基于ViBe自适应运动目标检测算法研究.docVIP

基于ViBe自适应运动目标检测算法研究 　　摘要：ViBe（Visual Background Extractor）算法具有初始化模型时间短、无记忆更新和计算复杂度低等优点，在众多运动目标检测算法中综合性能优异。然而，在视频序列第一帧包含运动目标的情况下，ViBe算法会产生较长时间才能消除的“鬼影”现象，且不同时间、不同区域用固定更新速率背景模型进行更新，鲁棒性差。为了提高ViBe算法对运动目标检测的准确性，提出Ad-ViBe（Adaptive Visual Background Extractor）算法，该算法根据像素点变化状态自适应改变背景样本集的更新速率。实验结果表明，该算法能够有效地消除“鬼影”现象和环境干扰带来的背景噪声，各项客观评价指标优于ViBe等传统算法。 　　关键词：运动目标检测；“鬼影现象”；更新速率；自适应；评价指标 　　中图分类号：TP18 文献标识码：A 文章编号：1009-3044（2018）09-0187-05 　　Abstract： Visual Background Extractor （ViBe） algorithm has the advantages of initializing background model quickly， memoryless based update and low computational complexity. Therefore， it has excellent performance compared with other moving objects detection algorithms. However， in the case of moving object included in the first frame of a video sequence， ghost phenomenon occurs and it takes a long time to eliminate， and at different times， different regions are updated with the background model of fixed update rate， it is robustness. In order to improve the detection accuracy， Adaptive Visual Background Extractor （Ad-ViBe） algorithm was presented， the algorithm adaptively changed the update rate of the background sample set according to the changing state of pixels. Experimental results showed that Ad-ViBe algorithm can effectively eliminate the ghosting phenomenon and scene noise， and the evaluation indicators are better than ViBe etc. 　　Key Words： moving objects detection； ghost phenomenon； update rateadaptive； evaluation indicators 　　1 引言 　　?S着摄像头的普及和物联网的快速发展，视频监控广泛运用于生产生活中。在带来便利的同时也产生了海量的待处理视频数据，相对于传统的人工操作，利用计算机视觉进行分析显得尤为重要[1]。此外，计算机视觉中的运动目标检测是目标识别、跟踪等其他应用的基础。因此，运动目标检测算法的研究具有重要意义。 　　目前，运动目标检测算法分为三类：光流法[2]、帧间差分法[3-4]和背景差分法[5]。其中，由Barnich等[6-7]提出的基于ViBe背景差分法具有计算复杂度低、速度快、鲁棒性和抗噪性高等优点。虽然ViBe算法综合性能较好，但由于其独特的背景模型初始化及更新机制，会产生“鬼影”现象[8]，给后续运动目标检测带来干扰。 　　针对“鬼影”干扰问题，许多学者对ViBe算法进行了改进：Jin等[9]提出融合Canny算子与ViBe算法，利用改进的Canny算子提取边缘信息，然后和ViBe算法检测的前景区域融合得到更为准确的运动目标；Liu等[10]提出利用时间梯度和空间梯度自适应调整检测阈值；胡小冉等[11]提出结合帧间差分法得到更为准确的初始背景模型，从而消除“鬼影”；闵卫东等[12]提出结合像素生命