【安防知识网】复杂条件(或背景)下的运动目标检测和跟踪一直是视频图像处理的难点，也日益成为视频图像处理系统实用性和可靠性的严重障碍。由于各种视频应用的场合不尽相同，运动目标所处的环境和背景千变万化，这对运动目标检测和跟踪算法的适应性和稳健性提出了更高的要求。但是从目前的条件和技术水平来说，提出一种抗干扰性强、能适应各种场合各种条件的、稳健的运动目标检测和跟踪方法是不可能的。在大量学者的研究下，产生了很多在特定条件下具有良好性能的运动目标检测和跟踪的方法。目前国内外对视频图像处理中运动目标检测和跟踪技术的研究很多，出现了一大批很有价值的文献及成型系统。
1、国内研究现状
国内如西安交通大学图像处理与识别研究所、华中理工大学图像识别与人工智能研究所等在运动目标检测上做了大量的工作;清华大学图形图像研究所、中科院自动化所模式识别国家重点实验室及上海交大图像处理与模式识别研究所主要针对视频运动跟踪中的轮廓跟踪算法进行了研究;武汉乐通光电公司高新技术研究所在智能视频监控产品形态、实现方式、系统设计、软件框架及应解决的技术问题也进行了研究并发表了序列文章。
2、国外研究现状
国外的研究侧重于在应用中研究理论，如卡内基梅隆大学和美国萨尔诺夫公司联合研制的视频监控系统vsAM(video surveiuanee And Monitoring)系统，该系统目的是为了发展自动视频理解技术，它通过用户的操作可以监视复杂如城市或战场的场景;美国马里兰州大学和IBM公司联合研制的实时视频监控系统w4将形状分析和目标跟踪技术相结合，对人的外表进行模型构建。该系统可以在室外的环境下检测和跟踪人群，并对他们的行为进行监视;美国麻省理工学院多媒体实验室研制的Pfinder系统能在室内恢复人的三维描述，它可以在复杂的环境下对单个人进行跟踪;此外，还有日本索尼公司等，也在智能视频监控方面做了一些有成效的工作。
视频监控的智能化，将是包括嵌入式DVR在内的未来安防产品的发展方向，据行业人士认为，智能视频监控的核心技术就是运动目标检测及跟踪，目前市场上流行的各种智能视频监控功能都是以运动目标检测及跟踪为基础的。
运动目标检测和跟踪由于所处的实际处理环境不同，将会受到来自不同因素的影响，它们会不同程度地影响运动目标检测及跟踪的准确性和稳定性，系统对不同环境的适应性也存在很大的挑战，这些影响系统性能的因素包括下面几点：
[nextpage] 1、光线高密度的变化
由于现场光线高密度的变化将使得背景图像也随之发生变化，从而很难将这些变化与图像中由于前景目标的引入导致的变化加以区分。
2、阴影和物体间的重叠遮盖
运动的前景目标的阴影部分可能会造成背景中局部画面亮度变化，另外运动的目标之间，以及运动的目标与背景之间的重叠遮盖，都可能会改变检测出来的运动目标的形状和其他特征。
3、前景目标与背景中物体相似
当运动的前景目标与背景中景物在颜色和形状等外观特征相似时，将增大从背景中分辨出前景目标的难度。
4、非静态背景
当背景并不是静态时，比如天空中运动的云块，公路边的建筑、树，这些运动的背景有可能被当成前景目标进行处理，这样将增加运动目标的检测、跟踪难度。
5、运动目标的高速运动
前景目标的高速运动可能会导致许多不同的目标频繁在背景中出入，从而难以分辨哪些是真正的背景，哪些是前景目标，从而给运动目标检测、跟踪增加难度。
虽然，运动目标检测功能在很早以前就已经被实现了，但是传统的基于帧差的运动目标检测方法一直存在着上述难以克服的几个问题。显然，运动目标检测方法的好坏又将直接影响其它智能监控功能(跟踪、入侵、越线、丢包检测等)的性能。因此，运动目标检测是一切智能视频监控算法的基础，所以研究出高质量的运动目标检测算法是重中之重。[nextpage]
目前，一些厂家在传统运动目标检测算法的基础之上做了大量的改进，取得了一些突破性的效果。传统运动目标检测算法和改进的运动目标检测算法的效果比较如图1、图2所示。
a&s是国际知名展览公司——德国法兰克福展览集团旗下专业的自动化&安全生态服务平台，为智慧安防、智慧生活、智能交通、智能建筑、IT通讯&网络等从业者提供市场分析、技术资讯、方案评估、行业预测等，为读者搭建专业的行业交流平台。
粤公网安备 44030402000264号
