二十一世紀初，我國公路總里程數及汽車保有量大幅增加。隨著汽車社會的到來，交通擁擠、環境汙染、交通安全等所帶來的負面效應也日趨嚴重，由於交通擁擠、交通事故而造成的直接經濟損失也有上千億元之多，間接損失更是無法計算。隨著計算機技術，電子產業等新興產業快速發展，快速，便捷，安全的交通才能更好的服務當前世界經濟的發展，單純依靠增加公路與人口矛盾帶來的城市用地等問題也日益突出。智慧交通系統則是伴隨著這種潮流發展出來的，其是指運用先進的計算機技術，電子資訊科技，自動控制技術等將人（包括駕駛員和交通管理者）、車輛、道路三者有機的結合起來，使之成為一個執行有序的系統。
一、國內外目標檢測方法分析
目標檢測方法通過成像系統或雷達跟蹤技術檢測目標，而其對動態目標的檢測存在一定侷限性。對於複雜環境下的動態目標，目標資訊可被背景噪聲淹沒，使得資料丟失，造成目標跟蹤不穩定。目前應用較多的有先檢測後跟蹤演算法和檢測前跟蹤的方法。先檢測後跟蹤演算法屬於經典的紅外目標檢測方法，目前已提出了一系列比較成熟的點目標檢測濾波預處理演算法，如高通濾波處理方法、最小均方誤差濾波方法和中值濾波處理方法等。數學形態學法採用數字影象處理技術抑制高頻背景噪聲成分，具有很好的背景噪聲抑制功效，對弱小目標檢測比較有效。先跟蹤後檢測演算法利用目標影象在跟蹤過程中每一階段的目標成像資訊，跟蹤影象中較多可能的目標軌跡，並藉助動態過程的目標特性對各條軌跡進行檢測判決，得到真實目標的軌跡，完成目標檢測，提高了低信噪比情形下目標檢測方法的效能。運動目標檢測是通過對影象感測器拍攝到的影象序列進行分析，檢測出運動目標，為後續的目標分類、目標跟蹤以及更高層的行為理解打下良好的基礎。常用的`運動目標檢測方法主要有3種：光流法、幀間差法和背景差法。
二、運用幀間差分法進行運動目標檢測
（一）幀間差分法。幀間差分法是指對一個很小的時間間隔△t（一般△t=1s）前後的兩幀影象進行差分形成差分圖再通過取閾值得到二值化圖來得到運動目標區域的方法。因為運算十分簡單，並且差分圖二值化也有許多高效演算法，從而非常適合於實時檢測運動物體，設t1時刻的輸入幀為f1（x，y），t2時刻的輸入幀為f2（x，y），若此期間有車輛行駛，應有f2（x，y）=f1（x-△x，y-△y），令：△f（x，y）=︳f2（x，y）-f1（x，y）︳。
對於影象中的靜態部分，△x=△y=0，則△f（x，y）=0，而對於運動部分△f（x，y）≠0，從而得到運動區域。實際使用中，相鄰兩幀差後，運動目標內部容易產生空洞現象，因為通過二值化分割出來的區域實際上是物體前後兩個位置的合併區域，要比物體實際面積要大。其次，它對噪聲非常敏感而且檢測出的物體的位置不精確。該演算法檢測的運動區域是在t和（t-△t）時刻，這就關係到視訊取樣率的問題。對於運動速度快的車輛，若時間差選擇得不合適，容易誤檢為兩個分開不同的物體；而對運動速度慢的車輛，選擇不適當時間差，只能檢測出目標很小的一部分，一般可採用多幀之間差分法或者運動邊緣檢測法對其進行改進。
（二）實驗及分析。以下列視訊影象中的白色小車為例，通過道路攝像機拍攝到在道路上行駛的白色小車的視訊，利用幀間差分法中的多幀相減的方法，先對視訊進行分割，形成每一幀影象。其原始分割後圖像如下：
用幀間差分法處理後通過每兩幀差分得出連續影象，下面為上面對應的幀影象：
通過實驗分析，幀間差分法不僅完成了對道路中白色小車的檢測，同時白色小車後面的車輛同樣被檢測出來。說明幀間差分法不僅能夠完美的檢測出單個運動目標，並且在多目標檢測上也有很好的效果。
三、結束語
本文通過研究時域檢測中的幀間差分法方法完成了對道路交通中運動車輛的實時檢測。從實驗結果來看，幀間差分法不僅能夠完美的檢測出單個運動目標，並且在多目標檢測上也有很好的效果，為後續運動目標的跟蹤提供的良好基礎。
參考文獻：
[1]張娟，毛曉波，陳鐵軍.運動目標跟蹤演算法研究綜述[J].計算機應用研究，2009（12）.
[2]但妮.視訊序列中運動目標提取與檢測演算法的研究與實現[D].南京郵電大學，2009.