lcy9819的专栏

一个简单的运动视频检测的例子，基于opencv

运动目标检测跟踪各过程算法综述

早期的运动检测如MPEG1是对编码后产生的I帧进行比较分析，通过视频帧的比较来检测图像变化是一种可行的途径。原理如下：MPEG1视频流由三类编码帧组成，它们分别是：关键帧（I帧），预测帧（P帧）和内插双向帧（B帧）。I帧按JPEG标准编码，独立于其他编码帧，它是MPEG1视频流中唯一可存取的帧，每12帧出现一次。截取连续的I帧，经过解码运算，以帧为单位连续存放在内存的缓冲区中，再利用函数在缓冲区中将连续的两帧转化为位图形式，存放在另外的内存空间以作比较之用，至于比较的方法有多种。此方法是对编码后的数据进行处

<br />    智能视频分析系统是监控的发展方向，这技术离我们并遥远，青藏铁路全线1300路通道采用视频分析，对全线铁路进行入侵保护；刚刚开通的地铁5号线，重点区域采用丢炸弹探测及入侵探测；北京航空信息中心机房，采用入侵探测及防尾随；地铁13号线，利用视频分析抓住偷窃贼；浦东机场、首都机场及已经多条在建铁路项目，均预算使用视频分析技术……<br /> <br />　　智能视频系统要解决的问题有两个：一个是将安防操作人员从繁杂而枯燥的“盯屏幕”任务解脱出来，由机器来完成这部分工作；另外一个是为在海量的视频

运动目标检测可以分为摄像机固定和摄像机运动两类；对于摄像机运动情况下的运动目标检测，光流法是比较常用的解决方法，通过求解偏微分方程求得图像序列的光流场，从而预测摄像机的运动状态。对于摄像机固定的情形，可以采用光流法也可以采用高斯背景模型，考虑到光流法计算量巨大，故而，高斯背景模型相对更常用一些。需要提醒的是，这里所谓的“背景”是指用户不需要的目标，而“前景”自然指代用户需要的特定目标了。背景模型有

运动目标跟踪在军事制导，视觉导航，机器人，智能交通，公共安全等领域有着广泛的应用。例如，在车辆违章抓拍系统中，车辆的跟踪就是必不可少的。在入侵检测中，人、动物、车辆等大型运动目标的检测与跟踪也是整个系统运行的关键所在。所以，在计算机视觉领域目标跟踪是一个很重要的分支。         运动目标检测是运动目标跟踪的前提；运动目标检测，依据目标与摄像机之间的关系可以分为静态背景下的运动检测与动

光流的概念是Gibson在1950年首先提出来的。它是空间运动物体在观察成像平面上的像素运动的瞬时速度，是利用图像序列中像素在时间域上的变化以及相邻帧之间的相关性来找到上一帧跟当前帧之间存在的对应关系，从而计算出相邻帧之间物体的运动信息的一种方法。一般而言，光流是由于场景中前景目标本身的移动、相机的运动，或者两者的共同运动所产生的。其计算方法可以分为三类：（1）基于区域或者基于特征的匹配方法；

最近一直在做前景检测方面的研究，刚开始主要是做一些工程性的应用，为了解决工程方面的问题，下了不少功夫，也看了不少最近国内外的文章。一直想做个总结，拖着拖着，终究却写成这篇极不成功的总结。      背景建模或前景检测的算法主要有：1. Single Gaussian (单高斯模型)Real-time tracking of the human body2. 混合高斯模型（Mixture