鸟击作为影响机场安全的主要事故征候，需要准确、稳定的弱小运动目标检测方法用于机场飞鸟检测。应用光场涨落增强低信噪比的飞鸟运动特征信号，再结合局部高斯混合模型对图像增强区域进行前景分割处理，实现宽视场复杂背景下的机场飞鸟目标检测，并完成不同光照条件的机场飞鸟检测实验。实验结果表明：所提算法较传统算法能有效提高机场条件下的远距离、宽视场、低信噪比弱小目标检测率，且具有较好的光学稳定性。

在复杂动态背景下的运动目标检测往往会产生前景目标提取不完全、将动态背景误检为前景等问题。针对上述问题，提出了一种结合非凸秩近似函数和三维全变分正则项的运动目标检测模型。该模型在原始鲁棒主成分分析模型的基础上，引入非凸秩近似函数来刻画视频背景部分的低秩性，并利用三维全变分正则项在时间和空间上对前景部分进行约束，最后采用交替方向乘子法对该模型进行求解。实验结果表明，所提模型在处理动态背景、恶劣天气等复杂场景时能有效提高运动目标检测的准确性，并且比现有方法具有更好的视觉效果。

战场野外复杂红外场景中, 由于背景灰度分布无规律、目标边缘模糊且纹理特征缺失, 目标极易混淆在背景之中; 由于嵌入式平台算力的限制, 多数深度学习类检测算法难以应用于便携设备, 无法实现快速有效的目标识别。提出一种基于运动目标提取与高效机器学习模型结合的目标识别方法: 通过运动检测实现目标像素级分割, 经形态学处理后, 定位单体目标; 根据嵌入式平台算力高低, 选择轻量化深度网络特征或轮廓特征, 训练softmax模型, 实现目标分类识别。将算法移植于嵌入式平台, 对开源红外图像序列进行目标识别实验, 实现多目标同时定位与分类, 处理速度达56FPS。实验结果表明, 该方法可对复杂背景中的红外目标进行实时有效识别。

针对视频序列运动目标检测易受环境噪声干扰、提取目标轮廓困难的问题,提出了一种基于边缘多通道梯度改进模型的多运动目标检测算法。首先,利用Canny算子获取视频序列中目标的边缘信息,并根据人类视觉色彩的恒常特性,对目标边缘建立时间、空间、颜色多通道梯度模型;然后,利用该模型获取目标边缘像素点的运动状态描述信息,实现背景边缘和运动物体边缘的分离;最后,将间断边缘像素点与其邻域点的运动状态相关联,以连接目标间断边缘,实现运动目标轮廓的提取,并将连接后的轮廓进行形态学处理以分割出目标。实验结果表明,与同类型算法相比,本算法在运动目标检测中具有的实时性、准确性和鲁棒性更好。

针对雨雪天气条件下的运动目标检测受到天气的影响较大,提出一种融合全变分(TV)正则化和Rank-1约束鲁棒主成分分析(RPCA)模型的视频序列运动目标检测算法。利用RPCA这一工具,在低秩稀疏分解框架下,采用Rank-1约束描述背景层的强低秩性,利用TV正则化结合L1范数对前景目标的稀疏性和空间连续性进行约束,从而弥补现有RPCA模型的不足。针对所提模型,采用交替迭代乘子法的思想结合增广拉格朗日乘子法对目标函数进行优化求解。实验结果表明,所提算法不仅能够准确检测出运动目标,而且具有较短的运行时间,这为视频的实时检测提供参考。与其他同类算法相比,所提算法不仅检测效果更佳,而且在F测度值、召回率和准确率的定量评价中均有优越性。

由于散射介质的强散射作用,传统光学成像系统无法对散射介质后的物体进行成像与运动追踪。针对这一问题,提出了一种透过散射介质对运动物体进行追踪与重建的方法。基于散射介质的光学记忆效应理论,通过先验信息解算散射成像系统的点扩展函数,利用点扩展函数的轴向缩放关系确定轴向位移,利用重建物体的互相关确定横向偏移。基于此方法搭建的实验系统也很好地实现了散射介质后物体的快速重建与运动追踪。所提方法仅需采集移位物体的连续散斑图像即可追踪物体位移,无需特定装置且效果优异,有利于透过散射介质成像在生物医学领域的应用。

针对复杂环境下运动物体的表面温度测量，实现了一种基于热红外图像与可见光图像相结合的物体表面温度检测方法。首先在可见光图像下检测运动物体的感兴趣区域，在仿射变换的基础上实现一种修正方法实现图像的精确配准，实时地将可见光图像的感兴趣区域映射到热红外图像上。然后对热红外图像进行图像运算，最终获取运动物体特定区域的温度。以行人的人脸为研究对象，实验结果表明，对非正面、轻微遮挡的人脸有较高的准确率，并且能快速地检测特定运动对象的表面温度，该方法测量误差在 0.2℃内，基本能满足在密集场合下快速筛选运动物体表面温度的要求。

针对运动物体,提出了集时间和空间关联于一体的成像方案。物体的运动被分割为一系列的图片帧,第一帧选作空间关联的目标物体。将帧间运动物体相对位置信息编码构成的时间信号作为时间关联的目标信息,通过空间和时间关联成像技术,非局域地获取第一帧图片和帧间时间信号;根据设定的规则,将时间信号转换为帧间运动物体的空间相对位置,结合第一帧图片对运动物体进行移位操作,获得第二帧图片;在第二帧图片基础上,结合时间关联恢复的运动物体空间相对位置信息,恢复出第三帧图片。以此类推,获得所有帧图片,最后合成物体的运动。通过数值仿真对所提方案的可行性进行了验证。与已有运动物体关联成像方案相比,所提方案降低了运动物体多帧关联成像的数据量和重构时间,为非局域地探索运动物体成像提供了新的研究思路。

针对视觉背景提取算法在复杂环境下检测出现鬼影现象、动态背景因素形成噪声干扰等问题,提出一种改进的视觉背景提取算法。通过创建辅助样本集,对复杂环境中像素点的重要特征信息进行收集;引入像素点鬼影因子和区域复杂度分析,自适应调节各像素点的匹配阈值和更新速率;最后通过基于滑动窗的像素点闪烁程度分析,将可能被误检为前景的噪声点向辅助样本中依概率更新。多场景下对比实验表明,该算法可将错分率降低至1.49%,且在检测时能快速消除鬼影现象,有效抑制动态背景产生的噪声干扰,同时保证前景目标能被完整识别,在复杂环境下的检测结果更加准确。

针对视觉背景提取(Vibe)运动目标检测算法存在的鬼影及阴影问题,利用鬼影与背景相似而运动目标与背景差异大的特点,提出了一种基于前景和邻域背景像素直方图相似度匹配的方法,快速检测鬼影并更新背景模型;利用阴影的颜色特性和纹理不变性,提出在亮度和色度分离的YCbCr色彩空间中先根据颜色特性得到候选阴影区域,再利用完全局部二值模式算子(CLBP)提取区域的详细纹理特征,进一步检测与去除阴影。在公开视频数据库CDnet-2012上进行仿真,仿真结果表明,该算法能够保证运动目标被完整检测的同时快速去除鬼影和阴影,其检测精度比原Vibe算法提高了21.53%。