基于视觉背景提取自适应运动目标提取算法.docVIP

基于视觉背景提取自适应运动目标提取算法 　　摘要：在复杂场景下的视频运动目标提取是视频分析技术的首要工作。为了解决前景运动目标提取的精确度不高的问题，提出一种基于视觉背景提取（ViBE）的改进视频运动目标提取算法（ViBE+）。首先，在背景模型初始化阶段采用像素的菱形邻域来简化样本信息；其次，在前景运动目标提取阶段引入自适应分割阈值来适应场景的动态变化；最后，在更新阶段提出背景重建和调整更新因子方法来处理光照变化的情形。实验结果表明，对于复杂视频场景LightSwitch的运动目标提取结果在相似度指标上，改进后的算法与混合高斯模型（GMM）算法、码本模型算法以及原始ViBE算法相比，分别提高了1.3倍、1.9倍以及3.8倍。所提算法能够在有效时间内对复杂场景具有较好的自适应性，且性能明显优于对比算法。 　　关键词：前景提取；视觉背景提取；背景建模；自适应阈值；更新因子 　　中图分类号： TP391.413 文献标志码：A 　　Abstract： The prior work of video analysis technology is video foreground detection in complex scenes. In order to solve the problem of low accuracy in foreground moving target detection， an improved moving object extraction algorithm for video based on Visual Background Extractor （ViBE）， called ViBE+， was proposed. Firstly， in the model initialization stage， each background pixel was modeled by a collection of its diamond neighborhood to simply the sample information. Secondly， in the moving object extraction stage， the segmentation threshold was adaptively obtained to extract moving object in dynamic scenes. Finally， for the sudden illumination change， a method of background rebuilding and updateparameter adjusting was proposed during the process of background update. The experimental results show that， compared with the Gaussian Mixture Model （GMM） algorithm， Codebook algorithm and original ViBE algorithm， the improved algorithms similarity metric on moving object extracting results increases by 1.3 times， 1.9 times and 3.8 times respectively in complex video scene LightSwitch. The proposed algorithm has a better adaptability to complex scenes and performance compared to other algorithms. 　　Key words： foreground extraction； Visual Background Extractor （ViBE）； background modeling； selfadaptive threshold； updateparameter 　　0 引言 　　随着模式识别、机器学习以及人工智能等学科的飞速发展，利用计算机视觉与图像处理技术来获取对客观世界的感知成为当下计算机视觉领域中最热门的课题之一。其中，提取视频图像中感兴趣的部分，如移动的人和车辆，也称为运动目标检测，一直是视频图像分析技术的研究热点。 　　传统的运动目标检测算法主要有帧间差法[1]、光流法[2]和背景差法[3]。其中，帧间差法的原理及实现技术相对简单，但目标的轮廓信息不能完整提取，容易产生空洞现象；光流法能较好检测出前