针对脉冲图像传感器，提出一种高精度高稳定性的高速目标追踪算法。首先，介绍脉冲图像传感器的原理；其次，结合传感器脉冲密度特性改进传统视觉背景提取（Vibe）算法，去除传统Vibe算法中存在的鬼影和空洞问题，提高运动检测的完整性；然后，结合运动检测，对传统均值漂移（MS）追踪算法进行改进，提高目标追踪的精度和稳定性；最后，通过图像重构完成场景再现与目标追踪。在3个高速场景的实验中：与直接应用于图像序列的传统MS算法相比，所提算法对高速目标的最大追踪误差分别从11.0454降低至2.2361，从14.1421降低至5.0000，从26.1725降低至5.0990；目标追踪的位置标准差从7.9879降低至2.0393，从12.0790降低至2.7454，从14.4591降低至3.5654。综上所述，所提算法能够有效提高目标的追踪精度和追踪稳定性，能更好地适用于脉冲图像传感器。

近年来民用无人机领域发展迅猛，导致无人机“黑飞”事件频出，给****及社会稳定带来了不小的挑战，迫切需要发展反无人机技术。对此，提出一种跟随式定向干扰方案，设计了一套基于视觉的无人机入侵检测与自动跟踪拦截系统。采用HOG+非线性SVM方案来识别无人机，加入ViBe运动目标检测算法来提高识别速度，并通过KCF算法实现无人机目标跟踪。设计制作无人机拦截系统的硬件设备主要包括跟踪伺服系统、底座和托盘等。实验表明，该系统的识别准确率达到90.54%，识别速度为20.56 fps，拦截平台能够在0.5 s内实现对目标无人机的瞄准，跟踪效果良好。在搭建的实物平台上进行系统测试，结果表明，该系统可实现对入侵无人机的运动检测、识别、跟踪与干扰，且识别准确率高，实时性好，能够对入侵的无人机进行自动拦截。

在电力系统中，变电站顺序控制已经成为了调度任务的主要方式。为解决变电站隔离开关顺控操作中确认时间长的问题，使用网络摄像机将隔离开关实时视频接入到顺控系统中，通过核相关滤波算法对隔离开关进行实时跟踪，并通过检测运动区域检测到隔离开关的形状变化，进行及时更新跟踪目标，使得核相关滤波对尺度和形状变化的目标具有稳定的跟踪能力。提出的方法能为变电站操作人员提供直观的隔离开关状态信息，将隔离开关顺控操作中的确认时间从近1 h减少到2 min，大幅提升了调度工作的效率。

在场景复杂、干扰较多的情况下,传统的火灾烟雾识别方法的识别性能不高。针对该问题,提出了一种基于目标区域的卷积神经网络火灾烟雾识别方法,构建两层的火灾烟雾识别模型,利用目标区域定位层的运动检测算法对火灾烟雾图像进行烟雾目标区域的提取,快速去除复杂场景的大量无关干扰信息,并将提取的烟雾目标区域输入火灾烟雾识别层,通过卷积神经网络精细提取烟雾的深层特征后进行分类,完成火灾烟雾的识别。实验结果表明,所提方法在复杂环境下的数据集中,抗干扰能力较强,能够有效降低误检率,提高烟雾识别的准确率。

为了提升对光学遥感图像中弱小运动目标的检测能力, 提出一种基于鹰眼视网膜视觉系统层次结构的运动检测方法。首先, 基于鹰眼视网膜的分层特性, 结合各层主体细胞的生理结构与功能, 构建各层相应的滤波器, 抑制背景微位移和杂散噪声; 然后, 在Reichardt运动检测模型的基础上增加时域高通滤波与ON-OFF双通道滤波来估计目标运动矢量, 这样不仅能克服传统Reichardt运动检测器对阶跃边界响应复杂, 而且能有效增强运动检测的敏感性; 最后利用高级视觉神经系统的分层特点, 以空域相似度大小为基准进行多尺度映射与运动矢量显著图融合, 构建多尺度处理精细检测运动特征。试验结果表明, 本文算法的平均信杂比改善为56.20 dB, 正确率为99.71%, 综合评价指标F1值为3.63e-02, 相较于传统Reichardt模型的F1值提升了27.82%。本文方法较传统运动检测算法不仅能提高复杂背景的干扰抑制性能, 而且能显著提升小目标小位移的检测能力。

基于卡尔曼滤波的背景差分算法存在背景更新不自适应，对光照变化、物体移入移出敏感等问题。提出了一种改进的以分类分块为核心的背景差分算法。首先，将前N帧视频序列图像求取均值得到初始背景模型；将第K帧图像与背景图像进行差分得到差分图像，再按照均值和标准差进行两次分类分块，分出前景块和背景块；在单个像素基础上对前景块进行背景细分割，确定运动目标区域；依据相邻两帧之间的灰度信息完成背景自适应更新。实验证明，本文算法能有效克服外界光线缓慢变化和背景中物体的轻微移动等问题。该算法具有较好的稳健性、相对较快的运算速度以及精确的运动目标区域。

针对单一传感器在动态场景感知问题上的局限性，设计了一种融合激光与视觉的实现系统，并对运动检测中的背景显露区误判问题和融合中不同传感器间点云的失配问题分别提出了改进算法。在运动检测上，首先基于视觉的背景差分算法对激光进行前景点分拣，再以激光前景点为启发信息进行视觉前景聚类。在融合失配问题上，首先基于栅格失配度分别对激光和视觉点云进行聚类分割，再以激光为基准，逐一将对应的视觉点云与之配准，滤除噪声后所得到的矫正点云可用于场景重建进行进一步验证。实验结果表明，改进算法所获得的融合前景对“影子”有更好的鲁棒性；较之整体配准的矫正，改进算法在平均失配度上降低了约75%，在y和z方向上的偏移比收敛了至少5%。

基于SURF帧间配准和运动历史图像构建, 提出了一种基于序列图像的运动目标检测新方法。针对运动检测容易出现虚警的情况, 结合多帧关联思想和碰撞检测理论提出多帧碰撞检测算法, 以剔除虚假运动目标。在标准测试集上测试序列仿真验证, 结果表明, 该运动目标检测算法具备较高的查全率以及极高的检测精度和极低的虚警率。

提出了一种基于单X 射线源成像获取运动目标三维轨迹的方法。通过对采集的直接数字化摄影图像序列进行目标检测、立体匹配和三维重建，实现运动目标三维轨迹测量。与多视角成像方法相比，设备简单且测量精度相当。通过仿真验证了算法的有效性和稳定性。经对轨迹测量结果误差分析表明，测量误差与探测器分辨率和目标尺寸有关。