赵 谦，周 勇，侯媛彬，刘树林

(西安科技大学a.通信与信息工程学院;b.电气与控制工程学院，陕西 西安 710054)

责任编辑:任健男

1 现有检测算法简介

在智能视频监控领域，运动目标的检测是信息提取的一个关键步骤，也是更高层次分析如目标跟踪、目标分类和行为理解的重要基础［1］。因此，如何从视频序列中快速准确地提取运动目标，是许多研究者所关注的一个问题。经过多年的发展，提出了一些有效的算法［2－5］，解决了智能监控中一些难题，能适应比较复杂的环境。其中，码书模型［4］就是一种常见的背景建模方法，众多研究者提出了改进的码书模型［6－7］。这些改进的算法有效地解决了码书模型中的一些不足，提高了码书模型的有效性和鲁棒性，然而对于码书模型的自适应更新却很少论述，但是背景建立之后，如何保持背景的稳定性，让背景长时间可靠工作也是一件及其重要的事情，在实际应用中这可能比建立一个完美的背景更值得关注。

无论是传统的码书模型背景更新方法，还是后来的一些改进算法，它们都是基于单个像素在时域上考虑。这种基于像素时域分布的模型更新方式没能充分利用空域信息，不能区分出真正的背景变化。在任何应用场景中，背景与前景目标是两个相对的概念，背景模型的更新应与前景目标的定义相关。在文献［8］中曾提到运动稀疏的概念，现有的目标检测算法大多是基于物体的运动性，如何处理运动信息不足的目标值得研究。……