运动目标相对于它自身以外的物体都是运动的，运动目标分为基于点、区域、轮廓和模型的表示方法，对目标检测的实时性提出了很高的要求。运动目标的特性包括实时性、区域性、轮廓性、细节特征性以及样本多样性，其中它的运动信息还包括运动轨迹和速度等等。运动目标检测在精确制导，导航，IR，交通智能化，公共安全，机器视觉等领域有着十分广阔的应用。而目标检测作为军事精确制导中技术中最为关键和核心的组成部分，因此，对运动目标的及时检测是对目标进行深入了解和打击等后续工作正常进行的根本保证。79486

   目标的运动检测，依据目标与设备的相对运动，可其划分为静态背景下与动态背景下的检测。 

一、静态背景（整个监控过程中只有目标在运动）下的运动检测，包含的几种方法有。

背景差分法；通过提取并维持一个纯背景，使接下来的每一帧与其做比对和差分，从而得出目前画面中的运动目标。光照变化和背景变化会对该方法会对该方法有比较大的影响。而且，还需要不间断地依靠学习来维护一个纯背景图像。此外，噪声及其他干扰的削减对运动目标的检测很关键。

  帧间差分法：是一种通过计算相邻帧之间的差，来得到运动目标的位置、形状等信息的方法。由于是对相邻帧做运算，光照的变化对它的影响并不大，适应能力较强。可是，运动目标在像素上存在相似，也是影响目标运动状态检测完整性的主要原因。但对这种做法的改进却是一直在进行，三帧差分法基于相邻三帧之间的差值计算，来进行运动目标的检测，需要提醒的是，该方法经过多次实际测试，证明了其在某些特定环境中性能的优越性。

    光流法：在空间中，运动场可以用来描述运动；而图像序列中图像灰度的差异通常在一个图像平面上体现了物体的运动，将空间中的运动场通过算法搬入平面图像上并表示出来就定义为光流场。每一点的灰度变化趋势在光流场的图像可以清晰的反映。它可看作是一种对真实运动场的类估计，或者是一种瞬时速度场，由灰度像素点在帧平面上产生。它的优点是，即便是对场景信息缺乏信息积累，还是可以在较为理想的情况下检测独立的运动。同时，也准确地得到运动目标的速度。但是大部分光流法的计算较为繁杂，对外部条件要求高,在实时处理是不是特别适用,而且对噪声敏感，信噪比低。论文网

    二、动态背景下的运动检测：在监控过程中，目标和背景处于相对运动和变化的状态，动态背景相比静态背景而言在运动目标检测的应用环境中更加复杂。根据设备运动的形式，可以分为以下两种：

    1、设备支架固定；设备固定在底座上，底座的运动带动设备发生旋转，倾斜等运动。另外，设备也可以根据远程指令来控制镜头焦距，从而产生远景和近景缩放运动。

2、设备置于移动体之上（例如，车载相机）。

对于以上两种动态情形下的目标检测形式而言，在进行检测之前，全局运动预计与补偿都是不可或缺的。块匹配法、特征点匹配法等是对运动量进行估计，而光流法建立光流场模型则是利用光流方程求解图像像素点的运动速度。

    在对运动目标检测有了深切认识后，继续对红外运动目标检测有了以下概述。通常，对红外目标检测，然后消除背景影响，而这些来源于对目标的自身及背景的特性分析。在面目标和点目标阶段，背景抑制后的帧因为仅包括目标和噪声，检测时的处理方式是有差异的。红外目标检测有两种基本出发点：其中之一是对单帧进行处理，最大化的抑制背景和噪声，它的根据是图像的基本特征信息，常利用全局门限的目标检测对灰度信息及边缘特征进行运用，在红外小目标检测方面，另有局部门限和局部背景预测等。另一则是运用序列图像进行检测，它运用帧之间相干性以及点目标在运动时产生的持续效应，进而去假存真。当进入了红外面目标检测时，距离的减少提升了分辨率，同时，对比度也改善。信噪比的优化以及目标特征的细化，利用分割的方法即可得到目标。因而，在全局考虑中，当前的红外目标检测方法的发展方向主要为两个：先检测后跟踪方法（detect before track, DBT）和先跟踪后检测方法（track before detect, TBD）。如果依照这两个方向将其细分，DBT则包括阈值分析法，像素分析法，数学形态学，小波变换法，神经网络和遗传算法，全局搜索法；TBD则囊括了三维匹配滤波器法，动态规划法，多级假设与检验法，高阶相关法。