智能视频的监控指的是：不需要人为干预的情况下，利用视频、数字图像处理，分析相关的技术，对视频中的活动或者监控中实时、现在的目标，进行跟踪与检测，可对异常的情况，及时做出的反应效果；又可满足日常的监控工作。
摘要：在视频监控智能分析序列中，运动目标检测正处于行业应用的前沿和发展方向，其在智能视频监控过程中发挥了举足轻重的作用。笔者根据工作研究实践，对智能视频监控运动目标检测技术进行了简要的阐述。
关键词：智能科技论文,智能视频监控,运动目标检测技术
运动目标的检测是：用计算方法的视频以及数字图像的处理，运动目标的区域，提取出来的。运动目标，视觉技术分析的第一个步骤是对运动目标的检测、后续运动的目标跟踪、分类、行为分析理解等；作为后续处理及分析的前提。随着科技的不断发展，社会上一系列安全事件频繁发生，视频监控系统无疑是一种安全防范的手段，在诸多方面取得了广泛应用。然而，传统的模拟和数字视频监控系统只提供了一个简单的视频捕捉、传输、存储、再现等功能。对视频中的内容也只能靠人为判定，不能主动的向监控者提供监测信息。属于视频图像序列内的智能视频监控是从中自动对监控目标场景进行实时同步分析，并且跟踪与识别其目标，把信息反馈出来和异常现象的警报等。所以，在动态目标检测是视频监控中的视频序列的首要任务。一般背景物体的特性应在一段时间内固定的物体，活动物体应该为移动或短时间出现的物体。但是在现实中，由于背景图像的动态变化所带来的诸多影响，运动目标检测是一个非常困难的工作。
1运动目标的检测
1.1运动目标的检测是什么
运动目标检测是指：变化区域中的部分图像，从背景图像序列中被提取出来，使之成为一个有意义的实体。运动目标的检测是智能监控中一个基础但很关键的部分，是实现运动目标跟踪、在识别与事件监测的前提下，运动目标的分割、精确检测都会影响到运动目标的分类及跟踪；而目标检测的好坏将决定后续处理的效果。
1.2视频监控系统中运动目标检测流程
1.2.1视频监控体系的硬件是怎样构成的
如今已分为，实时监控系统和非实时监控系统。实时监控系统就是：把摄像头装在，需监控的场所中合适的位置，随时监控该场景的景象，将其传输到监控中心，监控中心再对信号进行分析、判断，由于实时的监控系统其对计算机的信息处理速度要求高，故而其不能兼顾准确性、实时性，所以实际的行业应用还是无法得到大范围推广。非实时视频监控系统是指对已经存在的“过去时”的视频进行分析和判断，是目前视频监控实际应用中的常用方法。
1.2.2视频监控系统的处理流程是怎样的
不管是非实时的还是实时的视频监控系统，其关键所在都是计算机对视频的处理。视频监控系统对视频的处理流程主要有5个部分：1）获取序列图；2）图像的预处理；3）目标分割的提取；4）目标的匹配跟踪；5）目标的行为分析。对视频进行处理的时，整个系统之基石是如何处理噪声，处理了噪声后，将运动目标从图像中找到，提取出运动目标的信息，然后，计算机通过原目标信息，与提取出运动目标的信息对比，最终，得到目标的真实信息，对运动目标进行检测。
2运动目标检测技术
作为计算机视觉领域中，一项很重要而又很高效的研究方向——运动目标检测。人们一直都在对运动目标检测技术进行研究，希望可以研究出一种适应所有普遍场景的运动目标检测技术，不过因为有着复杂、多样的监控背景的运动目标，可用于各行业各类监控场景的运动目标检测技术还能大范围得到应用和推广。当前只能根据特定的场景和特定少量的运动目标进行智能分析，需要利用不同的检测方法来进行运动目标检测。目前，常用的运动目标检测技术有以下几种。
2.1光流法
光流是指：空间运动着的物体，被观测面上像素点运动的时候，产生瞬时的速度场，其携带的信息有：动态行为及物体表面的结构等。给图像中各个像素点，一个速度矢量就形成了一个图像运动场；其运动时用投影将三维物体上的点对应图像上的点，根据各个像素点、动态分析和速度矢量计算。这便是光流法检测运动目标的基本原理。光流计算法由：基于频域的、匹配的及梯度的光流计算法所组成。
2.1.1基于频域的光流计算法
基于频域的光流计算法是利用速度可调的滤波组输出频率或相应的信息，可以获得高精度的初始光流估计；但其计算非常复杂也很难进行可靠性的评价。
2.1.2基于匹配的光流计算法
基于匹配的光流计算法又分为基于特征和区域两种方法。前者是通过对目标的主要特征进行实时监控，不断进行定位和跟踪，对大目标的运动和亮度变化的监测具有较好的效果，但由于光流的稀疏性使得对特征的提取和匹配难度较大，精确度不高。基于区域的方法是指：通过对相似区域进行的定位以及位移计算光流，此法在视频编码中有着上佳效果；不过光流稠密性的计算上仍然存在问题。
2.1.3基于梯度的光流计算法
基于梯度的光流计算法是利用图像序列的时空微分来计算光流，它的计算方法简单，而且在早期的试验中取得较好的效果，因此目前在广泛的研究中，但由于在选择计算光流时需要的可调参数的人工选取和可靠性评价因子上比较困难，即使基于梯度的计算方法虽然在光流估计上取得好的实验效果，但在利用其对目标进行检测与自动跟踪上仍存在问题。
基于光流场，分析的运动目标之检测方法是根据：各个光流矢量中所包含的各个像素之动态的信息，精确的计算出运动目标之速度，且还能检测出，运动目标运动。不过噪声会影响到光流矢量。所以光流不是单一的，且此法采用的是计算量很大的求解计算，要实时检测运动目标，需有特殊的硬件支持。所以其多适用于目标运动速度和图像噪声均较小的场合。2.2背景差值的方法
背景差值的方法是指：常用的运动目标检测法，运用于静态背景下的运动目标检测。背景差值法的原理是将前帧图像和已有的背景模型图像做差，得到的不同部分就作为运动目标的信息。此法的基础是构造背景模型，常用的背景建模算法是高斯背景建模算法，而且这种算法还可以进行实时更新。背景差值法的优点是可以提取出运动目标的完整信息；但视频监控中的场景是真实的场景，会受到很多外在因素环节的影响，比如天气影响、以及噪声影响等等，这些因素都会影响到运动目标的信息提取，有时甚至会被当成运动目标的信息被提取出来，所以当使用此法时需二次处理才能适用于视频监控系统当中，从而确能保证检测的效果。
2.3帧间差分法
帧间差分法是通过对连续两帧或多帧的视频图像进行相减来得到差分图像，在差分图像上检测运动变化的区域，再用区域上的灰度信息恢复之前的运动目标。此法是，在运动目标的检测中，用得最多的算法之一。计算简单、检测目标速度快、自适应性较强、易于实现，是帧间差分法，在检测运动目标中的优点。但缺点是不能检测到完整的目标，不能对目标进行深入分析和识别，增加后续处理的难度，容易空洞运动实体内部所产生的现象。
2.4运动的能量法
运动的能量法是指：把连续图像看成三维空间并计算空时梯度。运动的对象经过的位置像素空时梯度的一致性越高，梯度的能量就越大；因此可用来检测运动目标。此法可以突出相同方向运动的对象，从而有效消除振动、非需的像素点，适合于复杂监控环境。不过此法不能准确分割对象，方法非常复杂，实现难度很大。
2.5人工的神经网络
当前，在运动目标的检测中，基于发展很快的是人工神经网络的方法，这种方法通过将每帧图像分成图像块，预处理图像块后将影像投到线性滤波器组，得到图像模式，再把图像分类，最后判断运动目标是哪个图像模式中的，这种方法可以识别出尺度和旋转变形的目标，获得的效果较好。
3结束语
智能视频监控中的运动目标检测是智能视频监控技术中的一项核心技术，而随着社会生活和生产的进步和发展，人们对视频监控将会提出更高的要求，智能视频监控将会在人们的生产和生活中运用的越来越广泛，作为核心技术之一的运动目标检测技术将会得到越来越多的关注。因此，应加强对运动目标检测技术的研究和运用，促进其技术的完善和发展，从而推动智能视频监控的广泛运用，推动社会和谐和生活品质的提高。
参考文献
[1]张正友，马颂德.计算机视觉[M].北京：科学出版社，2001：53-59.
[2]代科学，李国辉，涂丹，袁见.监控视频运动目标检测背景技术的究现状和展望[J].中国图像图形学报，2006，11（7）：919，927.
[3]李宏，杨延梧，任朴舟，等.基于光流技术的复杂背景下运动目标跟踪[J].光电工程，2006（10）：13-17.
[4]万卫兵，霍宏，赵宇明.智能视频监控中目标检测与识别[M].上海：上海交通大学出版社，2009.
[5]王丽娟.基于OpenCV与混合高斯建模的运动目标检测[J].电子测试，2009（9）：86-90.
[6]金克琼.视频监控中运动目标检测与跟踪的研究[D].武汉：武汉理工大学，2010.
