本文的主要研究内容是在固定背景下基于光流场的视频图像序列的运动检测应用研究。对视频图像中的运动分析在计算机视觉中占有十分重要的地位,已成为热点研究领域之一。视频图像是由在时间上相关的一系列图像组成的。视频图像包含丰富的原始数据。图像相邻帧间具有很强的相关性和时间上的动态时变模式。由于视频图像具有这些特点很容易从图像中检测、分割和识别运动物体。视频图像的运动检测有其相当重要的应用价值。运动检测不但应用在工业和军事上,而且在一些重要的公共场所也有广泛应用如码头、广场、监狱、公路车辆监测等系统中。基于光流法的视频图像序列的运动检测过程主要包括图像预处理、光流场计算、归一化光流场和运动物体提取四部分。本文工作如下:1.在实际的环境中,由于光线和物体本身等原因,在光流计算中常常受到阴影的干扰,是光流场检测出来的物体不准确,本文利用了一种基于图像亮度的梯度差分法来去除阴影。使得检测的物体更准确。2.传统基于微分的光流计算方法在对图像亮度不守恒,以及运动不连续时,光流计算的精度就会大大下降,因为这违背了传统光流的假设。Black & Anandan提出了解决亮度不守恒和运动不连续等问题的BA算法。本文将去阴影算法和BA算法相结合来增强光流计算结果----GSOF算法。3.将GSOF算法分别应用到道路车辆检测、人数统计和异常行为检测中,进过实验证明了该算法的有效性,本文分为五部分:第一部分首先阐述了课题的研究背景、意义及该领域的发展现状;第二部分介绍了两大主流光流场计算方法。第三部分介绍了结合梯度差分去除物体阴影的BA光流场计算方法----GSOF算法。第四部分介绍了GSOF算法应用到道路交通车辆检测中。第五部分介绍了GSOF算法应用到重要场所的人数统计中。第六部分介绍了光流场在群体异常行为检测中的应用。