陆泊帆，何立风,2*，周广彬，袁 朴，苏亮亮

(1.陕西科技大学电子信息与人工智能学院，西安 710021；2.日本爱知县立大学信息科学学院，爱知县 480-1198)

运动目标检测在日常生活中应用十分广泛。目前，常见的提取运动前景的方法有背景减除法、光流法[1]，以及后来提出的帧间差分法[2]。帧间差分法的计算量较小，实时性较高，背景不积累，可以抑制鬼影，但是提取的前景目标易产生空洞。背景减除法将当前图像的像素点与其背景模型进行对比和更新，从而提取到前景目标，主要通过为每个像素点建立背景模型来进行前景目标的检测，原理简单，性能比较好。目前以混合高斯算法(Gaussian mixture model，GMM)[3]和视觉背景提取(visual background extractor，ViBe)算法[4]为代表的背景建模法是当前主流的研究算法。为了能够让混合高斯算法适应复杂场景，文献[5-6]从不同方面对GMM算法进行改进，但由于物体运动状态的不确定性，提取运动前景仍旧有困难。

由Barnich提出的视觉背景提取算法(ViBe)是一种基于像素点邻域空间的运动前景提取算法，该算法原理简单，但提取到的前景易出现噪声点、鬼影以及阴影等问题。为了解决上述问题，文献[7-9]使用自适应阈值代替固定阈值从而实现前景点与背景点的分割，但是提取的目标出现了不同程度的不完整。文献[10]通过改变背景模型更新因子，结合三帧差分技术一定程度上抑制鬼影，但是易产生空洞。文献[11]通过改进Harr-like特征结合级联分类器能够抑制鬼影像素点，但鬼影消除的速度依旧不能满足实时性的要求。……