随着机器视觉技术的不断发展,基于机器视觉的自动检测技术在航空航天、医疗行业以及工业自动化方面获得了极大的发展,目前在生长线上检测透明或者半透明瓶装液体已经成为一个重要的研究方向。在透明或者半透明液体容器的生产线中,传统的方法是依靠人眼在背光挡板的情况下去观察容器液体中的杂质,进而将有杂质的容器挑选出来。与传统的方法相比,基于图像处理方法检测液体中的杂质可以有效的节约人力资源,提高检测效率和整个生产的自动化水平,同时也避免了工人长时间接触灯光而造成的眼部疾病。现有的算法如时差法、背景消除法以及均值漂移法等,主要是在相机与液体容器保持相对静止的条件下,对内部运动的目标进行检测或跟踪。由于液体容器在生产线也保持移动,其中的静止目标在镜头中的成像位置也会随着其在液体容器的位置和容器在镜头的位置的变化而变化,此时这些算法也会将容器表面静止的目标误判为运动目标;由于相机成像的局限性,目标在容器中的成像的大小和灰度分布也会随着目标的移动发生比较明显的变化,目标的形状特征和灰度特征不稳定,这使得某些基于特征的跟踪算法极易丢失跟踪的目标。这些原因都会使算法在检测目标的过程中形成比较大的虚警和漏警,对检测的准确性造成了极大地影响。本文的主要工作:(1)对于静止容器环境下收集到的杂质图像进行分析,根据其质心运动特征设计出一种基于位置关联的杂质检测算法,有效的避免了单帧检测的缺陷。(2)针对生产线中液体容器的运动的状态,分析了容器表面静止目标在不同运动方式下的运动规律,设计了几种不同的校正方式。将校正结果中静止目标与运动目标的位置变化特征进行分析比较,找出了一种区分静止和运动目标的方法,有效排除了容器表面静止目标的干扰,从而降低了虚警。