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。

一、课题介绍 本设计为基于MATLAB的运动车辆跟踪检测系统。带有一个GUI界面，可以读取高速路车流视频，读取视频信息，并且统计每辆车经过左车道还是右车道，车速和平均速度检测，以及某一帧下的车流密度，以及最后总共经过的车辆总数。将运动检测到的目标用方框框起来。是一个非常不错的选题。 二、实现功能 车流密度：一定时间内经过车辆的总数； 车流量：某一帧下的车辆数目； 车速：经过车辆的实时速度； 平均速度：所有车辆的平均速度；

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。

采用opencv3.1开发的基于混合高斯模型的运动目标提取

本设计为基于MATLAB的运动车辆跟踪检测系统。带有一个GUI界面，可以读取高速路车流视频，读取视频信息，并且统计每辆车经过左车道还是右车道，车速和平均速度检测，以及某一帧下的车流密度，以及最后总共经过的车辆总数。将运动检测到的目标用方框框起来。是一个非常不错的选题。 二、实现功能 车流密度：一定时间内经过车辆的总数； 车流量：某一帧下的车辆数目； 车速：经过车辆的实时速度； 平均速度：所有车辆的平均速度；

运动目标检测的matlab代码

基于ZYNQ7010实现的帧差法运动目检测 开发环境是VIVADO2018.3和SDK 可以定位出所在的目标，并框出来，具体效果参考博客。

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