1.目标检测 2.目标分类 3.目标跟踪 4.特征提取 5.行为理解
一．目标检测常用方法：
1)时间差分法
在连续的图像序列中两幅或三幅相邻帧之间采用基于像素的时间差分，并对差分结果进行阈值化处理以提取图像中的前景运动区域。
缺点：
前景、背景区域的确定与阈值的选取有很大的关系 当灰度图像序列对比度较低时，由于相邻两帧的差(前景与背景之差)的范围很小，阈值难以选取，影响前景目标的分割结果。
区域灰度值变化较为平坦时，容易在人体二值图像内产生空洞现象，给后续的目标分类、跟踪和识别造成不便。
优点：
对于动态环境有较强的自适应性
2)背景减除法
最常用且有效的是背景减除法。
背景减除法最简单的实现方法是预先选取不含前景运动目标的背景图像，然后将当前图像帧与背景图像相减得到前景目标。
背景减除法通常在摄像机固定的情况下使用，关键是建立随场景变化不断更新的背景模型。
有两类常用的背景更新方法:
1、建立背景模型并采用自适应方法对模型参数进行调整，从而获得新背景图像;
2、从过去的一组观测图像中按一定的假设选择像素值构成当前背景图像。
3)块匹配法 4)光流估计法
基于光流法的运动检测，是利用运动物体随时间变化在图像中表现的光流特性，通过计算位移向量光流场来提取运动目标。
光流是空间运动物体在观测成像面上对应像素运动的瞬时速度，是空间物体可见点的三维速度矢量在成像平面上
的投影，它携带了丰富的运动和结构信息。
优点：
即使在摄像机运动的情况下也能检测出独立的运动目标。
缺点：
由于噪声、多光源、阴影和遮挡等原因，计算出的光流场分布并不十分可靠和准确。
多数光流法计算复杂、耗时，在实际的系统中没有特殊的硬件支持时，很难实现实时检测。
5)基于主动轮廓线模型的方法 6)基于小波的方法
7)基于人工神经网络的方法