目前，国际舞台上许多高校和研究所，如牛津大学、麻省理工大 学等都针对运动检测目标的研究或者研究室都做了专门的设立。英美 等国家也为此做了大量的研究。不仅如此，一些著名的研究机构和公 司，如 Microsoft,麻省理工、IBM 等近些年也投入了大量的人力物力 进行运动检测的研究，部分结果已经投入了市场。
而在国内的研究机构中，中国科学院北京自动化研究所下属模式 识别图像重点实验室在监控领域位于领先的地位。在人的运动视觉监 控、交通场景视觉监控和行为模式识别等许多方面都进行了深入的研 究。此外，通过学习雷丁大学 VISEWS 的车辆交通建工系统的研究经 验。在理论的基础上，初步实现一个拥有自主知识产权的交通监控系 统 vstart。北京航空航天大学、上海大学等许多其他高校也对这方 面进行研究。华为也在视觉方面进行了大量的努力，并认为今后将是 图像的世界。
基于背景减除法的运动检测算法的学习
摘要
随着科技的日渐发展，智能机器和智能人工的发展也随之迅速发 展起来。许多繁琐复杂的工作将由智能机器人取而代之。智能自动化， 会带来生产力的提升，是机械现代化的新热点。然而大量的数据处理 将会是信息技术面临的首要问题。其中多媒体数据处理是当中的一部 分，图像处理占了很大的比例，因此，如何进行图像的自动处理成为 了一个重要问题。其中，目标运动检测是近些年的应用和理论的热点 研究，也是视觉科学界的重要分支。此领域的研究，对社会安全领域 有着重要的作用，他能将图像中感兴趣的运动目标与不感兴趣的静止 目标进行区分。如，远程无线婴幼儿监护，设备智能启动、自动触发 门禁等等，交通自动追踪。在运动检测算法中，背景减除法被广泛应 用，在本论文中，将对此方法进行学习研究，并应用于图像处理。 关键词：背景减除法 运动检测 智能机器人 数据处理
另一方面，对运动物体的检测后，我们还可以结合一些特征点识 别的方法，对运动物体进行跟踪，这也是运动检测的一个巨大的应用。 在安全领域，也有很大的意义。
综上所述，我们可以知道，三种方法各有优劣。背景减除法实现 简单，但当背景图像发生变换，此方法将失效。光流法性能强大，但 有三个限制条件。相邻帧法虽然克服了背景变化带来的影响，计算方 法也相对简单。但是其分割的运动对象区域不完整。我们需要在不同 的场合，选择合适的方法。
图.视频监控下的家里情况
第二章 方法介绍
背景减除法的基本概念： 背景模型背景减除法的关键，它是分割前景的基础，它主要研究
的问题如下： （1）背景扰动：背景中含有一些干扰的对象，比如树叶树枝的晃动， 但这些干扰的对象不能看作是运动目标； （2）模型背景的提取：最简单获取背景模型的方法是没有目标运动 场景的情况下进行，但有些时候无法满足这种要求，这是只能通过用 某些帧数的图像序列建立背景模型； （3）背景的更新：因为外界因素的变化可能会使图像背景发生变化， 所以要更新背景； （4）外界光线的变化：一天当中，不同的时间，不同天气的光线都 不同，所以会对检测的结果有影响。
Abstract
With the increasingly development of science and technology, intelligent machine and intelligent human development has been rapidly developed. Many of the complex work of intelligent robot instead. Intelligent automation, will bring productivity promotion, is a new hot spot machinery modernization. However, a large amount of data processing will be the top issue facing the information technology. Which is a part of multimedia data processing, image processing, account for a large proportion, therefore, how to carry out automatic processing of the image has become a important problem. Among them, the target motion detection is a hot topic in recent years the application and theory of research, is also a important branch of vision science. Research in the area, has a important role on social security, can he will be interested in moving targets in image and are not interested in stationary target. Such as remote wireless baby monitor, intelligent equipment start-up, automatic trigger entrance guard, etc., traffic automatic tracking. In motion detection algorithm, the background subtraction division is widely used, in this thesis, the method for the study, and applied to image processing.
灰度值差别较小时，则认为没有运动目标通过。在一定阔值范围内， 我们就可以把这个像素点看成背景素点。背景减除法根据模型的不同 可分为：平均值法、直面图法、Kalman 滤波器法，HMM 模型法、混合 高斯分布背景模型法等等。典型的背景减除法有：W4 模型、均值滤 波法、码书模型、隐马尔可夫模型等等。 1）W4 模型
③相邻帧差法 此方法类似于背景减除法，但是，此时减除的，不再 是背景图像，而是“前一副”采集图像。时间上很接近的两副图像， 其背景不会差别太大。因此，相邻帧进行相减后，将会提取出运动的 物体。然而，如果物体具有一定的大小，在做相邻帧的减法的时候， 我们只能获得运动物体边缘区域的信息。物体中间的区域，在相邻帧 运算的时候，无法被判断为运动区域。
常用的简单背景建模方式：先抽取一副图像的视频序列，或者 通过几幅图像平均值的计算来作为背景。他能提供比较完全的数据特 征，但如果场景是动态的，如对外来的干扰和光照十分敏感，所以大 部分研究人员都在着力于研究不同的背景模型，用来降低动态的背景 对分割运动的影响。
背景减除法是一种特殊的帧方法。它是利用帧图像和背景图像对 立像素点的灰度值来检测运动目标的。当当前的图像素点与背景图像 的像素点灰度值差别很大时，就认为有运动目标通过，反之，当两者
图.利用视频对车内外的监控
在国内国外，上班族的父母由于工作的需要无法长时间陪在宝 宝的身边，所以常常聘请保姆帮他们照看自己的孩子。而如今在网上 经常看到保姆虐待婴幼儿的丑闻。使得作为父母的他们很担心类似的 事情发生。所以视频监控起了很大的作用。只需一个摄像头和一部手 机就可以时刻观察家里的情况。从而可以是自己能放心的工作。所以 说运动检测给人们带来的方便、利益是非常可观的。
W4 模型是 Haritaoglu 等人提出的，他是将模型中的每个像素点 用 3 个值来描述，即最小值 MIN（x,y），最大值 MAX（x,y）和最大 邻间差分值 DMAX(x,y)。最大邻间差分值 DMAX(x,y)的意思是相邻两 帧的像素灰度差异最大值，这 3 个参数需要 L 帧背景来事先估计。当 有一帧新的图像输入时，将该图像的像素 X（x,y）与像素对立的 3 个值作比较，若满足下式：
接下来，我们先来介绍一些与运动检测的算法相关的背景知识。 1.1 背景知识介绍 背景减除法近 8 年来发展状况如下：
人类从外界环境捕捉的信息中。视觉信息所占比例最大。视频监 控应用于很多领域，尤其对于某些特定公众场合，比如：十字路口、 繁华商场、高速公路、银行、机场等等。自然界中的物体有动静之分， 在某些具体的应用中，人们对运动的物体比较感兴趣，在摄像头捕捉 到的图像中，人们只关心运动目标。例如在商场，某些特定的时间， 如半夜的时候不允许有物体经过某个区域，一旦捕捉到有物体经过就 会自动报警，类似的还有珠宝店以及对安保要求很高的其他场合。因 此在这些情况下就需要使用运动检测技术，便于自动对目标的分析、 监控对其行为，并做出准确判断。因此，如何充分有效的利用检测算
第一章 绪论
我们的日常生活中大量的信息来自图像，很多图像中的物体，实 际上是在运动的，通过相机，我们可以拍摄某个时刻的图像。但如果 我们使用摄像机，我们得到的其实是一组运动的图像。从这个角度出 发，我们非常需要进行运动的检测。通过运动的检测，我们可以实现 精密测量、家居安全、机器人自动运行等等方面的应用。因此，运动 检测也成为了当今的研究热点之一。
虽然其背景减除法对背景的要求很高，但是，在我们可以保证背 景变化不大的前提下，其计算方法简易，计算结果更为精确，非常适 合于本科设计过程中的学习。因此，我们在本论文中，将使用背景减 除法，检测运动的物体。
1.2 国内外研究现状
运动检测计算机视觉指的是用计算机来实现人的视觉功能，其研 究目标是使计算机具有一副或多幅图像认知周围环境的能力。作为视 觉的一个分支，就是对视场的目标，比如人或交通工具，进行实时的 观测。
法来检测目标极为关键，而所用的算法的性能将会直接影响到后续的 结果。因此建立一种好的检测算法至关重要。了解检测算法的检测效 果对算法本身有一定的指导意义，有助于在众多的检测算法中选择最 佳的算法。
根据需求的不同，应用到的检测算法也不同，不同的检测算法都 各有优劣。在这里，我们将介绍两种常用的方法。 ①背景减除法：当前大多数的摄像头都是固定在空间的某个位置。而 被监控的对象的背景通常不会发生变化。在这种情况下，可以使用背 景减除法对运动的物体进行检测。当监控的对象中的物体处于静止状 态时，前后两个很短的时间间隔内，拍摄的图像是几乎相同的。将这 两幅图像进行相减，得到的信息接近于 0。如此，可以判断图像中没 有物体运动。我们将没有外界物体进入，静止时刻的图像，作为背景。 在实际的工作中，当有外界物体进入时，拍摄的图像与静止图像有着 很大的区别，拍摄图像扣除背景图像后，将得到一个不为 0 的图像。 其中，数值剧烈变化的区域，就是运动物体所处的区域。 ②光流法 除了背景减除法外，还有光流法。光流法的应用有三个基 本使用条件：1. 环境的光照保持不变；2.物体是小运动；3.空间一 致，物体的相对位置于图像中的相位位置保持一致。光流的研究是利 用图像序列中的像素强度数据的时域变化和相关性来确定各自像素 位置的“运动”。其中一种主要的方法是微分法。通过时空的微分， 我们可以判断物体的运动方向。光流法不需要获取对象的背景特征， 在场景经常发生变化的情况下比较适用。