这些论文深入研究并改进动目标尤其是慢速运动目标的检测和成像技术, 提高动目标检测概率,全面获取动目标的运动参数并对动目标精确成像;同时, 试图寻求一些新的动目标检测和成像方法,创新性地解决动目标检测和成像中的 关键问题,使之更加先进、高效和实用。是合成孔径雷达（SAR）运动目标检测经典论文。

在智能视频监控系统中，运动阴影如果被误判为运动目标，将会影响到场景中运动目标的准确提取、跟踪和预测。针对这一问题，设计了一种基于HSV颜色空间的阴影去除方法。方法首先将背景差法和三帧差分法相结合，用于提取运动目标，再将提取的含有阴影的运动目标区域映射到其HSV色彩空间，通过与背景和相邻帧的亮度、饱和度比较，实现对阴影区域的检测和去除 ,处理过程中无需提前确定特征判别参数。将所设计的方法在标准高速公路视频数据库中进行测试并应用于实时的视频监控系统，验证结果表明该方法能更加有效的消除阴影，从而准确的检测出运动目标，同时方法对光线变化具有一定的鲁棒性。

CS

背景图像差分法是运动目标实时检测中常用的方法,但缺乏背景图像随监视场景光照变化而及时更新的合理方法,限制了该方法的适应性。对此,文章首先提出了一种自适应背景更新方法;然后利用最大类间方差法实现运动目标的自适应阈值分割,并利用基于形态学方法的连通区检测算法检测运动目标;最后以Kalman滤波为运动模型实现对运动目标的连续跟踪。实验结果表明:所提方法可随着光照条件的变化,实时、准确地检测出运动目标并实现稳定跟踪。

基于自适应背景模型的运动目标检测，陈雷，邹琪，运动目标检测作为许多计算机视觉应用中最关键的首要处理环节，在诸如视频监控、目标跟踪、视频搜索等领域中都有着广泛的应用。正

该资料使用时间差分、背景差、自适应背景更新等方法进行运动目标跟踪。

现有基于独立分量分析(ICA)的运动目标检测算法大多采用单一的观测向量生成方式和2 通道数据进行检测，使得现有算法难以获得更加完整精确的目标形态。该文在传统独立分量分析算法的基础上引入4 种不同的观测向量生成方式并使用更多通道数据进行实验，以此更广泛地涵盖运动目标的运动特性并为提取前景提供更多有效信息，使该算法能有效应对缓慢移动和低区分性目标。多场景下的量化实验分析表明，更多通道数据的使用以及4种观测向量生成方式的综合在合理的误检率代价下使算法达到了更高的检测正确率。

可以检测出视频中运动的目标，并且标出该轮廓

为了进一步提高室内检测跟踪系统的有效性和稳定性,以经典的混合高斯模型为基础,结合了积分直方图方法,提出了一种室内场景中适应光照变化的运动目标检测算法。该方法通过当前帧和背景帧的全局积分直方图差分来确定光线变化的程度。对于全局的光线突变,进行模型的全局更新。对于局部的光线变化,用光线变化比例作为高斯模型权值更新率因子,实时控制更新速率。再对高斯模型提取的前景,用区域局部积分直方图进行虚假前景的判断和消除,从而进一步提纯真实前景。仿真实验结果表明:算法较好地消除了场景中光照变化对目标检测的影响。

运动目标检测的matlab代码