李新县，余 烨

(合肥工业大学计算机与信息学院VCC研究室，安徽 合肥 230009)

Li Xinxian, Yu Ye

(VCC Division, School of Computer & Information, Hefei University of Technology, Hefei Anhui, 230009, China)

由于复杂背景、光照变化、目标相互遮挡等因素的存在，运动目标检测一直是计算机视觉领域的研究热点和难点。主流的运动目标检测方法有帧差法、光流法和背景差分法。帧差法对光线变化有一定的容忍性、背景更新快、自适应能力强，但其无法检测尺寸较大、内部颜色一致及运动速度快的物体。光流法由于其计算复杂、抗噪能力差，因而难以应用于实时系统中[1]。背景差分法的核心思想是通过当前图像与背景图像的比较来检测运动物体，其效果取决于以下3个因素：背景模型的表示方法、背景的初始化方法及更新方法。从实际应用角度来看，背景差分法是使用较多的一种方法。

如何构造一幅好的背景是背景差分法的难点，最简单的背景构造方法是预先采集一帧没有前景目标的图像作为背景，由于摄像机监视的动态场景往往会受到外界因素干扰(如天气变化、光照变化、背景骚动以及运动物体产生的阴影等)，这就要求背景能够自适应的更新。针对这一问题，一种经典的方法，时间平均法(time-averaged background image,TABI)被提出来，即读取一段时间内的视频帧求和再平均，即可获得一个近似的背景图像，但此方法最致命的缺点是容易造成前景目标与背景的混合现象如图5(b1)所示，从而导致检测出虚假的目标物体。

有的学者采用统计平均法，即通过对连续图像序列进行统计平均来获得背景图像。……