張凱

【摘 要】 現(xiàn)有的背景差分法在背景模型的維持和更新不能用于長(zhǎng)期和復(fù)雜的場(chǎng)景，針對(duì)智能視頻監(jiān)控中的運(yùn)動(dòng)目標(biāo)的檢測(cè)，提出了幀間差分法重建背景圖像，背景差分法分離背景像素點(diǎn)與運(yùn)動(dòng)目標(biāo)點(diǎn)，自適應(yīng)背景更新方法應(yīng)用背景的定時(shí)自動(dòng)更新，有效的分離了運(yùn)動(dòng)目標(biāo)和背景圖像。該方法不僅能夠減小運(yùn)動(dòng)目標(biāo)的檢測(cè)誤差，而且提高系統(tǒng)運(yùn)行速度，實(shí)現(xiàn)復(fù)雜環(huán)境下的運(yùn)動(dòng)目標(biāo)檢測(cè)。

【關(guān)鍵詞】 智能視頻監(jiān)控 運(yùn)動(dòng)目標(biāo) 差分法 背景更新

隨著社會(huì)的不斷進(jìn)步，人們的活動(dòng)范圍越來(lái)越大，因此突發(fā)事件也越來(lái)越多，利用智能視頻監(jiān)控對(duì)其進(jìn)行監(jiān)控已經(jīng)成為很多國(guó)家關(guān)注的問(wèn)題。但是，目前大多數(shù)智能視頻監(jiān)控只是單純的對(duì)行為進(jìn)行監(jiān)控，而不能代替人腦主動(dòng)分析監(jiān)控行為。研究表明，單純的通過(guò)工作人員進(jìn)行監(jiān)控現(xiàn)場(chǎng)很難使得監(jiān)控系統(tǒng)成為一個(gè)安全系統(tǒng)。因?yàn)楣ぷ魅藛T不可能長(zhǎng)時(shí)間對(duì)視頻進(jìn)行監(jiān)控，當(dāng)專注電視事件超過(guò)20分鐘后，工作人員會(huì)降低監(jiān)控水平。因此智能監(jiān)控在這種環(huán)境下應(yīng)運(yùn)而生。

智能視頻監(jiān)控是結(jié)合計(jì)算機(jī)視覺和視頻圖像分析技術(shù)，通過(guò)對(duì)攝像機(jī)記錄的圖像序列進(jìn)行自動(dòng)分析，實(shí)現(xiàn)對(duì)動(dòng)態(tài)場(chǎng)景中目標(biāo)的定位、識(shí)別和跟蹤，并在此基礎(chǔ)上分析和判斷目標(biāo)的行為，從而實(shí)現(xiàn)日常管理和異常情況下及時(shí)做出決策。智能視頻監(jiān)控具有多種優(yōu)點(diǎn)，比如非接觸測(cè)量、高精度、實(shí)時(shí)性強(qiáng)，因此智能視頻監(jiān)控被廣泛運(yùn)用在公共場(chǎng)所進(jìn)行全天候、自動(dòng)、實(shí)時(shí)地監(jiān)控。雖然智能視頻監(jiān)控經(jīng)過(guò)了幾年的發(fā)展已經(jīng)有了大大的進(jìn)步，但是智能視頻監(jiān)控還存在著一些不足，本文對(duì)智能視頻監(jiān)控中的關(guān)鍵技術(shù)，即運(yùn)動(dòng)目標(biāo)檢測(cè)方法進(jìn)行研究。

1 運(yùn)動(dòng)目標(biāo)檢測(cè)方法

在智能視頻監(jiān)控中運(yùn)動(dòng)目標(biāo)檢測(cè)的目的是將序列圖像中的變化區(qū)域從背景圖像中提取出來(lái)，在后期處理中運(yùn)動(dòng)區(qū)域的有效分割起著決定性作用。但是，運(yùn)動(dòng)目標(biāo)檢測(cè)是一項(xiàng)相當(dāng)困難的工作，由于背景圖像會(huì)經(jīng)常變化，比如天氣變化、陽(yáng)光變化、影子等。目前在智能視頻監(jiān)控中幾種常見的運(yùn)動(dòng)目標(biāo)檢測(cè)方法有：光流法、相鄰幀差法，背景減法。

1.1 光流法

光流是空間運(yùn)動(dòng)物體被觀測(cè)面上的像素點(diǎn)運(yùn)動(dòng)產(chǎn)生的瞬間速度場(chǎng)，包含了物體表面結(jié)構(gòu)和動(dòng)態(tài)行為的重要信息。相機(jī)運(yùn)動(dòng)、場(chǎng)景中的目標(biāo)運(yùn)動(dòng)共同產(chǎn)生了光流。光流法的有點(diǎn)在于不需要知道場(chǎng)景的信息便可以檢測(cè)運(yùn)動(dòng)對(duì)象，而且光流法還可以運(yùn)用在攝像機(jī)運(yùn)動(dòng)的情況。但是光流法還有一些缺點(diǎn)，在噪音大、光源多、陰影多的情況下，光流法精確度相對(duì)比較低，而且光流法對(duì)硬件要求比較高，否則計(jì)算復(fù)雜，耗時(shí)較多，難以實(shí)現(xiàn)運(yùn)動(dòng)目標(biāo)實(shí)時(shí)檢測(cè)。

1.2 相鄰幀差法

相鄰幀差法是目前在智能視頻監(jiān)控運(yùn)動(dòng)目標(biāo)檢測(cè)中運(yùn)用的最多的一類算法。相鄰幀差法原理是將相鄰兩幀圖像對(duì)應(yīng)的圖像值相減，如果相減的值相差很小，則認(rèn)為該圖像是靜止的，否則是動(dòng)態(tài)的。將圖像中所有區(qū)域標(biāo)記下來(lái)，利用這些標(biāo)記的像素區(qū)域，就可以求出運(yùn)動(dòng)目標(biāo)在圖像中的位置。相鄰幀差法的有點(diǎn)在于對(duì)于動(dòng)態(tài)圖像具有較強(qiáng)的自適應(yīng)性，魯棒性較好，能夠適應(yīng)各種環(huán)境。但是算法的缺點(diǎn)在于無(wú)法提取所有的特征像素點(diǎn)，這就導(dǎo)致了在運(yùn)動(dòng)實(shí)體內(nèi)部容易產(chǎn)生空洞現(xiàn)象。

1.3 背景減法

背景減法也是運(yùn)動(dòng)目標(biāo)檢測(cè)的常用方法，其原理是將輸入圖像與背景模型進(jìn)行比較，通過(guò)判定灰度特征的變化判斷異常情況的發(fā)生和分割運(yùn)動(dòng)目標(biāo)。在背景減法中，常用的方式為：從監(jiān)控的視頻中抽取一副圖像作為背景。雖然背景減法能夠提供非常完全的特征數(shù)據(jù)，但是對(duì)于光照等外來(lái)因素特別敏感。背景減法的優(yōu)點(diǎn)在于實(shí)現(xiàn)簡(jiǎn)單，能夠分割運(yùn)動(dòng)對(duì)象。

2 運(yùn)動(dòng)目標(biāo)檢測(cè)實(shí)現(xiàn)

2.1 問(wèn)題提出

在視頻監(jiān)控中運(yùn)動(dòng)目標(biāo)檢測(cè)需要解決以下幾個(gè)問(wèn)題：

（1）對(duì)象是運(yùn)動(dòng)的，而且背景圖像也不固定，背景圖像隨著對(duì)象的運(yùn)動(dòng)而運(yùn)動(dòng)，因此要解決在視頻采集的同時(shí)如何獲取背景圖像；

（2）獲取背景圖像后，如何觸發(fā)采集設(shè)備從視頻流序列中采集圖像；

（3）背景更新問(wèn)題，光線天氣等原因經(jīng)常發(fā)生劇烈變化，如果一直使用同一背景，那么檢測(cè)結(jié)果必然會(huì)發(fā)生巨大偏差，因此應(yīng)該隨時(shí)對(duì)背景進(jìn)行更新。

2.2 重建背景

將視頻流中連續(xù)兩幀圖像進(jìn)行對(duì)比分析可知，每幀圖像又可以分為背景和前景兩類區(qū)域?；叶戎底兓^小的像素點(diǎn)構(gòu)成背景區(qū)域，灰度值變化較大的像素點(diǎn)構(gòu)成前景區(qū)域，運(yùn)動(dòng)目標(biāo)當(dāng)前和原來(lái)所在的區(qū)域都包括在內(nèi)。因此，針對(duì)2.1節(jié)所提出的第一個(gè)問(wèn)題，系統(tǒng)檢測(cè)的背景不確定的問(wèn)題，可以采用每次采集圖像時(shí)使用幀間差分法重新獲取背景圖像，重建背景。對(duì)于一段連續(xù)的視頻圖像，運(yùn)用幀間差分法獲取幀圖像進(jìn)行兩兩差分，然后根據(jù)差分結(jié)果來(lái)獲取每一幀圖像的背景區(qū)域和前景區(qū)域，然后取背景像素點(diǎn)的灰度值的平均值作為背景圖像。重建背景的過(guò)程如下：

假設(shè)視頻圖像序列為F1至Fn，取Fk（i，j）和Fk+1（i，j）為視頻序列中的兩個(gè)相鄰圖像。對(duì)Fk（i，j）和Fk+1（i，j）進(jìn)行幀間差分法處理，從而檢測(cè)背景像素點(diǎn)。檢測(cè)規(guī)則函數(shù)如公式（1）所示。

（1）

其中，T為實(shí)際灰度值，計(jì)算T的公式如公式（2）所示。

（2）

在公式（1）中，B（i，j）為背景像素點(diǎn)，在公式（2）中，Tv為設(shè)定的灰度閥值，N為圖像中的像素點(diǎn)數(shù)量值。反應(yīng)的是光線差值在兩幅連續(xù)的圖像間的變化。如果光線變化的明顯，則較大，那么T值則可以適應(yīng)光線的變化而變化。

2.3 運(yùn)動(dòng)對(duì)象檢測(cè)的視頻抓圖方法

本文所研究的視頻流為CIF格式，每秒30幀圖像，圖像像素大小為252x288。首先在背景圖像中設(shè)置一塊128x128的檢測(cè)區(qū)域，當(dāng)檢測(cè)區(qū)域中有運(yùn)動(dòng)對(duì)象出現(xiàn)時(shí)，視頻圖像的灰度會(huì)發(fā)生變化，當(dāng)多種特征的變化超過(guò)一定閥值時(shí)，觸發(fā)采集設(shè)備抓取視頻。具體方法如下。

2.3.1 背景差分法生成二值圖像

將待檢測(cè)幀中每一個(gè)像素點(diǎn)的灰度值與背景圖像中對(duì)應(yīng)的像素點(diǎn)的灰度值進(jìn)行差分運(yùn)算。當(dāng)差值大于設(shè)定的閥值時(shí)，則可以確定該點(diǎn)為運(yùn)動(dòng)目標(biāo)點(diǎn)。假設(shè)要檢測(cè)的幀圖像中像素點(diǎn)的灰度值為G（i，j），背景圖像中對(duì)應(yīng)像素點(diǎn)的灰度值為B（i，j），令D（i，j）=|G（i，j）-B（i，j）|，設(shè)定Tp為差分閥值，當(dāng)D（i，j）>Tp，則此點(diǎn)為運(yùn)動(dòng)目標(biāo)。在這里假設(shè)endprint

（3）

通過(guò)公式（3）可以得出，運(yùn)動(dòng)點(diǎn)的值都可以標(biāo)記為1，背景點(diǎn)的值都被標(biāo)記為0。如果在檢測(cè)區(qū)域中出現(xiàn)運(yùn)動(dòng)目標(biāo)，E（i，j）的值應(yīng)該是連續(xù)的0，1變化。

2.3.2 過(guò)濾非連續(xù)出現(xiàn)的運(yùn)動(dòng)目標(biāo)點(diǎn)

第一步，假設(shè)Tm的初始值為1，Tm代表檢測(cè)區(qū)中目標(biāo)點(diǎn)出現(xiàn)的情況。從檢測(cè)區(qū)的左下角開始順序檢測(cè)二值圖像。

第二步，如果E（i，j）=1，則判斷E（i+1，j）是否為1，如果E（i+1，j）=1，則令Tm=Tm*a，如果E（i+1，j）不等于1，繼續(xù)檢測(cè)E（i+2，j）……，知道檢測(cè)到E（i+p，j）為1時(shí)，令Tm=Tm/b。

第三步，重復(fù)第二步的步驟，直到檢測(cè)區(qū)全部檢測(cè)完畢。

第四步，設(shè)定一個(gè)閥值Q，當(dāng)Tm>Q時(shí)，抓取圖像。

本步驟中，a>b，其中a為連續(xù)運(yùn)動(dòng)目標(biāo)點(diǎn)的加權(quán)系數(shù)，b為非連續(xù)目標(biāo)點(diǎn)的加權(quán)系數(shù)。

2.4 背景更新

針對(duì)2.1節(jié)所提出的第三點(diǎn)問(wèn)題，本節(jié)給出詳細(xì)的解決方案。在視頻監(jiān)控中，背景會(huì)隨著時(shí)間的變化而變化，本文給出自適應(yīng)背景相減分割法，使得背景自動(dòng)進(jìn)行更新。自適應(yīng)背景相減分割法的原理就是通過(guò)視頻序列的當(dāng)前背景和當(dāng)前幀加權(quán)平均更新背景。

在公式（3）中，運(yùn)動(dòng)目標(biāo)點(diǎn)的值為1，背景目標(biāo)點(diǎn)的值為0，對(duì)于E（i，j）=0的像素點(diǎn)，用當(dāng)前幀的像素來(lái)更新背景。對(duì)于E（i，j）=1的像素點(diǎn)，用當(dāng)前背景的像素來(lái)更新背景。當(dāng)前幀的像素和當(dāng)前背景的像素可以合成一個(gè)瞬時(shí)背景I（i，j），通過(guò)與當(dāng)前背景的加權(quán)平均可以得到更新后背景H（i，j）.更新后背景函數(shù)如公式（4）所示。

（4）

在公式（4）中，R為權(quán)值，由人工進(jìn)行設(shè)定，R值會(huì)直接影響背景更新函數(shù)，如果R值設(shè)定不當(dāng)，則更新后的背景圖像質(zhì)量就不會(huì)很好。經(jīng)過(guò)試驗(yàn)證明，設(shè)定R=0.9能夠達(dá)到最佳效果。

3 結(jié)語(yǔ)

本文針對(duì)智能視頻監(jiān)控中的運(yùn)動(dòng)目標(biāo)檢測(cè)提出了一套完整的解決方案，從獲取背景圖像、采集圖像、背景更新三大方面進(jìn)行了詳細(xì)的設(shè)計(jì)，提出了以幀間差分法重建背景圖像，以背景差分法分離前景像素點(diǎn)與背景像素點(diǎn)，以自適應(yīng)背景相減分割法來(lái)使得背景進(jìn)行自動(dòng)更新。本方法可以廣泛運(yùn)用到智能視頻監(jiān)控中運(yùn)動(dòng)目標(biāo)檢測(cè)當(dāng)中，具有高效的實(shí)用價(jià)值。

參考文獻(xiàn)：

[1]李立仁，李少軍.智能視頻監(jiān)控技術(shù)綜述[J].中國(guó)安防.2011.5（4）：12-14.

[2]朱守剛.智能視頻監(jiān)控技術(shù)研究及應(yīng)用[J].數(shù)字技術(shù)與應(yīng)用2012.3（2）：56-57.

[3]孫承志，熊田忠.基于差分的光流法在目標(biāo)檢測(cè)跟蹤中的應(yīng)用[J].機(jī)床與液壓.2009.2：32-34.

[4]劉俊曉，孟祥增.基于幀差與非相鄰幀差的自適應(yīng)鏡頭檢測(cè)方法[J].計(jì)算機(jī)工程與應(yīng)用.2012.2（4）：121-123.

[5]李文斌，周曉敏.一種基于北京減法的運(yùn)動(dòng)目標(biāo)檢測(cè)算法[J].北京科技大學(xué)學(xué)報(bào).2012.6（3）：67-69.endprint

（3）

通過(guò)公式（3）可以得出，運(yùn)動(dòng)點(diǎn)的值都可以標(biāo)記為1，背景點(diǎn)的值都被標(biāo)記為0。如果在檢測(cè)區(qū)域中出現(xiàn)運(yùn)動(dòng)目標(biāo)，E（i，j）的值應(yīng)該是連續(xù)的0，1變化。

2.3.2 過(guò)濾非連續(xù)出現(xiàn)的運(yùn)動(dòng)目標(biāo)點(diǎn)

第一步，假設(shè)Tm的初始值為1，Tm代表檢測(cè)區(qū)中目標(biāo)點(diǎn)出現(xiàn)的情況。從檢測(cè)區(qū)的左下角開始順序檢測(cè)二值圖像。

第二步，如果E（i，j）=1，則判斷E（i+1，j）是否為1，如果E（i+1，j）=1，則令Tm=Tm*a，如果E（i+1，j）不等于1，繼續(xù)檢測(cè)E（i+2，j）……，知道檢測(cè)到E（i+p，j）為1時(shí)，令Tm=Tm/b。

第三步，重復(fù)第二步的步驟，直到檢測(cè)區(qū)全部檢測(cè)完畢。

第四步，設(shè)定一個(gè)閥值Q，當(dāng)Tm>Q時(shí)，抓取圖像。

本步驟中，a>b，其中a為連續(xù)運(yùn)動(dòng)目標(biāo)點(diǎn)的加權(quán)系數(shù)，b為非連續(xù)目標(biāo)點(diǎn)的加權(quán)系數(shù)。

2.4 背景更新

針對(duì)2.1節(jié)所提出的第三點(diǎn)問(wèn)題，本節(jié)給出詳細(xì)的解決方案。在視頻監(jiān)控中，背景會(huì)隨著時(shí)間的變化而變化，本文給出自適應(yīng)背景相減分割法，使得背景自動(dòng)進(jìn)行更新。自適應(yīng)背景相減分割法的原理就是通過(guò)視頻序列的當(dāng)前背景和當(dāng)前幀加權(quán)平均更新背景。

在公式（3）中，運(yùn)動(dòng)目標(biāo)點(diǎn)的值為1，背景目標(biāo)點(diǎn)的值為0，對(duì)于E（i，j）=0的像素點(diǎn)，用當(dāng)前幀的像素來(lái)更新背景。對(duì)于E（i，j）=1的像素點(diǎn)，用當(dāng)前背景的像素來(lái)更新背景。當(dāng)前幀的像素和當(dāng)前背景的像素可以合成一個(gè)瞬時(shí)背景I（i，j），通過(guò)與當(dāng)前背景的加權(quán)平均可以得到更新后背景H（i，j）.更新后背景函數(shù)如公式（4）所示。

（4）

在公式（4）中，R為權(quán)值，由人工進(jìn)行設(shè)定，R值會(huì)直接影響背景更新函數(shù)，如果R值設(shè)定不當(dāng)，則更新后的背景圖像質(zhì)量就不會(huì)很好。經(jīng)過(guò)試驗(yàn)證明，設(shè)定R=0.9能夠達(dá)到最佳效果。

3 結(jié)語(yǔ)

本文針對(duì)智能視頻監(jiān)控中的運(yùn)動(dòng)目標(biāo)檢測(cè)提出了一套完整的解決方案，從獲取背景圖像、采集圖像、背景更新三大方面進(jìn)行了詳細(xì)的設(shè)計(jì)，提出了以幀間差分法重建背景圖像，以背景差分法分離前景像素點(diǎn)與背景像素點(diǎn)，以自適應(yīng)背景相減分割法來(lái)使得背景進(jìn)行自動(dòng)更新。本方法可以廣泛運(yùn)用到智能視頻監(jiān)控中運(yùn)動(dòng)目標(biāo)檢測(cè)當(dāng)中，具有高效的實(shí)用價(jià)值。

參考文獻(xiàn)：

[1]李立仁，李少軍.智能視頻監(jiān)控技術(shù)綜述[J].中國(guó)安防.2011.5（4）：12-14.

[2]朱守剛.智能視頻監(jiān)控技術(shù)研究及應(yīng)用[J].數(shù)字技術(shù)與應(yīng)用2012.3（2）：56-57.

[3]孫承志，熊田忠.基于差分的光流法在目標(biāo)檢測(cè)跟蹤中的應(yīng)用[J].機(jī)床與液壓.2009.2：32-34.

[4]劉俊曉，孟祥增.基于幀差與非相鄰幀差的自適應(yīng)鏡頭檢測(cè)方法[J].計(jì)算機(jī)工程與應(yīng)用.2012.2（4）：121-123.

[5]李文斌，周曉敏.一種基于北京減法的運(yùn)動(dòng)目標(biāo)檢測(cè)算法[J].北京科技大學(xué)學(xué)報(bào).2012.6（3）：67-69.endprint

（3）

通過(guò)公式（3）可以得出，運(yùn)動(dòng)點(diǎn)的值都可以標(biāo)記為1，背景點(diǎn)的值都被標(biāo)記為0。如果在檢測(cè)區(qū)域中出現(xiàn)運(yùn)動(dòng)目標(biāo)，E（i，j）的值應(yīng)該是連續(xù)的0，1變化。

2.3.2 過(guò)濾非連續(xù)出現(xiàn)的運(yùn)動(dòng)目標(biāo)點(diǎn)

第一步，假設(shè)Tm的初始值為1，Tm代表檢測(cè)區(qū)中目標(biāo)點(diǎn)出現(xiàn)的情況。從檢測(cè)區(qū)的左下角開始順序檢測(cè)二值圖像。

第二步，如果E（i，j）=1，則判斷E（i+1，j）是否為1，如果E（i+1，j）=1，則令Tm=Tm*a，如果E（i+1，j）不等于1，繼續(xù)檢測(cè)E（i+2，j）……，知道檢測(cè)到E（i+p，j）為1時(shí)，令Tm=Tm/b。

第三步，重復(fù)第二步的步驟，直到檢測(cè)區(qū)全部檢測(cè)完畢。

第四步，設(shè)定一個(gè)閥值Q，當(dāng)Tm>Q時(shí)，抓取圖像。

本步驟中，a>b，其中a為連續(xù)運(yùn)動(dòng)目標(biāo)點(diǎn)的加權(quán)系數(shù)，b為非連續(xù)目標(biāo)點(diǎn)的加權(quán)系數(shù)。

2.4 背景更新

針對(duì)2.1節(jié)所提出的第三點(diǎn)問(wèn)題，本節(jié)給出詳細(xì)的解決方案。在視頻監(jiān)控中，背景會(huì)隨著時(shí)間的變化而變化，本文給出自適應(yīng)背景相減分割法，使得背景自動(dòng)進(jìn)行更新。自適應(yīng)背景相減分割法的原理就是通過(guò)視頻序列的當(dāng)前背景和當(dāng)前幀加權(quán)平均更新背景。

在公式（3）中，運(yùn)動(dòng)目標(biāo)點(diǎn)的值為1，背景目標(biāo)點(diǎn)的值為0，對(duì)于E（i，j）=0的像素點(diǎn)，用當(dāng)前幀的像素來(lái)更新背景。對(duì)于E（i，j）=1的像素點(diǎn)，用當(dāng)前背景的像素來(lái)更新背景。當(dāng)前幀的像素和當(dāng)前背景的像素可以合成一個(gè)瞬時(shí)背景I（i，j），通過(guò)與當(dāng)前背景的加權(quán)平均可以得到更新后背景H（i，j）.更新后背景函數(shù)如公式（4）所示。

（4）

在公式（4）中，R為權(quán)值，由人工進(jìn)行設(shè)定，R值會(huì)直接影響背景更新函數(shù)，如果R值設(shè)定不當(dāng)，則更新后的背景圖像質(zhì)量就不會(huì)很好。經(jīng)過(guò)試驗(yàn)證明，設(shè)定R=0.9能夠達(dá)到最佳效果。

3 結(jié)語(yǔ)

本文針對(duì)智能視頻監(jiān)控中的運(yùn)動(dòng)目標(biāo)檢測(cè)提出了一套完整的解決方案，從獲取背景圖像、采集圖像、背景更新三大方面進(jìn)行了詳細(xì)的設(shè)計(jì)，提出了以幀間差分法重建背景圖像，以背景差分法分離前景像素點(diǎn)與背景像素點(diǎn)，以自適應(yīng)背景相減分割法來(lái)使得背景進(jìn)行自動(dòng)更新。本方法可以廣泛運(yùn)用到智能視頻監(jiān)控中運(yùn)動(dòng)目標(biāo)檢測(cè)當(dāng)中，具有高效的實(shí)用價(jià)值。

參考文獻(xiàn)：

[1]李立仁，李少軍.智能視頻監(jiān)控技術(shù)綜述[J].中國(guó)安防.2011.5（4）：12-14.

[2]朱守剛.智能視頻監(jiān)控技術(shù)研究及應(yīng)用[J].數(shù)字技術(shù)與應(yīng)用2012.3（2）：56-57.

[3]孫承志，熊田忠.基于差分的光流法在目標(biāo)檢測(cè)跟蹤中的應(yīng)用[J].機(jī)床與液壓.2009.2：32-34.

[4]劉俊曉，孟祥增.基于幀差與非相鄰幀差的自適應(yīng)鏡頭檢測(cè)方法[J].計(jì)算機(jī)工程與應(yīng)用.2012.2（4）：121-123.

[5]李文斌，周曉敏.一種基于北京減法的運(yùn)動(dòng)目標(biāo)檢測(cè)算法[J].北京科技大學(xué)學(xué)報(bào).2012.6（3）：67-69.endprint