王海全，邱卫根，谭台哲

(1. 广东工业大学 计算机学院，广东 广州510006;2. 河源广工大协同创新研究院，广东 河源517000)

背景差分法以其相对较好的噪声抑制能力和较低的计算复杂度，成为实际应用中运动目标检测的首选。背景差分法的关键主要体现在背景模型的选择和更新机制的设计上。一般的背景差分方法，如混合高斯算法(Gaussian Mixture Model)［1］、码本算法(Codebook)［2］等，对光照敏感，且需要几十帧的图像进行背景模型的构建，实时性差。Olivier B 等人在一致性建模算法(SACON)［3］和SOBS 算法［4］的启发下，提出了ViBe 算法［5］。

ViBe 算法是一种非参数化聚类背景建模方法，在不同环境下具有良好的适应性和实时性［6］，检测效果明显。传统的ViBe 算法仍然存在一些缺陷，例如，光照突然变化时，ViBe 算法会将大面积的背景点误检为前景点，即使经过了很长时间，也难以重新将其归类为背景。同时，ViBe 算法背景模型的单帧初始化方式容易引入鬼影区域，而且该算法模型更新策略并不能很好地处理噪声。针对这些不足，本文依据光照变化并不会改变图像的纹理特征这一特性，提出运用尺度不变局部三值模式(SILTP)［7］对图像进行纹理特征提取，通过比较SILTP 值来对前后景像素进行分类，实验结果表明，改进后的算法对光照变化取得了较好的鲁棒性。此外，本文采用20 帧图像进行背景模型的初始化，并且更新策略改进为替代异常值的方式，实验显示，改进后的算法在处理鬼影区域和抑制噪声方面取得了明显的效果提升。

1 ViBe 算法思想和SILTP 算子

1.1 ViBe 算法思想

ViBe 算法首次将随机化的方法引入到背景模型中，同时根据图像中相邻像素的时空一致性原则，采用单帧初始化策略和随机信息传播机制。……