--------------------------------------------本文内容取自《视频目标运动轨迹提取算法的分析与仿真 》----------------------------------------------
1.已有的各种方法的对比
①帧差法简单，速度快，易于硬件实现。然而，简单的帧差法只能适用于静止背景，为了适应动态背景，必须对摄像机运动补偿后再进行差分。传统的帧差法只能获得运动物体的边界情况描述，得到部分边缘信息，对于传统方法的改进就是采用三帧做差。
②光流分割法具有较强的抗干扰性，但不能有效区分目标运动造成的背景遮拦、显现以及孔径等问题，计算量大，需要特殊的硬件支持。如果光照强度或光源方位发生了变化，则会产生错误结果。
③频率域匹配法计算速度快，相关峰尖锐，实时性较好。其中，利用变换系数相位的方法只能处理目标的平移运动，而频域匹配技术对噪声有较高的容忍程度，检测结果与照度无关，可以处理图象之间的旋转和尺度变化。
④小波变换用于目标跟踪，将时间域中进行的图象分割、目标特征提取和目标识别的运算放在小波域中进行，具有多分辨率的分析能力，且运算速度快、容易消除噪声，已成为频域内图象边缘检测中最重要的手段。
2.用法举例
------------------------------------------------------------------------羽毛球掉落----------------------------------------------------------------------------------
算法的总体框架：
视频文件读取：读取由数码相机，摄像头或其它扫描装置拍摄的图象。
提取背景：对动态采集到的图象进行滤波，并提取指定图象作为背景。
差分图象：去除背景，粗略提取出运动目标。
滤波处理：去掉噪声干扰，使目标变得更加清晰。
OTSU 确定阈值：利用改进后的大津法来分割图象。
形心计算：计算图象的投影面积，寻找峰谷点，得到目标形心坐标。
轨迹预测：针对目标被遮挡部分采用曲线拟合的方式预测目标的位置。
跟踪曲线：由形心坐标刻画出目标的运动轨迹。
2.1 预处理
摄像机等视频输入设备在摄入视频图象的同时会产生热噪声，环境也会产生噪声，加上传输系统的噪声等，这些噪声对视频检测有严重的危害。此外，由于种种原因，有可能造成视频图象的模糊、淡化、残缺等不利于进一步处理的变化，为了不将这些干扰带到后面的核心算法中以致影响最终的处理效果，有必要在输入图象后先对其进行预处理。图象的预处理在计算机视觉、图象识别中得到了广泛的应用，这主要是因为它实际上也是一个去除无用信息，提高算法效率和速度的过程。预处理做得好可以减少后面核心算法中的工作量，相反如果缺少必要的预处理过程，则会对后面系统的结果产生较大的不利影响，有可能造成工作量的增大和效率的降低，影响算法的有效性。
1.去噪处理：可能采用的方法如邻域平均、低通滤波、中值滤波、匹配滤波、卡尔曼滤波等；
2.图象校正:有图象的几何校正、图象信号量化的归一化等；
3.数据压缩:有分层搜索、灰度压缩、图象投影、幅度排序等，领域平均及滤波也是数据压缩的有效手段；
4.图象增强及补偿：有图象整体增强、高频补偿、直方图均衡化、对数变换、去图象信号均值处理等。
2.2 图像增强
图象增强是一种为了改进图象质量图象处理技术。图象增强的目的是使图象更适合于计算机的分析处理。图象增强的技术方法，现在还没有衡量图象质量的通用标准可以用来作为图象增强处理器的设计规则。
待处理的视频图象仍然为 RGB 模式，为了得到将图象转换为二值图的阈值并对图象进行滤波处理，就必须先将待处理图象转换为灰度模式。在图象处理中，彩色图象的处理通常是通过对其三个单色图象分别处理而得到的。将彩色图象转换为灰度图象的公式为：
