--------------------------------------------本文內容取自《視頻目標運動軌跡提取算法的分析與仿真 》----------------------------------------------
1.已有的各種方法的對比
①幀差法簡單，速度快，易於硬件實現。然而，簡單的幀差法只能適用於靜止背景，爲了適應動態背景，必須對攝像機運動補償後再進行差分。傳統的幀差法只能獲得運動物體的邊界情況描述，得到部分邊緣信息，對於傳統方法的改進就是採用三幀做差。
②光流分割法具有較強的抗干擾性，但不能有效區分目標運動造成的背景遮攔、顯現以及孔徑等問題，計算量大，需要特殊的硬件支持。如果光照強度或光源方位發生了變化，則會產生錯誤結果。
③頻率域匹配法計算速度快，相關峯尖銳，實時性較好。其中，利用變換系數相位的方法只能處理目標的平移運動，而頻域匹配技術對噪聲有較高的容忍程度，檢測結果與照度無關，可以處理圖象之間的旋轉和尺度變化。
④小波變換用於目標跟蹤，將時間域中進行的圖象分割、目標特徵提取和目標識別的運算放在小波域中進行，具有多分辨率的分析能力，且運算速度快、容易消除噪聲，已成爲頻域內圖象邊緣檢測中最重要的手段。
2.用法舉例
------------------------------------------------------------------------羽毛球掉落----------------------------------------------------------------------------------
算法的總體框架：
視頻文件讀取：讀取由數碼相機，攝像頭或其它掃描裝置拍攝的圖象。
提取背景：對動態採集到的圖象進行濾波，並提取指定圖象作爲背景。
差分圖象：去除背景，粗略提取出運動目標。
濾波處理：去掉噪聲干擾，使目標變得更加清晰。
OTSU 確定閾值：利用改進後的大津法來分割圖象。
形心計算：計算圖象的投影面積，尋找峯谷點，得到目標形心座標。
軌跡預測：針對目標被遮擋部分採用曲線擬合的方式預測目標的位置。
跟蹤曲線：由形心座標刻畫出目標的運動軌跡。
2.1 預處理
攝像機等視頻輸入設備在攝入視頻圖象的同時會產生熱噪聲，環境也會產生噪聲，加上傳輸系統的噪聲等，這些噪聲對視頻檢測有嚴重的危害。此外，由於種種原因，有可能造成視頻圖象的模糊、淡化、殘缺等不利於進一步處理的變化，爲了不將這些干擾帶到後面的核心算法中以致影響最終的處理效果，有必要在輸入圖象後先對其進行預處理。圖象的預處理在計算機視覺、圖象識別中得到了廣泛的應用，這主要是因爲它實際上也是一個去除無用信息，提高算法效率和速度的過程。預處理做得好可以減少後面核心算法中的工作量，相反如果缺少必要的預處理過程，則會對後面系統的結果產生較大的不利影響，有可能造成工作量的增大和效率的降低，影響算法的有效性。
1.去噪處理：可能採用的方法如鄰域平均、低通濾波、中值濾波、匹配濾波、卡爾曼濾波等；
2.圖象校正:有圖象的幾何校正、圖象信號量化的歸一化等；
3.數據壓縮:有分層搜索、灰度壓縮、圖象投影、幅度排序等，領域平均及濾波也是數據壓縮的有效手段；
4.圖象增強及補償：有圖象整體增強、高頻補償、直方圖均衡化、對數變換、去圖象信號均值處理等。
2.2 圖像增強
圖象增強是一種爲了改進圖象質量圖象處理技術。圖象增強的目的是使圖象更適合於計算機的分析處理。圖象增強的技術方法，現在還沒有衡量圖象質量的通用標準可以用來作爲圖象增強處理器的設計規則。
待處理的視頻圖象仍然爲 RGB 模式，爲了得到將圖象轉換爲二值圖的閾值並對圖象進行濾波處理，就必須先將待處理圖象轉換爲灰度模式。在圖象處理中，彩色圖象的處理通常是通過對其三個單色圖象分別處理而得到的。將彩色圖象轉換爲灰度圖象的公式爲：
