张小艳， 郭海涛

(西安科技大学 计算机科学与技术学院， 陕西 西安 710600)

0 引言

目前，大多煤矿井下视频监控[1]还是通过人工方式查看，存在效率低、对异常情况不能及时预警等问题。基于煤矿井下视频监控的目标检测，可作为井下目标行为分析和理解的重要手段，为保障煤矿生产安全提供技术支持。传统的运动目标检测算法主要有帧差法[2-3]、光流法[4-6]和背景差分法[7-10]等。由于煤矿井下环境光照不足、粉尘多、噪声大，上述算法应用到煤矿井下时均存在不同程度缺陷，如检测结果图像轮廓不完整、算法处理速度和检测效果不能兼顾、光照鲁棒性弱等。

混合高斯模型是一种无监督学习的模型，能够处理图像中背景物体的局部重复运动、缓慢运动，实现复杂区域中的跟踪，被广泛应用于运动目标检测中。但混合高斯模型是基于单像素点建模，建模速度较慢，并且在模型建立初期和后期采用同样的学习率，导致模型更新速度缓慢。为了改善目标检测效果，学者们基于混合高斯模型进行了进一步研究。文献[11]自适应地调整了高斯模型的分布数量，提高了背景建模精度，但没有优化高斯逐点建模过程，算法运行速度较慢。文献[12]对井下图像采用暗原色先验进行去雾处理，在提高图像对比度、识别细节信息、抑制噪声等方面有较好的效果，但是获取图像暗通道图的过程增加了算法复杂度。文献[13]使用边缘对比差分算法保证图像边缘信息连续、完整，提高了目标检测的准确率。……