图各项指标检测使用检测算法。

图跟踪车辆而归，并改变其大小和形状结论在本文中，我们提出使用移动摄像机进行运动目标检测和跟踪新方法。

我们用两种不同方法探测跟踪和检测，我们使用仿射变换和方法做出明显背景运动估计。

当背景帧运动状态取消时，把两个连续区别帧用于运动目标检测。

我们还检查了些静态目标。

我们使用改善后莫拉维克算法和功能配合帧差矢量完善以跟踪。

我们算法具有广泛测试各种图像序列功能。

建议用这种方法成功地从移动摄像机中探测和跟踪移动获得车辆和任意场景中对象。

跟踪系统是目标形状恢复能力体现，因此它能够成功地跟踪目标在不同距离从相机中被放大。

背景和区域计算算法适合实时应用。

此外，它实施在于理解和结构化方式。

实验结果表明，该算法是可靠，在大多数情况下可以成功地检测和跟踪目标。

添加更多可靠性跟踪系统可以对当前基于纹理边缘合并和跟踪方法加以改进。

，中文字附录外文文献翻译原文，出处，，，，，，，，中文字附录外文文献翻译 原文，出处，，。

根据上述过程中，至少有个数据在后台设置概率和获得正确对应点从下面公式推导其中，在比例是移动物体区域整体形象，概率值使对应点被正确地找到。

已被证明，上述方法会给个准确和可靠模型。

运动目标检测方法背景运动补偿帧当仿射参数估计时，他们可以用于消除明显背景运动，通过变换帧。

现在不同当前帧和转换帧显示了真正移动目标。

然后我们应用个阈值来产生个二进制图像。

转换结果是图像显示和数据细分和划归。

另些部分被分割为正在移动目标归因于噪音。

可用于连接组件属性减少噪声引起。

我们使用分割和合并算法找到目标包围盒。

如果没有找到目标，那么就意味着或者是没有场景中移动目标，相对运动目标太小，无法检测。

在后种情况下，它通过调整相机帧频可以探测目标。

该算法会自动完成通过分析发出帧，直到发现目标。

我们特别感兴趣是检测和跟踪移动车辆，我们实验表明，比较长度水平和垂直线在目标地区与周边关于自然目标将给个有用线索。

目标跟踪个目标是验证后，切换算法进入跟踪模式。

把修改后莫拉维克算法应用到目标识别功能点。

这些特征点匹配在当前在该区域兴趣点帧中。

与帧差矢量计算点配对。

我们使用帧差矢量优化匹配点。

用已设点确定新目标位置当前帧。

该算法切换到每次错过目标检测模式。

虽然以上检测算法，可用于跟踪，但在与上述检测算法描述对照我们在本节中描述跟踪算法有计算成本非常低。

另方面，当被检测目标是不限于保持跟踪模式时。

目标也可以是大于背景跟踪模式，这意味着摄像机放大到个更大目标才能够跟踪。

图连续两帧画面和背景运动补偿后，计算出差异，其中仿射参数为，，，，，当目标大小是固定正常互相关或平方和差异方法时可以直接申请跟踪目标。

但是，我们不能限制目标有个固定大小。

我们跟踪算法要具有更新目标形状和大小能力。

为了实现这目标，该算法选用了基于动态特征点跟踪。

我们选择功能目标区域点，跟踪他们在下帧运动轨迹。

水平和垂直线是车辆跟踪重要特征。

所以我们用优化莫拉维克算法选择特征点，只考虑地平线和垂直梯度。

这提高了选择兴趣点功能，位于几何点如已经定义结构车辆，此功能是非常有用，当交换与闭塞时。

我们跟踪算法包括四个步骤，如下所述。

在前面框架应用大幅度修改算法选择目标地区特征点。

找到对应特征点感兴趣区域当前帧使用规范化模型。

计算帧差矢量和基于这些载体完善功能点。

这种改善被定义为省略特性不致向量。

这有助于清除非靶标特征点。

基于位置改善对应点和之前在当前帧确定目标位置和大小。

完善特征点描述在步骤中，我们计算了差距均值和方差向量，基于这些值我们删除了点，差异向量远离区域意味着差距。

在图所示改善后差异向量为目标。

当没有追踪或特征点对应点没有被发现时，我们认为目标丢失，算法检测模式切换到寻找目标。

结果该算法用奔腾处理器主频实施，使用程序实现。

我们已经测试车辆模拟和实际图像序列算法在不同背景。

该系统可以实时检测跟踪目标。

我们实现了帧帧速率每秒检测帧每秒跟踪像素在至像素视频帧运动目标。

我们应用多种测试算法图像序列。

图显示了定检测成果和各种物体在任意背景中情况。

因为它表明，该算法具有成功地检测到目标能力。

在图中车辆跟踪结果显示，在这例子中，履带车辆在道路上形成形状和大小变化不同于其他车辆。

因为它显示在图片大小和车辆形状不同，但我们跟踪算法成功地跟踪了它。

结果表明，该方法探测和跟踪移动物体准确性。

把产生结果与其他方法方法比较表明，使用该方法可以得到更可靠实时检测和跟踪结果。

图精致差距载体进行跟踪。

上帧，当前帧和当前帧视差矢量