为了降低强视差下移动相机运动目标检测的虚警率，提出了一种基于深度约束方程的运动目标检测方法。重点研究了二维图像坐标系到三维世界坐标系之间的关系，并根据图像深度信息和摄影几何原理，结合前后两帧图像和相机内部参数，提出了深度约束方程。深度约束方程包含了图像灰度信息和深度信息，利用深度约束方程可以有效地去除因相机移动产生的视差对目标检测的影响。利用该方法对实际的图像序列进行了分析与处理，并与相关算法进行了对比分析，实验结果表明该方法能够消除移动相机下由于视差造成的虚警，提高移动平台运动目标检测的准确性

为满足人流统计实时性的要求，提出一种人头检测算法。该方法对双目相机采集的图像通过运动目标检测分离出运动人员所在区域，对这些区域使用融合区域匹配和特征匹配的快速匹配方法，即利用视差的连续性只对强纹理点进行绝对误差累积(SAD)匹配，其他点只进行简单的视差验证，能够得到稠密的视差图，再由三角投影关系计算出深度图。由于双目立体成像得到的深度图中人员与场景的深度分布不同,可以采用深度分层的方法将存在人头信息的深度层提取出来，经过数学形态学预处理再利用边缘检测会得到许多候选轮廓，最终利用轮廓的几何特征来判

从多视角几何的角度分析了强视差下基于运动相机的运动目标检测问题，提出了曲面单应模型，给出了多视角下的三维静止场景的约束条件。现在一般的方法是平面加视差或直接用基础矩阵等简单的几何约束，但无法解决约束条件退化的问题。该算法框架提出了比基础矩阵更强的约束条件，将基础矩阵面退化情况改进为曲面单应下的线退化，并根据曲面单应引入了建模、学习、检测的过程，从而解决了约束条件退化的问题。与以往算法不同，该算法不需要主平面，也不需要防止摄像机出现退化的情况。根据实际采集的图像序列进行了分析对比，真实的数据测试表