本文的主要研究内容是基于光流法的视频图像序列的运动检测。视频图像序列的运动检测是计算机视觉领域的重要研究课题之一。视频图像是由在时间上相关的序列图像组成的,其丰富的原始数据、相邻帧间的强相关性和时间上的动态时变模式等特点使图像中的运动目标易于检测、分割和识别。视频图像的运动检测不仅在工业和军事上具有极为重要的应用,而且在一些重要的码头、公共场所、银行、公路车辆监测等系统中也有广泛的应用。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目标提取四个部分。本文主要工作如下:1.外界干扰或摄像机的变化等因素很容易使采集的图像被噪卢污染,为了提高光流法运动检测的准确度,必须将每帧图像进行预处理使图像平滑。本文介绍了几种经典的去噪算法,为了提高计算速度,在具体实验中采用均值滤波方法。2.运动检测就是把需要的目标从复杂的背景中分离出来。光流法在序列图像的运动目标检测中有较好的应用,但受光照变化、运动物体的阴影、树叶的摆动、起伏的波浪等动态环境因素的影响,使运动检测工作相当困难。并且光流法用于运动目标检测时存在许多问题:运算量大、抗噪性差、稳定性差、不能检测较高速度的运动目标等。在介绍了几种经典的连续光流计算方法的基础上,本文提出了一种基于线性亮度变化模型的鲁棒的光流算法,引入了一般化的线性亮度变化模型,得到两个亮度变化参数,建立了新的梯度约束方程,提高大的光照强度变化下算法的稳健性,实验表明此算法对于局部或全局的光照变化具有很好的鲁棒性。采用了基于多尺度空间的微分光流算法,不仅对运动速度和速度变化较大的情况具有很好的适应性,而且采用了双线性插值算子以缓解误差传播效应。3.运动目标提取就是将计算光流场的光流矢量数据进行归一化处理,并对处理后的二值化图像进行形态滤波、区域连通,然后通过水平投影和垂直投影将运动目标用矩形框进行锁定,为以后估计运动轨迹实现运动跟踪做准备。本文分为六部分: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;第二部分介绍了图像预处理的经典算法;第三部分介绍并对比了连续光流场的几种经典算法,第四部分对新算法进行了详细地阐述并得到相关的实验结果;第五部分运动目标提取,通过区域连通提取出运动目标,并给出了大量实验图片;第六部分提出了研究展望及后续研究的主要内容。