。对于存在抖动、噪声等情况下的检测效果不佳，对于动态背景下的目标跟踪，则必须采用其他的方法先对全局运动做出补偿，如块匹配法、坐标变换法等。
背景差分法混合高斯模型法Gaussia
MixtureModel，GMM也称为统计背景模型法。该算法的思想是：对于缓慢变化的背景，可以用正态分布来表征像素灰度值的变化，每一种背景像素的值都可以通过多个高斯分布的加权和来描述。最早提出的是三分布GMM，每个像素点用三个高斯分布来分别表征背景、前景的阴影、前景这三种不同的模式，但实际情况很复杂，对背景、前景等模式都限定只用一个高斯分布来描述是不够的。因而之后又出现了固定分布数K的混合高斯分布模型FixedKGaussia
MixtureModel以及后面发展而来的基于自适应分布数K的混合高斯分布模型AdaptiveKGaussia
MixtureModel，AKGMM。二值化一幅图像包括目标物体、背景还有噪声，要想从多值的数字图像中直接提取出目标物体，最常用的方法就是设定一个阈值T，用T将图像的数据分成两部分：大于T的像素群和小于T的像素群。这是研究灰度变换的最特殊的方法，称为图像的二值化。图像的二值化，就是将图像上的像素点的灰度值设置为0或255，也就是将整个图像呈现出明显的只有黑和白的视觉效果。中值滤波中值滤波法是一种非线性平滑技术，它将每一像素点的灰度值设置为该点某邻域窗口内的所有像素点灰度值的中值。中值滤波是基于排序统计理论的一种能有效抑制噪声的非线性信号处理技术，中值滤波的基本原理是把数字图像或数字序列中一点的值用该点的一个邻域中各点值的中值代替，让周围的像素值接近的真实值，从而消除孤立的噪声点。膨胀腐蚀
f膨胀和腐蚀是两种基本的形态学运算。腐蚀就是使用算法，将图像的边缘腐蚀掉，作用就是将目标的边缘的“毛刺”剔除掉，即将物体与周围背景点分离。膨胀就是使用算法，将图像的边缘扩大些，作用就是将目标的边缘或者是内部的坑填掉，即将物体与周围背景点结合。
2车牌识别算法车牌定位算法对经过预处理后的二值车牌图像进行一阶水平差分得到跳变点图，分别统计水平和垂直方向上的跳变点个数投影，通过设置标签和区域连通，粗定位车牌的上下和左右边界选取一定区域的车牌图像进行色彩空间转换，判断车牌底色对大于一定倾斜角的车牌进行水平矫正，使字符在同一水平线上对矫正后的灰度图像进行Sobel水平算子和垂直算子进行边缘检测并二值化，采用类似粗定位的方法对车牌进行细定位。车牌切分算法算法是基于二值图像进行r