基于压缩感知和字典学习的背景差分法

2012-07-05郭厚焜

华东交通大学学报 2012年1期

郭厚焜，吴峰，黄萍

（华东交通大学信息工程学院，江西南昌，330013）

智能视频监控技术已被广泛应用到国民经济的各领域，在军事、工业、智能人机交互、智能交通等方面具有重要的意义。运动目标的检测是智能视频监控系统中一个重要组成部分，如何实现对运动目标的检测，是一个需要关注和研究的重要问题。

目前运动目标检测通常采用的方法有光流场法[1-2]、帧间差分法[3]和背景差分法[4]。光流场法运算复杂，不便实时实现。帧间差分法数据计算量大，并且帧与帧之间运动目标存在相对运动，会造成被检测处的运动目标位置与大小不准确。背景差分法运算简单，容易实现，但是容易受树叶的摆动、水面的波动和外界光线的突变等自然环境的影响，这就要求不断自适应更新背景模型。为此，各国学者已经提出了各种各样的新算法来力图解决现有算法出现的问题。如文献[5-6]提出的背景建模算法，以每一帧图像为一整体，发掘变化区域的内部结构特征，缺点在于不能较好地排除伪前景的干扰。文献[7-8]提出的数据字典学习算法，当输入的背景图像中还有运动目标时，不能很好地建立背景模型。

针对这一问题，在背景差分法的基础上，使用压缩感知原理，用一组数据字典线性稀疏表示背景区域[9-10]，建立背景模型。根据分割算法，排除伪前景的干扰，得到正确的运动目标区域。最后，采用数据字典更新算法，建立实时更新的背景模型。