宋珊珊，翟旭平

（上海大学 特种光纤与光接入网重点实验室，上海 200444）

0 引言

红外热成像技术因不受昼夜影响、识别性高等优点已被广泛应用于安防监控、智能家居、异常监测等领域[1]。越来越多的系统基于过热目标与异常侵入目标的检测从而实现异常检测与报警的功能，达到预防灾难、规避风险的目的[2-3]。

根据不同的分类方式，热红外异常目标检测可得到不同的分类效果，其中最常见的一种分类方式是根据检测与跟踪的先后顺序进行划分，可分为先检测后跟踪DBT（Detect Before Track）和先跟踪后检测TBD（Track Before Detect）两大类[4-5]。常见的DBT 算法包括背景减除法、帧间差分法、光流法、小波变换、形态学滤波、基于神经网络和遗传算法等方法[6-8]。TBD 方法主要用于弱小目标检测[9]，然而其需要基于多帧图像对潜在目标进行跟踪，算法复杂，实时性无法达到要求。因此，在实时性要求高的系统中最常用的方法为背景减除法与帧间差分法[10]。背景减除法常利用多帧数据构造背景模型，利用当前帧与背景帧的差值图像进行判决处理，确定是否存在目标。帧间差分法原理与背景减除法类似，该方法利用当前帧的前一帧作为背景，克服了背景变化的局限性，但该方法对静止目标检测时会造成空洞等现象。基于单高斯模型的检测算法利用高斯函数建立背景模型，既能自适应的更新背景模型，也能克服帧差法的局限性，使检测效果更好[11-12]。以上方法在进行判决时，阈值通常根据均值与方差或以往经验确定，因此阈值的不确定性会使检测性能受到影响。……