帧间差分法是运动目标检测的经典方法，但当运动目标速度低到一定数值时，难以检测到运动目标。针对其可检测目标速度的限制，在帧间差分法的基础上，提出了动态帧差法。结合FPGA处理的特点，进行了动态帧差算法的FPGA设计与实现，并构建了一个新的实时运动目标检测系统。系统能够根据目标运动情况自适应调整用于差分图像的帧间距，既适用于较快运动目标的检测，也适用于低速运动目标的检测，扩大了系统可检测运动目标的速度范围。对DDR3端口进行区域划分，解决了在资源有限的FPGA上对图像的多帧存储的问题。多组实验结果证实了动态帧差法及其FPGA设计模块的有效性和实时性。相比其他系统，所研究系统在检测低速运动目标方面具有明显的优势，且可处理1080p@30Hz的彩色视频流。

对视觉领域中全景视觉的不断研究表明, 采用鱼眼镜头获取的图像序列所研究的运动目标检测准确率低, 受到噪声干扰时鲁棒性不高, 针对该问题提出一种基于全景视觉的运动目标检测改进方法。该方法首先采用五帧差分法对图像进行处理, 利用相邻5帧之间进行差分来完成前景与背景的分离, 有效地减少目标空洞问题; 然后在混合高斯模型中提高自适应学习率和更新高斯分布数量, 有效克服了检测中出现的重影现象; 最后通过形态学处理, 得到目标检测结果。实验结果表明, 改进的方法提供了比传统的全景图像运动目标检测更可靠的检测结果, 目标检测率较高。

针对计算机绘制车道线地图的过程中，需要在移动背景下精准追踪车道线的功能需求，提出一种结合帧差法和窗口搜索的车道线跟踪方法。首先，对广角镜头拍摄的图像进行棋盘格矫正，再利用逆透视变换(IPM)将包含车道线的感兴趣区域转换为鸟瞰图，再使用色度,饱和度,纯度(HSV)、红绿蓝(RGB)分别将白色、黄色像素筛选出来。其次，利用车道线与垂线的夹角对车道线进行修正，根据修正后图片的像素密度，选出车道线的起始点，并采用滑动窗口搜索的方法提取整个车道线。最后，采用改进的帧差法，对车道线进行跟踪，并根据车道线标准对车道线像素进行规范化补充。由大量的实际道路行驶测试表明，该算法的准确率为94.97%，能够较为精确地完成车道线的追踪。

ViBe算法检测首帧中的运动目标时，常因运动目标在初始位置停留时间过长而产生伪前景，从而导致检测结果准确性降低。针对这一问题，对ViBe算法进行了改进。通过选择颜色和空间位置相近的像素点作为样本集初始化背景模型，并使用熵值法判断颜色和空间位置在相似程度函数中的权重；在分类时基于迭代法确定自适应阈值，以增强不同条件下的分割精度；结合帧差法的判定结果在二元指数分布模型中确定背景模型的更新概率。实验结果表明，该算法在噪声、光照以及背景变化的情况下仍然能保证检测结果的准确度，对比传统ViBe算法，本文算法的精密度提高了21.56%，有效地消除了鬼影的影响。

无人机(UAV)的普及,给人们带来了极大的安全隐患。针对该问题,设计了一种基于主动子空间鲁棒主成分分析(ASRPCA)和五帧差分相融合的UAV视频检测算法。首先,采用交替迭代法结合增广拉格朗日乘子法对ASRPCA模型进行优化求解,获取视频序列当前帧的背景图像;其次,用背景图像替代五帧差分的中间帧;最后,中间帧分别与前两帧和后两帧进行差分二值化运算,使得UAV有较好的检测结果和去噪能力。实验结果表明,与全变分正则化RPCA(TVRPCA)算法相比,所提算法在不同背景下的召回率、准确率和综合性能的平均值分别提高了5个百分点、4.8个百分点和5个百分点,而且每帧运行时间约为0.51 s,基本上符合目标算法的线下实时性要求。

将帧间差分法运用于舰船中靶图像识别中, 并提出了一种基于图像统计特征的舰船中靶图像识别方法。基于Visual C＋＋中的MFC对话框开发工具, 借助OpenCV计算机视觉库编写了演示软件, 并对识别方法进行了验证。结果表明, 该方法能快速、准确地识别出中靶图像, 从而为指挥员的指挥决策提供客观依据。

针对基于模板匹配的目标跟踪算法在目标被遮挡时容易出现跟踪丢失的问题,提出一种改进的结合遮挡判断和Kalman预测器的模板匹配算法。首先使用三帧差分法提取运动目标并计算运动目标区域。然后针对目标是否被遮挡引入Bhattacharyya距离进行判断,当Bhattacharyya距离小于设定的阈值,表明目标没有被遮挡,则使用归一化互相关(NCC)匹配算法对目标进行稳定跟踪,反之则利用Kalman预测器对被遮挡目标的位置和大小进行预测。实验结果表明,所提算法在静态背景下、目标发生遮挡时的跟踪成功率达到71.43%,比单一NCC匹配算法提高了21.43个百分点。

为满足复杂条件下带电作业机器人作业过程中对线缆的定位需求, 提出一种基于激光光斑的带电作业机器人线缆定位方法, 在双目相机安装滤光片, 移动激光发射器, 并在线缆上形成两个光斑。对光斑源图像提取HSV空间的亮度分量, 减少光照差异及背景对光斑的影响。利用帧间差分获得两光斑的亮度分布图的差分图像。通过光斑筛选获得目标光斑, 去除差分中抖动、光照变化等影响。通过匹配左右相机的光斑对, 计算光斑三维坐标, 获得线缆上的目标位置和姿态, 保证了立体匹配的准确率。搭建实验平台, 采集多种光照环境、背景下的线缆图, 具有96%的定位准确率, 定位误差也能达到作业需求, 验证了该定位方法的有效性及实用性。