李晓瑜, 马大中, 付英杰

(东北大学 a. 材料电磁过程研究教育部重点实验室; b. 信息科学与工程学院, 沈阳 110819)

0 引 言

运动目标检测是智能视频监控中至关重要的环节, 是后续运动目标的跟踪、 识别和行为分析的基础[1]。运动目标检测作为计算机视觉技术的重要分支之一, 主要是对视频监控中的运动目标, 如人或交通工具, 进行实时检测, 并将运动目标与背景区分开, 也是当前着重研究的热点问题之一[2-4]。目前, 常用的运动目标检测方法有： 背景差分法、 检测线法、 光流法和帧差法等, 背景差分法和帧差法是众多方法中应用较为广泛的方法[5-7]。

背景差分法最核心的问题是如何快速、 准确地获得图像中的背景模型, 以及如何对图像中的背景模型进行实时更新, 从而区分出视频图像中的运动目标[8]。在众多背景模型中, 混合高斯背景模型是一种较为经典的背景模型, 用于背景相对复杂情况下的运动目标检测[9], 根据视频中的每个像素点在时域上的分布情况构建各个像素点的颜色分布模型, 以此达到背景建模的目的, 且多模态下的混合高斯背景模型具有一定的鲁棒性[10]。目前对混合高斯背景模型建模及参数初始化方法大多为传统方法, 即忽略模型中不同高斯分布可能出现的先验概率, 所有分布的参数初始化为相同值[11,12]。在帧差法方面, 由于该方法检测到的运动目标经常存在裂痕和空洞, 运动目标的位置和大小不够精确等缺点[13], 研究人员又在帧差法的基础上提出了三帧差分法运动目标检测, 选取连续三帧视频图像进行差分运算, 消除由于运动而显露背景影响, 从而提取精确的运动目标轮廓信息, 解决了帧差法存在的不足。……