张钦礼,邱 杰,杨秀兰

(玉林师范学院计算机科学与工程学院,广西,玉林 537000)

随着互联网及人工智能技术的飞速发展,智能监控设备已经分布我们生活的各个角落,而智能监控设备的核心技术是运动目标检测. 目前,主流的运动目标检测算法大致分为帧差法、光流法和背减除法 3种[1-3]. 帧差分法计算量小,实时性好,但对缓慢运动的物体效果不佳,检测到的运动物体往往存在空洞现象[4]. 光流法能精确计算运动目标的速度和处理目标的旋转,但对目标运动速度及光线敏感,计算量大不能直接用于实时场景处理[5]. 背景减除法是最常用的目标检测方法之一,其基本原理是为图像中的每个像素建立一个背景模型,并利用当前点与其背景模型的比较来确定该点是背景点还是前景点. 它算法简单,计算量小且易于实现,可用于实时监测,但其对视频外界环境敏感[6]. 常用的背景减法主要有高斯混合模型和ViBe算法[7-8]. 高斯混合模型能够适应相对复杂的场景,对外界干扰具有较强的鲁棒性. 但它需要计算很多高斯模型,计算量大,估计参数时间长,很难满足实时性的要求.

ViBe算法通常利用视频序列的第一帧完成背景建模,思想简单,易于实现,因而计算量小. 但算法自身也存在着一些局限性,如在第一帧有前景目标的情况下会出现鬼影现象;在前景分割阶段,由于ViBe算法采用固定的分割阈值,因而在静态背景下还能有效地检测出运动目标,但在……