运动目标检测与识别绪论

目前，运动目标检测与识别技术发展较为成熟的是美国、德国和日本等发达国家。

1955年，Wax[2]提出目标检测与跟踪的基本概念；1964年，Sittler[3]在包括数据关联等内容的多目标检测与跟踪理论方面取得了重大进展。上世纪七十年代初期，随着Kalman滤波技术[4]在雷达跟踪中的应用，目标跟踪理论开始被人们关注；Bar-Shalom[5]将铝箔理论与数据关联进行有机结合，进一步发展和完善了运动目标跟踪理论。八十年代初期，由于兴起高速处理芯片，目标检测的研究进入到了新的篇章。1997年，在卡内基梅隆大学的带领下，许多高校相继参与了视觉监控重大项目VSAM[6]（Visual Surveillance and Monitoring），主要研究在各场景下如民用、战场等进行监测的自动视频理解技术；2000年初，以麻省理工学院为首的26家高校及部分公司合作的重大项目HID[7]（Human Identification at a Distance）计划，该项目的主要任务就是开发大范围的、多模式的视觉检测技术，来满足在远距离时对人的检测、分类和识别，增强国防和民用场合的自动保护能力，从而免受恐怖袭击；此外还有，马里兰州大学和IBM公司联合研制的实时视频监控系统W4将形状分析和目标跟踪技术相结合，对人的外表进行模型构建。

在国内，运动图像分析已在人体运动检测、智能交通、机器人视觉等很多领域展开了深层次研究。但总的来说，国内的研究主要还是停留在理论方面，尚且还未出现比较大型的并能够应用于实际的成型系统。我国从1986年开始正式立项研究图像检测，在理论研究上图像检测算法取得了很大的发展。2002年刘永信[8]等人深入探讨了递归最小二乘法在图像背景重建中的应用，该应用中用到了Kalman滤波理论的渐消记忆；同年，张辉[9]等人研究了如何实现对聚类的自动检测和测出格点监测；1999年，王栓[10]等人提出了一种运动目标检测与识别算法，其算法基于差分图像，其检测结果是符号化了的图像，其中外接矩形表示运动目标，并根据连续性约束假设，实现了对运动目标的跟踪；2003年隋晔[11]等人讲述了在交通监控系统中应用视频图像流来跟踪运动目标，并针对目标分类的具体和原则进行详细的阐述，基于目标检测提出了双差分的目标检测算法，对目标进行分类时采

用了连续时间限制和最大估计的原则。