简述三类运动目标检测方法原理：光流法、帧间差分法以及背景减除法

光流法

• 光流是指图像中模式运动的速度
• 运动场可以用来描述运动，光流场则为运动场在二维图像上的投影，并且包含有丰富的关于运动和结构的信息 。
• 光流法用以检测运动目标的基本原理：对图像中所有的像素点赋予速度矢量，形成图像运动场，通过像素点的速度矢量特征对图像进行动态分析。
• 当图像序列中目标静止时，图像区域中的光流矢量是连续变化的。
  反之，如果图像中的目标发生运动，由于目标和图像背景存在相对运动，致使运动目标与邻域背景的速度矢量出现差异，进而实现运动目标检测。
• 光流法的前提假设：
  （1）相邻帧之间的亮度恒定值，
  （2）相邻视频帧的取帧的时间连续，或者相邻帧之间物体的运动比较“微小”;
  （3）保持空间一致性，即，同一子图像的像素点具有相同的运动。
• 原理：
  （1）对一个连续的视频帧序列进行处理；
  （2）针对每一个视频序列，利用一定的目标检测方法，检测可能出现的前景目标；
  （3）如果某一帧出现了前景目标，找到其具有代表性的关键特征点（如shi-Tomasi算法）；
  （4）对之后的任意两个相邻视频帧而言，寻找上一帧中出现的关键特征点在当前帧中的最佳位置，从而得到前景目标在当前帧中的位置坐标；
  （5）如此迭代进行，便可实现目标的跟踪；
• 光流法的优势：
  1. 不需要先验的场景信息。
  2. 并且适用于摄像机移动拍摄的情况。
  3. 对帧间位移较大的目标有很好的检测效果。
• 光流法的劣势：该方法计算复杂且难以保证实时性。
  部分参考：https://blog.csdn.net/tezhongjunxue/article/details/14449905 含代码，可补充学习

 帧间差分法

• 帧差法：视频序列中的相邻帧作差分运算，使用阈值将得到的像素差值分为前景和背景，差值大于阈值的区域为前景（1），差值小于阈值的区域为背景（0），最终得到运动目标的轮廓。
• 设图像序列中像素点(x,y)在第 t 帧和 t-1 帧的灰度值分别为I t (x,y)和 I t-1 (x,y)，D t (x,y) 为两者差值的绝对值，T 为阈值，区分像素点(x,y)为前景或背景的原理可用以下公式表示：
  
  此图片F即为上述的I
• 优势：帧间差分法对动态背景不敏感，而且无需背景建模，计算简单，实时性好。
• 劣势：当运动目标颜色均匀时，相邻帧的差别主要体现在目标运动方向的两侧，目标内部区域差值很小，这样目标内部被当作背景处理，故差分法获取的运动目标轮廓常伴随有空洞出现，致使该方法不易获取完整准确的目标轮廓。
  部分参考：https://blog.csdn.net/tezhongjunxue/article/details/14492101 含代码，可补充学习

背景减除法

• 背景减除法适用于背景相对静止情况下的运动目标检测，与帧间差分法相似，该方法将视频序列的当前帧与背景帧作差分运算，用阈值将像素差值分为前景和背景，差值大于阈值的像素归类为前景（1），差值小于阈值的像素归类为背景（0）。（特殊的帧间差分法）
• 设图像序列中像素点(x,y)在第 t 帧前景和背景的灰度值分别为 F t (x,y)和 B t (x,y)，D t (x,y)为两者差值的绝对值，T 为阈值，区分像素点(x,y)为前景或背景的原理可用以下公式表示：
  
  此图片F即为上述的I
• 使用背景差分法进行运动检测通常会遇到如下一些问题： 
         （1）背景获取：最简单的方法是在场景中没有运动目标的情况下进行，但在现实中肯定是无法满足的，如高速公路和城市交通的监控，需要一种方法能在场景存在运动目标的情况下获得背景图像。 
         （2）背景的扰动：如树叶、树枝等各种东西的摇动 
         （3）外界光照条件的变化 
         （4）背景中固定对象的移动 
         （5）背景的更新 
         （6）阴影的影响
  背景消减法根据其背景模型的不同又可分为：直方图法、平均值法、单分布高斯背景模型、混合高斯分布背景模型、Kalman滤波器法，HMM模型法。
• 背景减除法对光照变化和背景变化十分敏感，但是其计算简单、实时性好，并且一般能够获取比较完整的运动目标轮廓，目前在视频监控领域使用最为广泛。
  部分参考：https://blog.csdn.net/tezhongjunxue/article/details/14550249 含代码，可补充学习