1运动目标检测研究现状-微信小程序获取微信运动步数的实例代码

1．2国内外研究现状 1．2．1运动目标检测研究现状 运动目标检测处于整个视频监视系统的最底层，是各种后续高级应用 的基础，如目标跟踪、目标分类、目标行为理解等。相对于静止信息来说， 运动信息更能引起人们的注意，也更加有用。例如，对于自动视频监控系 统，监控对象的变化也是它更感兴趣的信息。自动视频监控系统是利用摄 像头采集到的图像序列对监控的对象进行不问断监视，如出现异常情况， 给出报警信号，通知有关人员进行及时处理。为了对监控对象的变化进行 检测，系统要对采集得到的图像序列进行有效地处理，从中分离出变化信 息，对于一般场合变化信息就是目标的运动。 常用运动目标检测算法主要有时间差分法、光流法和背景减除法【lo】。 时间差分法能够适应动态背景，但一般无法提取全部特征像素；光流法 (optical now)能在摄像头运动的情况下也能检测出独立的运动目标，但光 流场的计算相当复杂，且抗噪性能差，因此如果没有特别的硬件装置，则 难以应用于实时处理中。 目前很多文献都采用减背景【111(bac蚝round subtraction)思想来开展运 动目标检测的研究。即将每个输入视频帧和一张背景图像相比较，如果同 位置的像素特征、像素区域特征或其他特征存在一定程度的差别，则新视 频帧中这些位置的像素点或像素区域就构成前景运动目标区域。若对这些 前景像素点作进一步处理，即可得到运动目标位置、大小、形状等信息， 以便进行目标跟踪和视频内容理解。减背景算法流程如图1．1所示： 图I．1减背景运动目标检测流程图 显然，提取前景像素的准确性将严重影响感兴趣运动目标的检测。虽 然已有很多文献提到减背景算法，但远还没有完全解决复杂环境中的运动 2