除了我们所熟知的对视频进行分析处理需要用到运动目标检测与跟踪技术外，运动目标检测与跟踪技术还广泛的应用在实现视频压缩编码、运动补偿等方面。在《图像法识别运动目标技术》一文中，作者对运动目标检测与跟踪技术的目的进行了描述：运动目标检测的目的就是要检测出所输入的视频图像中与运动目标相关的信息，滤除图像中存在的与运动目标无关的信息[1]。一般来说，运动中总是包含着大量有意义的信息，我们对图像进行近一步分析处理的关键在于如何准确的、快速的将运动目标从实时变化的背景中分离出来 [2]。

  运动目标检测与跟踪的流程图如图1-1所示：

图1-1 运动目标检测与跟踪流程图

在实际应用中，视频监控利用摄像机对特定区域进行监控，这是一个连续且细致的过程。虽然这项工作可以由人来完成，但是人执行这种长期且枯燥的例行监测是不可靠，而且成本也很高，因此引入运动目标监测非常有必要[3]。它可以减轻人的负担，并且可以提高检测的可靠性。

视频监控作为运动目标检测与跟踪技术的一项重要应用，在安保领域得到了广泛的应用，机场、火车站、百货商店、宗教场所、法院和公共大楼只是一小部分使用视频监控的例子。近年来，随着计算机视觉技术的发展，一种新的智能监控系统正被人们所接受，视频中运动目标的准确分离和提取对该系统起着相当关键的作用。

1.2　国内外研究现状

1.3　本文结构

本课题是“基于背景更新的运动目标提取方法研究”，主要进行的工作是对背景提取方法的研究以及对运动目标检测方法的研究。通过查阅大量的资料文献，了解并掌握运动目标提取的算法。通过比较各种算法的优缺点，选择出一种较为理想的提取方法，并编写调试程序，实现背景更新环境下的运动目标提取。文献综述

全文共分为六章，每章的内容安排如下:

第一章，绪论部分。介绍“基于背景更新的运动目标提取方法研究”的背景及意义，简单描述了国内外研究者们对运动目标提取方法的研究现状，最后介绍了本文的结构。

第二章，文献综述。通过对国内外研究者发表的文献的阅读理解，简单列举了国内外研究者对运动目标提取方法研究的成果。

第三章，背景提取方法及背景更新方法的研究。包括1）手动给出背景法：研究者在观察到没有前景目标进入摄像机视野的时候启动相机，获取图像作为背景图像，即为手动给出背景法；2）统计中值法：即取连续多帧图像中像素值的中值作为背景图像；3）算术平均法：即在特定的时间段内用像素点的色彩和亮度信息的平均值作为背景图像对应像素点的数值[15]；4）非参数法：通过密度估计建立一种非参数化的背景模型。

第四章，运动目标检测算法的研究。包括1）光流法：利用图像灰度在时间上的变化与景象中物体的运动关系，进行物体检测；2）帧间差分法：包括背景减法和两帧间差分法。

第五章，基于混合高斯模型的背景更新方法研究。本章在基于混合高斯模型的背景提取法基础上，提出了一种自适应的背景更新框架。

第六章，总结。

2 文献综述

3 背景提取算法

根据多年来的研究经验，在进行运动目标的检测与跟踪时，我们首先要能够区分出运动目标和背景的范围。为了获取准确的运动目标，无论是使用帧间差分法中的背景减法，还是使用两帧间差分法，我们都需要建立起具有高质量的背景图像。然而，在实际的应用中，背景并不是一直不变的，总归随着外界的变化而发生一些微小的变化，遇到如下情况：输入的视频中运动目标频繁地在背景中出现、环境中太阳位置的移动导致光线强弱发生变化、树枝、花瓣等物体由于微风进行摆动等，我们就不能准确地找到固定不变的背景作为参考图像，分割出输入视频中的运动目标[14]。为了能够解决运动目标频繁出现或者是背景频繁发生变化的问题，从而获得质量良好的背景，许多研究者提出了一些背景建立的方法和具有自适应性的背景模型，这些背景建立的方法使得背景模型能够进行实时的更新，提高识别出运动目标的准确性。本章分别介绍了几种典型的背景提取与更新算法，包括手动给出背景法，统计中值法，算术平均法和非参数法。论文网