目前运动检测中最常用的一种方法就是背景减除法。其原理是根据当前获取图像与事先指定静态图像的不同位置数据及其发生变化的先后顺序来确定运动区域和运动方向的。这个方法的特点是：可以获得完整的各种指定的特征数据信息，但抗干扰能力相对较差，环境灯光明暗变化、物体、人影晃动都可能造成较大的干扰。目前该领域的科研人员通过开发多种不同用途的背景模型来减少由于多种外界因素带来的图像干扰。

 

2.时间差分

 

时间差分法判定图像的运动路线的方法是通过抓取连续的运动图像帧通常为 2-3个图像帧，然后根据不同时间内图像上各个图像像素的阈值差异来实现判定过程。

 

这种运动检测方法的特点适用于动态环境，适合抓取动态影像，但对整个图像的特征点信息抓取不够完全，存在某些特征点缺失的现象，特别是对于运动物体的运动路线上容易存在空洞的情况。

 

3.光流

 

光流检测法是通过初始化物体位移向量的光流场，运动物体在联系时间内运动变化因而引起光流场的变化，采用跟踪检测的方法来计算该物体运动路线的轮廓，据此来得到该物体的运动路线。在检测独立的运动物体的运动路线时，摄像机可以同步运动存这是光流检测法的突出优点。但同样这个方法的缺点也很明显，需要特定的运动检测条件，光流位移流量计算难度搞，对与外界的环境干扰也很敏感，因此一般只适用于特定条件下的运动路线检测。

 

4.图像分割

 

将一幅图像划分成规则的多个小区域，通过设置使每个区域与一个图像的特征点相对应，操作者可以根据实际应用的需要把指定的特征区域分离并提取出来，这就是图像分割法的实现思想［23］。划分操作方法有两种：一是划分的小区域直接组成运动目标区域，二是提取的特征区域组成一个运动区域的边缘界线。这个方法划分出来的特征区域可以是一个目标运动物体也可以是运动区域集合里面的一个子集。这些特征区域连接而成的图像就是该运动物体的运动轨迹。

 

5.图像特征提取

 

在图像模式识别研究中一个既重要但又困难的工作是运动特征的选择与提取。在图像识别模式中重点是广泛分析各个特征点的具体特征并确定最突出与众不同的特征。

 

图像信息特征通常具有物理结构特征和数学特征。这两种特征的区别是：物理和结构特征不容易定量描述，不适用设备机器判定，通常人类的直觉可以感知；数学特征是可以用定量的方法记录，比较适用于设备机器的定量计算和描述。据此，特征的提取和选择是我们可以根据实际不同环境条件下采取的提取有效的图像信息和能迅速确定运动物体的运动路线的有效办法。