如图1所示，交通摄像头对公路上移动的汽车进行实时的定位，随着小汽车的移动，红色框也跟随小汽车移动，实时将小汽车框起来。
基于实时物体移动的静态图像背景中移动目标检测是计算机视觉领域的研究热点，在安防、监控、智能交通、机器智慧、以及军事领域等社会生活和军事防御等诸多领域都有较大的实用价值。移动目标检测的实质是从实时图像序列中将图像的变化区域从整体图像中分割提取出来。由于图像的后期处理，比如移动目标的分类、跟踪、测距、判断大小以及行为动作分析等，主要考虑的是移动目标区域的像素信息，所以对移动目标的准确检测和有效分割是整个检测跟踪系统的重要基础。
图1 公路上的运动汽车
目前逐渐形成三种运动目标的检测算法：
1）帧间差分法 是采用视频序列中的相邻两帧图像做差的方法，来检测视频序列中的移动目标。但是受运动目标和背景变化的影响，检测过程中有可能出现伪目标或者目标中出现“空洞”，在目标运动不是太快时可以有效的检测到目标。
2）背景减除法首先在没有目标的场景中获取背景图像，然后利用实时视频序列和背景图像做差，来实现地移动目标的检测。如何获得背景是背景减除法的关键。
3）光流法是通过给图像中每个像素点赋予一个速度矢量的方法建立光流场，利用光流场中矢量运动的连续性来检测移动目标。该方法的计算量通常很大，难以实现实时性的检测。
本节实验将实现对镜头内移动物体（无论变大变小左右移动）的实时边界进行跟踪，为后期基于FPGA的人脸位置识别，字符识别（字符在镜头内任意位置）等打下基础。本节颗也是走向人工智能，机器识别的重要一课。
算法实现：对于彩色图像直接使用FPGA进行边界查找难度比较大，所以我们一般对图像传感器采集来的图像进行预处理。如图2所示，首先进行灰度化来减少图像数据量，然后使用帧差法对两幅不同时刻的图像进行差值（此步暂未进行）。然后我们对得到的图像二值化。最终对二值图像进行边界查找将结果显示到LCD显示屏上。
图2 基于FPGA的移动目标追踪系统
FPGA部分源码：
结果展示：
图3 实验图1
图4 实验图2
图5 对6的边界追踪
图6 对圆的边界跟踪
图7 对菱形的边界追踪
如图5,6,7所示我们完成了对数字6、图形圆、以及菱形的最大边界的实时定位，无论图像形状大小，均准确定位到了图像的上下左右边界。对目标成功进行了实时的定位。这将为我们后期的各种准确识别打下坚实的基础。
