郑文博 王坤峰 王飞跃,4

背景消减是底层计算视觉和模式识别领域的关键技术之一,广泛应用于视频监控、智能交通[1−2]、体育视频、工业视觉等领域中.背景消减的作用是将背景部分从视频中减去[3],以提取运动前景.其核心问题是如何建立一个自适应的背景模型,以准确描述背景信息.一个性能良好的背景模型要能够有效描述各种条件下背景在空域和时域所发生的变化.但这是非常困难的,因为实际的背景环境变化是非常复杂的,有光线的变化,如亮度的渐变、光照的突变、阴影等;也有运动背景的影响,如被风吹动的树叶、水纹、变化的显示屏幕等.

过去,人们提出了很多种统计背景建模方法.Stauffer等[4−5]首次提出了基于混合高斯模型(Gaussian mixture models,GMM)的背景建模方法,该方法较好地解决了复杂背景条件下的背景建模,能够适应光照的缓慢变化,但它无法对快速变化的背景进行建模[6].Fan等[7]提出的是基于灰度图像或者彩色图像的码书模型的背景建模方法,该方法对光照变化鲁棒性强,但是不能对光照长时间缓慢变化的场景进行建模,而且,在训练期的初始帧时限制了运动目标的出现.Yan等[8]结合局部融合信息的策略提出了一种基于变分贝叶斯的背景减法(Variational Bayesian learning for background subtraction based on local fusion feature,LFVBGM)算法,虽然考虑了像素的空间性,使得背景建模更加可靠,适应了大多的动态场景,但是固定的背景更新率仍然限制了一些特殊场景下的目标检测.MBS(Multimode background subtraction)方法[9]尝试提取每个位置像素变化的主分量……