陈 权,黄 俊,徐 访
(重庆邮电大学 通信与信息工程学院,重庆 400065)
E-mail:1527682810@qq.com
在生活中,运动目标检测的应用领域越来越广泛,发挥的作用也越来越重要,其本质是分析视频序列图像进而提取运动目标.目前,常用的运动目标检测算法有:光流法,背景减法,帧间差分法[1].光流法不需要了解场景的信息,利用光流场的变化就可以准确地检测识别出运动目标的位置,但计算量大且抗噪声性能差.帧间差分法利用时间连续的两帧图像的灰度图做差分运算,得到差分图像的过程.该方法计算简单,适用于简单的场景,但容易产生大面积的空洞现象.以高斯混合模型(GMM)[2]和视觉背景提取算法(ViBe)[3]为代表的背景减法是目前最常用的运动目标检测研究方法.背景减法主要是初始化一个背景模型,将背景模型与后续的每一帧图像进行比较,得到运动目标并对背景模型进行更新[4].
由于高斯混合模型(GMM)在目标运动缓慢的情况下容易出现拖影现象,且模型计算复杂度较高,实时性较差.O.Barnich和M.Van Droogrnbroeck在2011年提出了一种像素级的前景检测算法—ViBe.ViBe算法利用视频第1帧实现背景模型初始化,利用新帧背景像素点更新背景样本模型,使得背景模型的分布规律更加符合实际,具有占用内存小,检测效果好等特点.但ViBe算法同样存在一些不足,视频第1帧存在运动目标的图像,算法会将相应区域的背景误判为前景,从而在背景模型中引入一个虚拟的前景,即“鬼影”现象.在光照条件下……