刘 峰，居 昊，干宗良

（1.江苏省图像处理与图像通信重点实验室，南京 210003；2.南京邮电大学通信与信息工程学院，南京 210003；3.南京邮电大学教育科学与技术学院，南京 210003）

将由静态或动态相机所捕捉到的图像或视频进行前背景分割是智能交通与视频监控领域一项重要的研究内容。前背景分割算法也常常作为预处理步骤在自动驾驶、机器人自主定位与导航、异常检测和识别中得到应用。解决这一计算机视觉任务的基本算法为背景减法，即将图像或视频序列中的当前帧与一个不断进行更新的背景模型相减，从而将运动对象与相对静止的背景场景进行分离。由于监控摄像头分布广泛，前背景分割需要对各种环境因素都具有良好的鲁棒性。传统的背景减法仅在特定类型的简单场景中表现良好，而对于场景照明变化、动态背景和相机运动等情况，传统的背景减法并不能得到准确的前背景分离效果。

过去几年中已有多种算法对该问题进行了广泛的研究，算法大约可以分为如下几类：（1）基于统计学的方法；（2）基于特征提取的方法；（3）基于神经网络的方法。基于统计学的方法以高斯混合模型（Gaussian mixed model，GMM）［1］为代表。该方法假设像素值在时间维度上服从混合高斯分布，以此为依据建立与更新背景模型，可以解决部分动态背景问题（如树叶与水面的晃动）。另外，基于统计学的非参数模型，如ViBe 算法［2］与PBAS 算法［3］处理了前背景相似与照明变化的问题。基于特征提取的方法利用变换域中所提取到的特征进行背景建模，通过背景模型提取运动前景。……