Wykrywanie obiektów to technika wizji komputerowej i przetwarzania obrazu, która umożliwia wykrywanie, lokalizowanie i identyfikowanie obiektów na obrazie lub filmie. Każdy obiekt ma swoją cechę, dlatego klasyfikacja obiektu poprzez analizę cech obiektu jest również częścią detekcji obiektu . Rodzaj obiektu, czy jest to człowiek, samochód, budynek, zwierzę itp., suma obiektów w scenie podlega cechom obiektów. Kilka metod wykrywania obiektów jest wykonywanych przez kilku badaczy. Podstawowe modelowanie tła, statystyczne modelowanie tła, rozmyte modelowanie tła i szacowanie tła to typy modelowania tła. Metody wykrywania obiektów również opierają się na sztucznej inteligencji i głębokim uczeniu, ale modelowanie tła jest najprostszą i najskuteczniejszą metodą wykorzystywaną do wykrywania obiektów. W uczeniu maszynowym pierwszą koniecznością jest zdefiniowanie cech za pomocą technik takich jak maszyna wektora nośnego (SVM) do klasyfikacji, natomiast uczenie głębokie opiera się na technikach, takich jak CNN (convolutional neural network), RNN, Faster R-CNN, Siatkówka, YOLO, który może przeprowadzać kompleksowe wykrywanie obiektów bez konieczności tak szczegółowego definiowania funkcji. Na rysunku Zhou i inni opisuje jedną klatkę, która jest ustawiona jako ramka tła, a drugą ramkę, która jest bieżącą ramką odejmowania tła, która daje wynik w momencie wykrycia obiektu. Na rysunku wykrywanie ruchomych obiektów w kolorowych ramkach pokonujących różne wyzwania, takie jak kamuflaż, zmiany oświetlenia i dynamiczne tło, jest pokazane zarówno z oryginalną, jak i wykrytą ramką.