许国梁，周航，袁良友

（北京交通大学 电子信息工程学院，北京 100044）

监控视频中的人体检测和跟踪一直是研究的热点，在人工智能、安全监控和人机交互等领域有广泛的应用[1-4]。通过建立背景模型，利用背景差分法检测目标具有检测速度快、准确度高和易实现的特点，得到了广泛的研究[5-9]。但缺点是会因为背景模型中包含目标像素而在检测中产生“鬼影”。背景差分法包括GMM (Gaussian mixture model)、Vibe、CodeBook、Color (基于颜色信息的背景建模检测方法) 等算法[10-15]。Shahbaz等[16]将检测算法分为了三类，并利用大型真实标准数据集对算法进行定量和定性比较。Wren等[17]首次提出使用单高斯模型对简单背景建模，对单一背景有较好的效果。为了提高算法的鲁棒性，算法需要适应在复杂背景情况下的建模[18]。Stauffer等[19]提出利用K个高斯分布对背景的每一个像素建模，实现了对汽车和行人的分类和跟踪。Zivkovic等[20]提出将混合高斯模型中的K值根据背景的复杂度自适应调整，提高了算法的执行效率。以上提出的高斯背景建模算法建模速度快，对运动目标有较好的检测效果，但是对缓慢运动或静止的目标会检测不完整。Kim等[21]利用CodeBook算法对动态目标进行检测，算法在室内外的效果都比较好并且适应小范围周期运动的背景。Barnich等[22-23]提出一种有效的ViBe目标检测算法，该算法实现简单并且运行效率高。针对ViBe不足，国内外学者也对其进行了许多改进[24-26]。文献[24]利用多帧平均法改进Vibe的建模过程并给出自适应半径阈值的计算方法。文献[25]通过利用时空梯度改进ViBe算法。……