基于自适应阈值的前景提取算法

向志炎，曹铁勇，潘竟峰

（解放军理工大学 a.通信工程学院；b.指挥自动化学院，江苏 南京 210007）

0 引言

在过去的几十年里，运动目标检测已经得到了大量的关注和研究，在许多应用领域里都是非常关键的一个部分，如视频监控、人机交互、场景识别等许多计算机视觉应用领域。运动目标检测算法主要有光流场法、背景差法、帧间差分法。光流场法[1]的抗噪性差，计算量大，对硬件的要求比较高，因而实用性不强。帧间差法[2]的实现比较简单，实用性较强，但是对变化不是很明显的像素点不够敏感，很难完整地提取出运动目标。而背景差法[3-6]因其适应性和检测效果较好，已成为目前研究最多，应用最广泛的一种方法。为了有效并且准确地进行目标检测，进而提取前景目标，通常会选择 GMM对背景建模。GMM[3]是对每个像素建立多个高斯分布模型，通过在线EM近似估计来更新模型参数，从而能够比较好的克服光照变化、背景混乱等造成的干扰。由于前景目标的提取存在噪声，摄像机晃动，光照变化等因素的影响，如果采用一个自始至终的阈值进行前景分割，使得提取的目标不是很很完整，利用自适应阈值[7]的方法能够更好的提取出前景目标。采用背景减除法得到的前景往往含有阴影和噪声，只有对前景进行阴影抑制[8-9]和去噪处理，才能准确的将前景目标分离出来。在利用GMM对背景进行建模和更新的基础上，提出了一种新的基于自适应阈值的前景提取方法，该方法能够更加完整地提取出前景目标。……