针对基于模板匹配的目标跟踪算法在目标被遮挡时容易出现跟踪丢失的问题,提出一种改进的结合遮挡判断和Kalman预测器的模板匹配算法。首先使用三帧差分法提取运动目标并计算运动目标区域。然后针对目标是否被遮挡引入Bhattacharyya距离进行判断,当Bhattacharyya距离小于设定的阈值,表明目标没有被遮挡,则使用归一化互相关(NCC)匹配算法对目标进行稳定跟踪,反之则利用Kalman预测器对被遮挡目标的位置和大小进行预测。实验结果表明,所提算法在静态背景下、目标发生遮挡时的跟踪成功率达到71.43%,比单一NCC匹配算法提高了21.43个百分点。

三帧差分法使用的是VS2017和Opencv3.3.0 通过网上收集资料，然后修改调试运行，代码能够运行，内附测试视频，有什么问题，可在下方评论，笔者会及时回复，

1： frametwo:基于帧间差分和隔帧差分后求并集后，运用形态学闭合，填充获得目标 2： imhist1:Ostu法阈值分割和平均值法阈值分割 imhist2:迭代法阈值分割 watershed1：分水岭算法 Untitled3:基本双峰法与Ostus法结合 Untitled4:改进后的双峰法与Ostus结合 frametwo1+thresh.m：改进的双峰法和frametwo检测（效果不行） 混合高斯： beijing1:中值法求背景； beijing2：帧差法求背景图像 mxgaosi:混合高斯 三帧差分法与单高斯结合的目标检测： Untitled; Untitled2; Untitled3; 单高斯: danguassian3：单高斯建模

在vs2005+opencv2.0平台下，读入三帧图像，采用三帧差分进行运动目标检测，并对差分结果进行自适应二值化，膨胀腐蚀后进行连通域检测，最后分割出目标图像

采集视频中连续三帧图片，使用三帧差分的方法实现对运动目标的检测

针对传统的三帧差分运动目标检测算法存在的通用性差和检测目标不完整的问题,提出一种改进的三帧差分运动目标检测算法,并给出了试验中的检测效果对比图。该算法采用自适应阈值对差分结果进行二值化,从而提高了算法的通用性。在二值化图像上画出运动目标外部轮廓并对目标轮廓内部进行单色填充,弥补了运动目标内部的空缺。实验结果表明,该算法运算量小,实时性高,通用性好,可以更准确地检测出运动目标,并解决了目标内部空洞的问题。

用三帧图片实现了二帧差分法和三帧差分法，比较两种方法的优缺点

使用三帧差分法进行运动目标检测，实时效果好

针对传统三帧差分法提取的运动目标存在大量的噪声和空洞,提出一种改进的三帧差分运动目标实时检测算法;该算法采用Surendra背景提取算法提取有效背景,对视频流中连续三帧图像分别进行背景减除,得到的结果作为反馈对背景进行选择性更新,利用HSV颜色空间去除阴影后进行三帧差分,将差分结果进行"与"运行,通过将中间帧背景减除结果与"与"运算的结果进行"或"运算,这样可以得到运动目标的完整信息;实验结果表明,该算法能够快速、完整、准确地检测出运动目标,可有效应用于实时监控系统。

背景差分与三帧差分结合的运动目标检测算法