基于改进ViBe的室外行人检测方法

崔 莹,陈升东,袁 峰,李 引

(广州中国科学院软件应用技术研究所,广东 广州 511458)

0 引 言

随着摄像头安装数量的日益增多，以及智慧城市和公共安全需求的日益增长，采用人工视频监控方式已经远远不能满足需要，因此智能视频监控技术应运而生并迅速成为一个研究热点[1]。在实际应用中，对室外环境的行人进行检测监控一直是研究的难点，这是因为室外环境复杂多变，存在光照变化、树叶摇晃、小动物(尤其是夜间灯光引来的飞虫)等多种干扰。

目前最具影响力的行人检测方法是由Dalal等人[2]提出的HOG结合支持向量机(Support Vector Machine，SVM)分类器的方法。HOG描述图像的局部边缘梯度信息，对小量的偏移和光照变化具有很好的鲁棒性，缺点是维度较高，以致其提取速度很慢，计算时间比较长，影响实时性[3]。

针对动态视频识别应用场景，有学者提出将前景提取与行人识别相结合从而提高行人检测速度的方法，该方法是采用现有的某种前景检测算法提取图像中的感兴趣区域(Region of Interesting，ROI)，然后在此区域中通过HOG特征进行行人识别[4-5]，该方法能够提高行人检测速度。常用的前景检测方法有：背景差分法[6]、帧间差分法[7]、光流法[8]、混合高斯背景建模法[9]、视觉背景抽取法(Visual Background Extractor，ViBe)[10]等。背景差分法和帧间差分法在复杂的环境中适应性不强，光流法计算复杂度较高，而应用较为广泛的混合高斯背景建模法也存在计算复杂、不适应变化较快的背景等问题。ViBe方法是一种高效的像素级背景建模算法，运算速度快且具有较强的鲁棒性[11]。……