近年来，运动目标检测技术在现实生活中被广泛运用，比如工厂中产品的检验、危险环境的勘测、交通监管等等。运动目标检测算法一直都是专家学者们专心探索的对象，作为计算机视觉科学领域的一个重要研究方向，运动目标检测在电力、军工、国防领域同样有着良好的发展前景，这也是激励学者们对其进行研究的一个重要原因。视频监控作为运动目标检测算法的主要应用对象，它的发展进度很大程度上取决于运动目标检测算法的研究。87152
上世纪70年代，Jain和Nage[1]开始了对累积帧差法的研究，并不断完善，Horn和Schunck[2]于上世纪80年代通过光流对目标进行分析从而实现图像的检测，进行图像的分割，在此之后Lucas和Kandage,Szeliski和Couglan[3]也开始研究光流法的运动图像检测，并对这个算法进行了略微的改进。Wren[4]的单高斯模型算法，在1997年后开始得到人的关注，再次之后不久便产生了一种采用高斯函数进行数学建模的经典算法，即混合高斯模型算法，这个算法由于可以取得实时性较强的背景，因此使得背景差分法对于运动目标检测的效果更为良好。在最近，Shahbaz K。F。 [5]使用新的特性，颜色与形状特性进行运动目标检测，从而使得算法对实时性的依赖不再那么高，拥有比较良好的检测效果。论文网
从上世纪90年代开始，国内许多的计算机视觉领域的学者也对目标检测算法进行研究，他们大部分来自高校与科研机构，为了研究这些算法，他们投入了大量人力物力。清华大学图形图像研究所和中国国家科学院自动化所在这方面的表现尤为突出。在世界顶级的计算机视觉期刊中出现了越来越多的国内科研机构的图像处理相关的文章。目标检测技术在国内的视频监控中被广泛应用，例如安防中的人脸识别，犯罪份子的行为分析，或者简单点的如停车场中车牌识别等等。
2 主要面临的问题
对于运动目标检测的研究，国内外已经进行了数十年，尽管投入了大量的人力物力，但目前为止算法依旧不够完善，仍有许多不太容易解决的问题：
1。在运动目标检测中，需要对运动目标和背景进行分割[6]，因此，检测中的最重要的步骤就是目标背景的提取与更新。对于背景静止不动的视频序列，运动目标与背景的分割就比较容易实现。然而现实情况往往不是这样，背景情况基本上一直是动态不断变化，会不断有各种异常的物体移动，非常容易被当作是背景，从而干扰背景的提取，影响到运动检测。
2。视频序列中经常会出现不断变化的光线，这也会造成背景提取与更新的不准确。为了解决这个问题，就需要不断地对背景实时进行估计，从而优化背景提取效果，这样才能更好的完成目标检测。
3。在室内或室外，只要存在物体，就会出现阴影。与背景提取不同的是，运动目标的阴影一定是随着运动目标的移动而移动的。因此，这可能导致阴影和真正的运动目标被连成一个错误的整体，使得目标的形状失真，也有可能会导致错误的检测出两个运动目标，带来错误的信息。
4。在运动目标移动时候，运动目标前方可能会出现遮挡物，这部分遮挡物也有可能会被当作运动目标被提取出来，那么检测目标就会不准确，形状会发生变化，当这个问题很严重时候，甚至会导致目标检测失败。
5。当视频序列为室外环境时，会出现多种多样的背景，非常不稳定，比如树叶在风中会摇动而影响背景提取，或是玻璃镜面的反光，亦或是水面有波光反射，这些细微的活动，都会影响到目标的检测。 运动目标检测技术国内外研究现状与发展:http://www.youerw.com/yanjiu/lunwen_125952.html