针对自然环境中因摄像机抖动造成无法准确检测运动目标的问题, 提出一种结合分块灰度投影、背景差分与连续帧间差分法的运动目标检测算法。该算法通过将图像帧进行分块处理, 结合离散化决策机制去除灰度梯度变化低及存在局部运动的目标区域, 提高全局运动矢量估计精度。根据块区域灰度投影曲线进行互相关计算, 完成抖动序列校正。通过对校正后的序列帧提出使用背景差分与连续三帧差分法的融合策略处理, 增强运动目标区域。通过将融合差分图像平滑处理并使用Otsu法进行自适应阈值分割, 检测前景运动目标。用公共抖动视频序列实验, 并与不同算法对比验证后可得：该算法可以准确检测出摄像机抖动场景中运动目标, 保证较好检测效果的同时检测速度较快。

为了更好实现3D虚拟键盘对人手型的分割，建立了一套基于颜色空间和背景减除的手型分割方法。对原有的单颜色空间处理方法进行了改良与创新，提高运算速度和鲁棒性。介绍了原有颜色空间算法的原理和步骤，并给出该方法的效果图和运算速度。根据颜色空间处理方法的原理分析程序中可以提高速度的部分，提出一些颜色空间算法无法解决的问题。在原有HSV颜色空间的处理中加入新颜色空间YCrCb，结合两者进行速度方面的提升，最后，在颜色空间处理之外，加入码本法背景减除，解决干扰色、手饰品干扰等颜色空间无法处理的问题。实验结果表明: 使用新颜色空间算法，运算速度提升，节省28.27%的时间; 加入码本背景减除后的指尖定位良好，平均误差小于2%。达到了提高3D虚拟键盘实时性和鲁棒性的要求。

针对激光主动探测时光电设备表现出的猫眼效应, 搭建了基于CCD的激光主动探测系统, 提出了一套有效的光电窥视设备检测算法。该算法在激光脉冲的间隔, 同时采集激光主被动图像, 根据窥视目标与普通漫反射物体的回波强度差异, 利用背景差法检测窥视目标。实验结果表明, 在半径为5 m的作用范围内, 该激光主动探测系统可有效、快速地将光电窥视目标从背景中检测出来, 并且不受场景和光照的限制。通过对光学口径为2 mm的光电窥视设备在20个不同场景环境下进行实验, 正确检测率达到95%, 且每帧的检测时间在0015~0021 s内, 满足了实时性需求, 验证了本文系统搭建方案的正确性与软件处理算法的有效性。

针对传统单高斯背景模型(SGM)存在的背景模型不能很好地自适应背景变化、目标检测不完整的问题，提出了一种改进的单高斯背景模型运动目标检测算法，该方法结合单高斯背景模型和mean shift原理对运动目标进行检测。取前N帧视频样本的均值作为初始背景模型，对当前帧图像进行运动目标的初检测，根据单高斯背景模型更新原理用当前帧图像对检测为背景的点进行背景模型更新，对更新后的背景模型中不属于背景点的像素点进行mean shift修正，将进行mean shift修正后得到的背景模型作为最终的背景模型，再通过背景差分法最终检测出运动目标。实验表明，改进的算法能很好地克服背景模型不能自适应背景变化的缺点，目标检测完整度比传统的单高斯模型高。

为了克服背景差分法和帧间差分法的不足，有效提高运动目标检测的准确性、实时性和检测效率，提出了一种将连续帧间差分法与背景差分法相结合的运动目标检测方法.首先通过连续帧间差分法获得连续帧差图像，然后分别通过线性的自适应滤波、非线性的中值滤波获得背景图像进行差分，之后再利用阈值分割技术实现运动目标的增强，从而有效解决背景差分法和帧间差分法中都可能出现的无法检测目标的现象.实验表明，该算法可以有效避免漏检、误检等情况，提高运动目标检测的效率和准确性.

研究了背景差分算法，并设计了一种对多车道路段的车流量检测系统。首先通过背景差分的方法，实现了运动前景和背景的分割；进一步使用虚拟检测线实现了多车道车流量的检测。系统平台用Visual C++结合OpenCV进行编程实现。对实际道路环境下的大量的图像序列进行了测试，取得了较好的效果。