2024年6月14日发(作者：)

主要基于两种思路：

a)不依赖于先验知识，直接从图像序列中检测到运动目标，并进行目标识别，最终跟踪

感兴趣的运动目标；

b)依赖于目标的先验知识，首先为运动目标建模，然后在图像序列中实时找到相匹配

的运动目标。

一．运动目标检测

对于不依赖先验知识的目标跟踪来讲，运动检测是实现跟踪的第一步。运动检测即为

从序列图像中将变化区域从背景图像中提取出来。运动目标检测的算法依照目标与摄像机

之间的关系可以分为静态背景下运动检测和动态背景下运动检测

〔一〕静态背景

1.背景差

2.帧差

4.光流

背景减算法可以对背景的光照变化、噪声干扰以及周期性运动等进行建模，在各种不

同情况下它都可以准确地检测出运动目标。因此对于固定摄像头的情形，目前大多数的跟

踪算法中都采用背景减算法来进行目标检测。背景减算法的局限性在于它需要一个静态的

固定摄像头。

〔二〕运动场

通常情况下，摄像机的运动形式可以分为两种：a)摄像机的支架固定，但摄像机可以偏

转、俯仰以及缩放; b)将摄像机装在某个移动的载体上。由于以上两种情况下的背景及前景

图像都在做全局运动，要准确检测运动目标的首要任务是进行图像的全局运动估计与补偿。

考虑到图像帧上各点的全局运动矢量虽不尽相同 (摄像机做平移运动除外 )，但它们

均是在同一摄像机模型下的运动，因而应遵循相同的运动模型，可以用同一模型参数来表

示。

全局运动的估计问题就被归结为全局运动模型参数的估计问题，通常使用块匹配法或

光流估计法来进行运动参数的估计。

块匹配

基于块的运动估算和补偿可算是最通用的算法。可以将图像分割成不同的图像块，假

定同一图像小块上的运动矢量是相同的，通过像素域搜索得到最正确的运动矢量估算。块

匹配法主要有如下三个关键技术：

a)匹配法则，如最大相关、最小误差等

b)搜索方法，如三步搜索法、交叉搜索法等。