刘子豪，贾小军，张素兰，徐志玲，张俊

（1. 嘉兴学院数理与信息工程学院，浙江 嘉兴 314033；2. 中国计量大学质量与安全工程学院，浙江 杭州 310018；3. 浙江大学生物系统工程与食品科学学院，浙江 杭州 310058）

1 引言

近年，动态目标的背景分割一直是视频处理领域的研究热点，因其面向应用场景的广泛性和多样性，吸引了大量研究者。传统动态目标的背景分割方法有背景差分法[1]、光流法[2]、分水岭算法[3]、帧差法[4]、水平集法[5]、背景更新恢复法[6]等，这些方法可以滤掉视频中的各种干扰背景，但也存在诸如分割目标残留、噪声分割错误以及拖影无法有效判别等问题。为了解决这些问题，有学者提出采用基于Vibe背景分割[6]方法实现动态目标的精准分割。

Vibe背景分割算法最早由Barnich在2011年提出[7]，主要思想是通过不断收集更新背景空间图样构建背景分割模型，该算法在空间背景图样的随机选择和模型更新中提出了一种空间传播机制，可将背景像素值插入邻域像素点的模型样本库中，具有较大的灵活性，但是也存在诸如抖动参数优化、背景噪声抑制不佳、填充面积不完善等问题，因此在随后的一段时间，较多相关研究者基于以上问题对传统Vibe算法进行了改进，例如2013年，Gulesir等[8]在原始Vibe方法中加入了背景像素与前景像素的函数筛选规则，探索如何最大限度地保留前景运动目标和剔除背景噪声目标；2017年，Zhou等[9]通过深度融合目标像素线索和可视化背景样本图样，提出了Vibe+算法，在一定程度上对原始Vibe算法中存在的问题进行了修正和优化。……