目标辨别，也能够用图像识别来理解。具体地讲，就是指从有序的图像集合里把发生变化的区域从背景中给分割出来。对于运动目标来讲，目标辨别的目的主要是从有序图像集合的背景中获取发生变化的区域。能够有效分割运动区域，会给目标跟踪等后期处理减少很多麻烦，因为之后只需要考虑运动区域中的像素。目标辨别一向都是比较困难的，主要体现在:
(1)容易受到局部光照条件变化和噪声的影响;
(2)运动目标在背景上产生的阴影很容易被检测为前景目标;
(3)前景目标若与背景比较相似，那么容易被检测为背景。
目前常用的目标辨别方法有以下几种：
(1)光流法
在机器视觉的研究领域中，运动分析非常重要。一般来讲，比较常见的运动分析方法有两种，一种是基于特征的，另外一种是基于光流的[2]。光流场指的是运动场在二文图像上所形成的投影，那么光流其实就是指灰度模式像素点的运动向量。这种方法的核心是需要得到运动目标的光流，也就是“速度”。依据视觉感知原理，在空间上一般而言，物体的运动是相对连续的，过程中在投影生成的图像事实上也是连续发生变化的。所以我们可以对此做出假设:瞬时的灰度值是保持不变的，我们也称之为灰度不变性原理。为了达到这个目的，我们通过研究获得了光流基本方程，具体地讲，就是灰度值变化率等于灰度梯度值与光流速度的点积。另外还要引入其他的约束条件，如果从各种层次上我们引入各种相应的约束条件，那么我们能够得到各种相应的光流分析方法。但是，其实很多的光流法的计算非常复杂，而且已受到噪声干扰，除非有强悍的硬件支持，否则无法应用于实时处理视频流的工作中。26084
(2)帧间差分法
帧间差分法的基本原理[3]是主要针对连续的图像序列，在几个相邻的帧之间选择基于像素的时间差分并且同时进行阈值化处理来获得出图像的运动区域。这种方法能够很好地自适应动态环境，然而一般情况下并不能提取出全部与之有关的特征像素点，所以实际情况下极其容易在运动实体内有空洞现象出现。论文网
帧差图像包含噪声和运动变化区域两个部分，在运动变化区域中又包含实际目标、被覆盖的背景和显现的背景共三个部分。因为视频序列是多样性的，所以用某一种特征对运动变化区域进行表述是比较困难的，因此很难直接提取出运动变化区域。在成像过程中要考虑到噪声的分布实际上是有规律的，一般可以假设服从高斯分布，因为随机变量若服从高斯分布，那么它们的差也是服从高斯分布的，所以帧差图像中的噪声点也是服从高斯分布的，但是运动变化区域却没有这个性质。
(3)背景消减法
这种方法的基本内容[4]就是指，把当前帧的图像和背景进行差分处理来获取目标的区域，和上面提出的第二种方法比起来可以更好的检测和提取目标，属于现代比较常用的方法。然而想成功构成一副完完整整的背景图像，那么就必须去除运动目标，而且还要为了能够适应当前背景可能会出现的变化，应该能不断对数据进行更新。实际上现在有非常种用来进行背景图像构建的方法，一般来说的用得比较多有基于中值滤波器的构造以及基于卡尔曼滤波器的构造等等。
在进行目标检测时，帧间差分法和背景消减法这两种方法都可能会有不足，主要原因是帧间差分法仅仅考虑到图像序列时间上的相关性，但却没能使用与图像序列空间上有关的重要信息，这样得到的结果并不完整，而且还会比较容易受到噪声的干扰;相比较而言，即使背景消减法比较全面地利用与图像序列空间上的重要信息，可是也没能想到图像序列上时间的相关性，这样一来得到的结果就会有比较多的冗余，会造成结果有较大误差。所以，要既想保证结果的准确性，而且也要保证完整性的话，就应当充分并且综合利用图像序列上具有的时空信息。 目标辨别图像识别国内外研究现状:http://www.youerw.com/yanjiu/lunwen_20141.html