一.基本概念
基于视频的车辆检测算法种类很多：光流法检测，帧差法，背景消除法（其中包括：直方图法，平均值法，单分布和混合高斯分布背景模型，Kalman滤波等），边缘检测法，运动矢量检测法...下面分享的是运动目标检测算法中最基本的方法—帧间差分法。
相邻帧间图像差分思想：检测出了相邻两帧图像中发生变化的区域。该方法是用图像序列中的连续两帧图像进行差分，然后二值化该灰度差分图像来提取运动信息。由帧间变化区域检测分割得到的图像，区分出背景区域和运动车辆区域，进而提取要检测的车辆目标。
它是通过比较图像序列中前后两帧图像对应像素点灰度值的不同，通过两帧相减，如果灰度值很小，可以认为该点无运动物体经过；反之灰度变化很大，则认为有物体经过。第k帧和k+1帧图像fk(x，y)，fk+l(x，y)之间的变化用一个二值差分图像D(x，y)表示，如式:
二值图中0对应前后未变化的地方，1对应变化的地方。流程图如下图所示：
帧差法的特点是实现简单，运算速度快，对于动态环境自适应性是很强的，对光线的变化不是十分的敏感。但是在运动体内易产生空洞．特别是目标运动速度较快时，影响目标区域准确提取。我们以年辆检测为例，车辆检测除了要检测出运动车辆．同时还要检测出暂时停止的车辆，在这个方面，此类方法无能为力。而且如果车辆的体积较大，那么车辆在前后帧中根容易产生重叠部分，尤其是大货车，这使得帧问差分的结果主要为车头和车尾。车辆中间部分的差分值相对报小．形成空洞，不利于检测。
二.程序源代码
#include "stdafx.h"
#include "highgui.h"
#include "cxcore.h"
#include "ml.h"
#include "cv.h"
void main()
{
CvCapture* capture;
capture=cvCaptureFromFile("video.avi");//获取视频
cvNamedWindow("camera",CV_WINDOW_AUTOSIZE);
cvNamedWindow("moving area",CV_WINDOW_AUTOSIZE);
IplImage* tempFrame;//用于遍历capture中的帧，通道数为3，需要转化为单通道才可以处理
IplImage* currentFrame;//当前帧
IplImage* previousFrame;//上一帧
/*
CvMat结构，本质上和IplImage差不多，但是因为IplImage里的数据只能用uchar的形式存放，当需要这些图像数据看作数据矩阵来运算时，0~255的精度显然满足不了要求；
然而CvMat里却可以存放任意通道数、任意格式的数据
*/
CvMat* tempFrameMat;
CvMat* currentFrameMat; //IplImage要转成CvMat进行处理
CvMat* previousFrameMat;
int frameNum=0;
while(tempFrame=cvQueryFrame(capture))
{
//tempFrame=cvQueryFrame(capture);
frameNum++;
if(frameNum==1)
{
//第一帧先初始化各个结构，为它们分配空间
previousFrame=cvCreateImage(cvSize(tempFrame->width,tempFrame->height),IPL_DEPTH_8U,1);
currentFrame=cvCreateImage(cvSize(tempFrame->width,tempFrame->height),IPL_DEPTH_8U,1);
currentFrameMat=cvCreateMat(tempFrame->height, tempFrame->width, CV_32FC1);
previousFrameMat=cvCreateMat(tempFrame->height, tempFrame->width, CV_32FC1);
tempFrameMat=cvCreateMat(tempFrame->height, tempFrame->width, CV_32FC1);
//此时这些IplImage和CvMat都是空的，没有存有数据
}
if(frameNum>=2)
{
cvCvtColor(tempFrame, currentFrame, CV_BGR2GRAY);//转化为单通道灰度图，此时currentFrame已经存了tempFrame的内容
/*
用cvConvert将IplImage转为CvMat，接下来用cvAbsDiff对它们处理
经过转换后，currentFrame没有改变，但是tempFrameMat已经存了currentFrame的内容
*/
cvConvert(currentFrame,tempFrameMat);
cvConvert(previousFrame,previousFrameMat);
cvAbsDiff(tempFrameMat,previousFrameMat,currentFrameMat);//做差求绝对值
/*
在currentFrameMat中找大于20（阈值）的像素点，把currentFrame中对应的点设为255
此处阈值可以帮助把车辆的阴影消除掉
*/
cvThreshold(currentFrameMat,currentFrame,20,255.0,CV_THRESH_BINARY);
//cvConvert(currentFrameMat,currentFrame); //观察不二值化的情况
cvDilate(currentFrame,currentFrame); //膨胀
cvErode(currentFrame,currentFrame); //腐蚀
cvFlip(currentFrame, NULL, 0); //垂直翻转
//显示图像
cvShowImage("camera",tempFrame);
cvShowImage("moving area",currentFrame);
}
//把当前帧保存作为下一次处理的前一帧
cvCvtColor(tempFrame, previousFrame, CV_BGR2GRAY);
cvWaitKey(33);
}//end while
//释放资源
cvReleaseImage(&tempFrame);
cvReleaseImage(&previousFrame);
cvReleaseImage(¤tFrame);
cvReleaseCapture(&capture);
cvReleaseMat(&previousFrameMat);
cvReleaseMat(¤tFrameMat);
cvDestroyWindow("camera");
cvDestroyWindow("moving area");
}
【注意】代码复制他处，略有改动，进行视频输出矫正（源代码昰倒的图像）。
