目前常用的運動目標檢測方法主要有3種：幀差法，對于動態環境具有較強的自適應性，穩健性較好，但一般不能完全提取出所有相關的特征像素點：光流法，能夠檢測獨立運動的對象， 并且可用于攝像機運動的情況，但是多數計算復雜、耗時多，很難實現實時監測；背景減法，一般能夠較完整地提取目標點，但對于動態場景的變化！如光照和外來無關事件的干擾等特別敏感。

　　2 OpenCv簡介

　　OpenCv（Open Source Computer Vision Library ）是一種種用于數字圖像處理和計算機視覺的函數庫。由Intel微處理器研究實驗室的視覺交互組開發“。它主要用于對圖像進行一些高級處理。比如特征檢測與跟蹤、運動分析、目標分割與識別以及 3D 重建等。 可以在VC環境下使用，操作方便。功能強大！可以大大縮短相關程序的開發周期。

　　OpenCv是開放的C源碼，基于Intel處理器指令集開發的優化代碼，具有統一的結構和功能定義、強大的圖像和矩陣運算能力，方便靈活的用戶接口，同時支持Windows，Linux平臺等。

　　3 運動目標檢測原理

　　3.1 背景的提取和檢測

　　背景提取與更新采用以背景減法為基礎，相鄰幀差法為補充的檢測

　　方法：當視頻采集開始時，首先提取視頻序列的一幀作為初始背景B（x，y）以后每幀通過 Img（x，y）讀入，通過數幀更新得到較準確的背景圖！ 這里圖像存儲格式均采用IplImag結構，背景更新采用更新加權累計圖像的方法，使用函數cvRunningAvg其定義是：

　　void cvRunningAvg（const CvArr * image， CvArr* acc， double alpha， const CvArr* mask=NULL）。

　　以背景建模與更新為核心”整個運動檢測的流程框

　　圖如圖1所示：