单高斯背景模型运动目标检测方法 随着现代安防监控技术的发展，运动目标检测技术已逐 用于银行商店地铁站飞机场等场合的智能视频监控系 背景减除法是目前运动分割中最常用的一种方法，能够 最完全的特征数据，其基本思想是用当前图像与 建立好 景模型相减，之后根据阈值判断是否有运动物 因此，在背 除法的实际应用中，需要解决两个问题 ：一是采用什么样 型来有效表示图像序列中的背景及其变化；二是怎样消除 断为运动区域中的阴影 在对传统的单高斯背景模型建立和更新算法进行改进 础上，建立背景模型，有效提取运动信息

由于外界环境的复杂性，视频监控中检测出的运动目标往往轮廓缺损，并伴随阴影和噪声等问题。提出了一种方法用以改善轮廓、消除阴影和噪声。该方法首先利用五帧梯度图像的差分确定运动目标的变化区域，再与背景差分法的结果相或，获取了运动目标的完整轮廓。分析了阴影在HSV颜色空间的特性，用以消除阴影，并根据噪声的分布特性去除噪声。处理结果表明，处理速度为20 ms/帧，达到实时性要求，运动目标消除了阴影和噪声，具有较强的鲁棒性。

精确地消除活动阴影对运动目标的影响是智能视频监控的核心任务之一,针对当前运动阴影检测中采用的纹理信息过于粗糙、阈值选取需要人工干涉等问题,通过对NCC(归一化互相关)纹理算法进行改进,并结合亮度和归一化颜色特性,提出一种自适应的运动阴影检测方法。以混合高斯模型得到的前景像素为基础,通过阴影在亮度和归一化颜色的特性筛选出候选的阴影区域,结合改进的纹理算法进一步缩小阴影区域范围,最后利用空间后处理得到真实阴影。实验结果表明,该算法在有效降低噪声干扰的情况下能够较好区分局部纹理不明显的运动目标和阴影。