该资料使用时间差分、背景差、自适应背景更新等方法进行运动目标跟踪。

现有基于独立分量分析(ICA)的运动目标检测算法大多采用单一的观测向量生成方式和2 通道数据进行检测，使得现有算法难以获得更加完整精确的目标形态。该文在传统独立分量分析算法的基础上引入4 种不同的观测向量生成方式并使用更多通道数据进行实验，以此更广泛地涵盖运动目标的运动特性并为提取前景提供更多有效信息，使该算法能有效应对缓慢移动和低区分性目标。多场景下的量化实验分析表明，更多通道数据的使用以及4种观测向量生成方式的综合在合理的误检率代价下使算法达到了更高的检测正确率。

可以检测出视频中运动的目标，并且标出该轮廓

为了进一步提高室内检测跟踪系统的有效性和稳定性,以经典的混合高斯模型为基础,结合了积分直方图方法,提出了一种室内场景中适应光照变化的运动目标检测算法。该方法通过当前帧和背景帧的全局积分直方图差分来确定光线变化的程度。对于全局的光线突变,进行模型的全局更新。对于局部的光线变化,用光线变化比例作为高斯模型权值更新率因子,实时控制更新速率。再对高斯模型提取的前景,用区域局部积分直方图进行虚假前景的判断和消除,从而进一步提纯真实前景。仿真实验结果表明:算法较好地消除了场景中光照变化对目标检测的影响。

运动目标检测的matlab代码

静态背景运动目标检测matlab

应用opencv做动态目标跟踪检测，主要包含运动估计、运动补偿、动态检测

基于图形处理器单元（GPU）提出了一种帧间差分与模板匹配相结合的运动目标检测算法。在CUDA-SIFT（基于统一计算设备架构的尺度不变特征变换）算法提取图像匹配特征点的基础上，优化随机采样一致性算法（RANSAC）剔除图像中由于目标运动部分产生的误匹配点，运用背景补偿的方法将静态背景下的帧间差分目标检测算法应用于动态情况，实现了动态背景下的运动目标检测，通过提取目标特征与后续多帧图像进行特征匹配的方法最终实现自动目标检测。实验表明该方法对运动目标较小、有噪声、有部分遮挡的图像序列具有良好的目标检测效果。

ViBe 源代码 运动目标检测 原文：http://orbi.ulg.ac.be/bitstream/2268/145853/1/Barnich2011ViBe.pdf 对应博文：http://blog.csdn.net/zhuangxiaobin/article/details/25988281

运动目标检测与识别算法的研究.pdf