李兴鑫，朱力强，余祖俊

(北京交通大学机械与电子控制工程学院，北京100044)

0 引言

随着高速铁路的迅速发展，安全保障问题越来越重要，异物(如人、动物、高空落石)侵入铁路限界会给列车的安全运行带来巨大的隐患.高速铁路沿线均有安装监控相机，智能视频分析技术广泛应用于异物入侵监测，如限界识别[1-2]、入侵异物识别[3-4].基于视频分析的前景目标检测是铁路异物入侵判断的必要步骤.常用的前景目标检测方法是背景差分法，包括基于背景建模的传统分割算法和数据驱动的深度背景差分算法.

传统背景差分法的主要步骤是背景建模、前景提取和背景更新，核心是背景建模，统计概率模型是普遍应用的建模方式，分为参数模型和非参数模型.非参数模型不假设具体的分布，直接存储像素的历史样本值构成背景模型.ELGAMMAL等[5]提出KDE基于核密度估计前景的概率，BARNICH等[6]提出ViBe计算当前像素到背景中样本的距离，通过分割阈值判断是否匹配到背景样本，实现前景检测，用简单的距离度量代替了概率估计，计算更加简单，但固定的阈值不适用于复杂的铁路场景.HOFMANN等[7]，ST-CHARLES等[8]提出PBAS和SubSENSE设置调节因子动态地调节阈值，PBAS将当前像素到样本距离的最小值作为调节阈值的控制量，SubSENSE在此基础上增加了一个由分割结果提供的反馈变量和计算耗时的特征描述算子，在以上样本匹配计算中，每个样本的权重为1.JIANG等[9]提出WeSamBE在阈值调节的基础上，依据重要性对每……