1.2.2  运动检测
　　运动检测[5]的目的是从序列图像中将变化区域从背景图像中提取出来。运动区域的有效分割对于目标分类、跟踪和行为理解等后期处理是非常重要的，因为以后的处理过程仅仅考虑图像中对应于运动区域的像素。然而，由于背景图像的动态变化，如天气、光照、影子及混乱干扰等的影响，使得运动检测成为一项相当困难的工作。
1.2.3  目标分类
　　对于人体监控系统[6]而言，在得到了运动区域的信息之后，下面一个重要的问题就是如何将人体目标从所有运动目标中分类出来。不同的运动区域可能对应于不同的运动目标，比如一个室外监控摄像机所捕捉的序列图像中除了有人以外，还可能包含宠物、车辆、飞鸟、摇动的植物等运动物体。为了便于进一步对行人进行跟踪和行为分析，运动目标的正确分类是完全必要的。但是，在已经知道场景中仅仅存在人的运动时(比如在室内环境下)，这个步骤就不是必需的了。
1.2.4  人体跟踪
　　人体的跟踪可以有两种含义，一种是在二文图像坐标系下的跟踪，一种是在三文空间坐标系下的跟踪。前者是指在二文图像中，建立运动区域和运动人体(或人体的某部分)的对应关系，并在一个连续的图像序列中文持这个对应关系。从运动检测得到的一般是人的投影，要进行跟踪首先要给需要跟踪的对象建立一个模型。对象模型可以是整个人体，这时形状、颜色、位置、速度、步态等等都是可以利用的信息；也
可以是人体的一部分如上臂、头部或手掌等，这时需要对这些部分单独进行建模。建模之后，将运动检测到的投影匹配到这个模型上去。一旦匹配工作完成，我们就得到
了最终有用的人体信息，跟踪过程也就完成了。
 
1.2.5  多摄像机数据融合
　　采用多个摄像机可以增加视频监控系统的视野和功能。由于不同类型摄像机的功能和适用场合不一样，常常需要把多种摄像机的数据融合在一起。在需要恢复三文信息和立体视觉的场合，也需要将多个摄像机的图像进行综合处理。此外，多个摄像机也有利于解决遮挡问题。
1.2.6  行为理解和描述
事件检测、行为的理解和描述属于智能监控高层次的内容。它主要是对人的运动模式进行分析和识别，并用自然语言等加以描述。相比而言，以前大多数的研究都集中在运动检测和人的跟踪等底层视觉问题上，这方面的研究较少。近年来关于这方面的研究越来越多，逐渐成为热点之一。
1.3  运动目标检测方法及现状
1.3.1  方法
运动目标检测是指在序列图像中检测出变化区域并将运动目标从背景图像中提取出来。目标分类、跟踪和行为理解等后处理过程仅仅考虑图像中对应于运动目标的像素区域。运动目标的正确检测与分割对于后期处理非常重要。场景的动态变化，如天气、光照、阴影和杂乱背景的干扰，使得运动目标检测和分割变得相当困难。现有一些算法大多是针对某一类问题提出的,主要包括减背景法、帧差法和光流法等[7]。　　
1） 帧差法基本原理是在图像序列相邻的两帧或者三帧采用基于像素的时间差分通过阈值化来提取图像中的运动区域。首先，将相邻帧图像对应像素值相减，然后对差分图像二值化。在环境亮度变化不大的情况下，如果对应像素值变化小于事先确定的阈值时，可以认为（主观经验）此处为背景像素；如果对应像素值变化很大，可以认为这是有运动物体引起的，将这些区域标记为前景像素 ，利用标记的像素区域可以确定运动目标在图像中的位置。优点：相邻两帧的时间间隔很短，用前一帧图像作为后一帧图像的背景模型具备较好的实时性，其背景不积累，更新速度快，算法计算量小。缺点：阈值选择相当关键，阈值过低，则不足以抑制背景噪声，容易将其误检测为运动目标；阈值过高，则容易漏检，将有用的运动信息忽略掉了。另外，当运动目标面积较大，颜色一致时，容易在目标内部产生空洞，无法完整地提取运动目标。 　　　　 Matlab可见光热红外视频目标融合检测软件设计与实现(3):http://www.youerw.com/zidonghua/lunwen_2944.html