静态背景运动目标检测matlab

应用opencv做动态目标跟踪检测，主要包含运动估计、运动补偿、动态检测

基于图形处理器单元（GPU）提出了一种帧间差分与模板匹配相结合的运动目标检测算法。在CUDA-SIFT（基于统一计算设备架构的尺度不变特征变换）算法提取图像匹配特征点的基础上，优化随机采样一致性算法（RANSAC）剔除图像中由于目标运动部分产生的误匹配点，运用背景补偿的方法将静态背景下的帧间差分目标检测算法应用于动态情况，实现了动态背景下的运动目标检测，通过提取目标特征与后续多帧图像进行特征匹配的方法最终实现自动目标检测。实验表明该方法对运动目标较小、有噪声、有部分遮挡的图像序列具有良好的目标检测效果。

ViBe 源代码 运动目标检测 原文：http://orbi.ulg.ac.be/bitstream/2268/145853/1/Barnich2011ViBe.pdf 对应博文：http://blog.csdn.net/zhuangxiaobin/article/details/25988281

运动目标检测与识别算法的研究.pdf

运动目标检测的三帧差法算法研究（精）.pdf

本文给出了在车辆检测系统中计算机系统对摄像机拍摄到的图像处理，对图像中运动目标的检测，以一种改进的自适应混合高斯模型为背景更新方法，采用连通区检测算法分割出前景目标，以Kalman滤波作为运动模型实现对运动目标的连续跟踪。在目标跟踪时，算法针对目标遮挡引起的各种可能情况进行分析，引入了运动目标的可靠性度量，增强了目标跟踪的稳定性和可靠性。

视频中运动目标检测与跟踪算法的研究.doc

提出一种目标检测算法，首先选取视频的第一帧作为背景帧，运用加权累加图像方法更新背景图像，背景图像的更新速率通过相邻帧的差分结果决定，再运用背景差分算法提取出运动目标。计算运动目标的区域的熵值，通过熵值判断出特征目标。实验结果表明，该算法简单，稳定性好，能够较好解决动态背景的问题并且检测出特定目标。

高斯混合模型广泛应用于基于背景建模的运动目标检测中。首先在 YCbCr颜色空间采用自适应高斯混合 模型对背景的每个像素建模;然后,对输入的当前帧图像的每一像素值与该像素点对应的高斯混合背景模型的各 个高斯模型进行比较,将前景运动区域(包括运动目标、投射阴影)从场景中提取出来;最后,采用局部二元图( Lo-cal Binary Pattern,LBP)来提取纹理特征,利用背景在阴影覆盖前后的纹理相似性去除投射阴影,同时结合阴影的空 间几何特性优化运动目标检测结果。实验结果表明,该算法能有效地检测出投射阴影和