基于此，如果能有一种智能监控系统，能够自动检测运动目标，并识别危险或错误行为，这将是非常有意义的，停留在监控室的安保人员可以从相当程度上解放出来，去做一些只有人类才能完成的的更加复杂、更有意义的工作。这样只需要少量的人员便处理系统工作过程中的错误与偏差，便可以实现生活中各种场合的监控任务，这样极大提高监控和安保工作的效率。

为智能化监控系统提供运动目标检测的方法正是本文的背景[1]，本文旨在建立运动目标检测的系统框架，并在此基础上研究运动目标识别的算法。需要指出的是，本文所做的研究是在摄像机固定的情况下，即静止背景下实现对运动目标的检测，这将为智能监控设备的进一步研究和实际应用提供前期基础性研究。

1。2  研究进展及现状

检测图像的背景是否发生变化，即背景中是否有新的物体出现的过程称为运动目标检测，在运动目标检测的基础上实现对运动目标的有效分割，则是目标跟踪及行为理解等后期处理的重要基础。由于光线变换、背景物体的运动等干扰因素的客观存在，使得运动目标的检测称为一个复杂的过程。目前，静止背景下的运动目标检测方法主要有：光流计算法[2~4]、帧间差分法[5,6]和背景差分法[7~9]。

近年来基于这三种运动目标检测基本方法开发出的新算法层出不穷，也出现了一些优秀的应用实例，Gathcettli等人基于光流计算法设计出一套检测前方的车辆的算法，在他们的工作基础上，Batvia等人提出了针对后方车辆的检测算法，且实现了摄像机运动背景下的实时运动目标检测。Karmann运用Kalman滤波开发出新的适应天气和光照变化的建立背景模型的方法。

但是这三种基本方法都有其缺点，为克服这些缺点，将三种方法结合起来的趋势越来越明显。2010年，赵冠华等将对称差分法和背景减法结合起来，成功解决了帧差法中空洞及难以检测背景与目标颜色接近情况的问题[10]。2013年，江苏大学的研究者在基于混合高斯模型背景差分法中引入三帧间差分法，突破了光照突变对前者的限制[11]。次年，屈晶晶为了提高运动目标检测的准确性、实时性和检测效率，提出了一种将连续帧间差分方法与背景差分方法相结合的新算法[12]。

当前运动目标检测方法确实研究取得了一些成果，但仍然有许多难题需要解决[13]。这些问题主要集中在：更加准确、更加可靠的分割算法；遮挡问题的有效解决以及多相机复杂背景下运动目标检测等方面。

1。3  本文主要工作及内容

随着监控技术的发展，依靠人力观看监控的方式已经不能满足当前的需要，自动检测运动目标的智能视频监控应运而生。本文以智能化监控系统下运动目标检测为背景，旨在建立运动目标检测的系统框架，并在此基础上研究运动目标识别的算法。需要指出的是，本文所做的研究是在摄像机固定的情况下，即静止背景下实现对运动目标的检测，这将为智能监控设备的进一步研究和实际应用提供前期基础性研究。

本文首先将对静止背景下运动目标的检测技术的背景、意义及发展现状作出介绍。其后将阐述目标检测前图像预处理的两种基本方法：灰度化和二值化，并基于MATLAB编程实现。本文还将介绍运动目检测和目标分割的基本方法、原理及优缺点，并例举一些常见的算法和实例。最后，本文还将着重阐述静止条件下运用背景差分法结合Kalman滤波或高斯背景建模获得背景图像以检测运动目标的方法，并通过实例论证基于Kalman时域递归低通滤波获得背景图像的方法的正确性。文献综述