采用差分检测方式检测移动目标，并进行图像处理，代码

引言：

一、视频中移动目标检测的方法：

1. 基于像素的移动目标检测（像素颜色值，像素位置）

2. 基于区域的移动目标检测（像素属性之间的关联，大尺度特征）

3. 其他方法

二、由于视频环境的复杂和应用场景的复杂，很难使用单一技术应对所有的应用环境，各种相关算法不断涌现出来。

问题陈述及应用：

移动目标检测一般不单独构成应用，而是在作为系统的一个组件。

随着系统应用的不同，一般目标检测的具体要求也不同。

一、系统陈述

1. 高层次的模型一般具有三个模块（检测、跟踪、识别），其中识别模块不是必须的。

2. 检测模块可细分为两个小模块（移动目标区域检测和移动目标分组）。

3. 模型的输入为连续的视频，输出为跟踪的物体或分类的物体。

二、 重点讨论内容：判定移动目标区域

1. 如何提取运动的前景

2. 如何建立一个良好的背景模型（不是主要任务，但是是完成任务目标的重要辅助工具）

3. 背景差分

基于像素的移动目标检测：

一、均值-阈限法

二、阴影去除及三高斯模型

解决阴影的方案： 抛弃灰度值，使用颜色值建模。

假设：移动目标投射到路面上的阴影主要改变了该位置的亮度而对色度没有大的影响。

HSV好解决，RGB稍微复杂。

利用亮度、色度偏离值将新的颜色分为四个类别：前景 背景 阴影 强光

一种更复杂的方法：三高斯模型。

利用三个高斯分布分别对道路、运动前景和阴影进行建模。

主要问题：如何通过一定时间的学习获得每个高斯分布的参数从而建立有效的模型。（EM算法，增量EM算法）。

————————————————
版权声明：本文为CSDN博主「Xiaoxll12」的原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/Xiaoxll12/article/details/92399250