理解（CVIU：
Computer Vision and Image Understanding），图像和视觉计算（IVC：Image and Vision
Computing），国际计算机视觉会议（ICCV： International Conference on Computer Vision） ， ETC。
1.3 OpenCV简介
OpenCV是一个基于（开源）发行的跨平台计算机视觉库，由 Intel 于 1999 年建立，目
标在于构建一个简单易用的计算机视觉框架，使得开发人员能够利用现有的经过 Intel 手动优
化的代码来构建更加复杂的视觉程序。OpenCV 可以运行在 Linux、Windows 和Mac OS 操作
系统上。OpenCV是纯粹的 C，C++代码，并且开放源码，同时作为开源并与时俱进的社区软
件提供了Python、Ruby、MATLAB等语言接口方便程序移植。OpenCV 具有资源占用少，开
放简约，安全性好，功能集中等优点。
OpenCV 由五个模块组成。CXCORE 含有基本的数据结构与算法以及大量的绘图函数，
CV包含图像处理以及后期的高层视觉算法， MLL作为机器学习库汇聚了大量的统计学工具，
HIGHGUI 实现用户界面以及基本的图片与视频资源的输入输出，最后是 CvAux 模块，其包
含了即将被废弃的算法及函数同时包含一些实验性的算法。OpenCV 的 5 大模块不仅包括了
下一篇：基于自由能的遥感图像质量评价