對於某些運動元素的提取，我們仍然可以依據靜態影象提取的方法，比如r-g分量差提取等，前提是目標有某些獨有的特徵。考慮一幅運**像——
目標是運動的，背景是禁止的，目標以紅色為主，背景含有區域性靜止的紅色。像這種情況單從靜態方法分析就很難了。
對於類似上述的影象，最簡單的提取方法是幀間差分與背景差分。這兩種演算法過程簡單，但侷限性也明顯：幀間差分容易濾掉靜止的元素，但提取的
影象會不完整（有時會只有目標的輪廓），而且比較依賴幀速，幀速慢容易導致ghost現象（提取到兩個目標），幀速快可能誤判為靜止元素而被濾除。背
景差分可以提取比較完整的目標，但背景的更新是個難題（如原本的運動體在視野範圍靜止後需要將其歸入背景，原本靜止的運動體開始運動後需要將其從
背景裡剔除，並且背景的更新同時還要保證提取的完整性）。
對於幀間差分，通常採用三幅影象的後向差分，可以很好地避免ghost現象；而背景差分可以用兩幅影象與背景差分，將差分結果的相同部分在背景裡
更新。本文只**最基本的演算法實現。
幀間差分：
下圖是三幅影象的合成圖，可以看到左邊紅車的位移，右邊紅車完全靜止，如果採用r-g分量不能單獨提取出運動車輛。採用三幀間差分的效果左圖：
背景差分：
依然以上面例子為例（省去靜止的紅車），選擇三幅影象。
首先是三次位移的背景，第一次直接取第一幅影象，這裡採用r-b分量差來灰度化（避免斑馬線的干擾），後兩幅都是更新所得：
然後是三次讀取的原影象，採用r-b分量差來灰度化：
最後是背景差分提取的結果：
需要說明的是，這三幅圖選得並不連續，如果連續的話，存在車重疊現象，這樣比較難更新背景，可能會有更好地演算法來消除這個bug！
以下是matlab**測試**：
%三幀間差分%自更新的背景差分function backgrounddiff(videofile,start_index,end_index,step,thres)
video=videoreader(videofile);
frame_amount=video.numberofframe;
width=video.width;
height=video.height;
if (end_index>frame_amount)
end_index=frame_amount; %防止索引出界
background(j,k)=curframe(j,k);%更新背景
opencv利用幀差法背景差分實現運動目標檢測
本博文主要介紹背景差法與幀差法 背景差法 就是用原影象減去背景模型，剩下的就是前景影象，即運動目標 幀差法 就是利用相鄰的兩幀或者三幀影象，利用畫素之間的差異性，判斷是否有運動目標 背景減法基本步驟 原圖 背景 閾值處理 去除雜訊 腐蝕濾波 膨脹連通 查詢輪廓 外接矩形 橢圓 圓 乙個攝像頭 inc...
OpenCV運動目標檢測背景差法和幀差法的理解
上圖使用absdiff影象減法函式，如下 二值化腐蝕膨脹學習，幀差法和背景差法對比測試 include includeusing namespace cv using namespace std int main int argc,char ar 幀差法也是使用absdiff影象減法函式，只不過是相...
幀間差分自適應
一 目標提取 對 序列中相鄰 兩幀影象進 行幀間差 分得到運 動區域影象 運動區 域圖形與 背景影象進 行差分提 取出運動目 標影象，運 動目標影象與閾值 比較得到 二值化影象 a 對ak i，j 中每一對相鄰兩幀影象進行差分處理，獲得幀差影象dk i，j b 將幀差影象dk i，j 與背景影象bk...