第 31 卷 第 8 期
Vol. 31 No. 8
控 制 与 决 策
Control and Decision
2016 年 8 月
Aug. 2016
一种基于证据推理的视频运动目标融合检测算法
文章编号: 1001-0920 (2016) 08-1345-09 DOI: 10.13195/j.kzyjc.2015.0947
韩德强
a,b
, 程 博
a,b
, 杨 艺
c,d
(西安交通大学 a. 智能网络与网络安全教育部重点实验室,b. 电子与信息工程学院,
c. 机械振动与强度国家重点实验室,d. 航天航空学院,西安 710049)
摘 要: 为了解决复杂场景下传统的运动目标检测问题, 利用证据推理 —– 谨慎有序加权平均方法(COWA-ER), 提
出一种综合使用混合高斯、均值滤波和码本的多方法融合的检测方法. 该融合检测算法以上述 3 种检测方法为准则
建立一个多准则决策框架, 通过双阈值检测法来表征检测过程中的不确定性, 最终利用 COWA-ER 方法进行决策级
融合, 实现多种方法的优势互补. 实验表明, 所提出的融合检测算法具有更理想的目标检测效果, 能有效应对诸如阴
影及光照突变等问题对检测性能的影响.
关键词: 视频目标检测;不确定性;COWA-ER;融合检测;多准则决策
中图分类号: TP273 文献标志码: A
A fusion approach for video moving object detection based on evidential
reasoning
HAN De-qiang
a,b
, CHENG Bo
a,b
, YANG Yi
c,d
(a. Ministry of Education Key Lab for Intelligent Networks and Network Security,b. School of Electronic and Information
Engineering,c. State Key Laboratory of Mechanical Vibration and Strength,d. School of Aerospace,Xi’an Jiaotong
University,Xi’an 710049,China.Correspondent:HAN De-qiang,E-mail:deqhan@mail.xjtu.edu.cn)
Abstract: To handle the problems encountered in traditional moving object detecting algorithms under complex scenarios,
by comprehensively using the Gaussian mixture model(GMM), mean filter and codebook(CB), a fusion-based detection
approach is proposed based on cautious ordered weighted averaging with evidential reasoning(COWA-ER). In the proposed
approach, a multi-criteria decision-making framework is established, where the three detection algorithms are used as
multiple criteria. The double threshold method is used to model the uncertainty in the detection. The decision-level fusion for
detection is finally accomplished by using COWA-ER, where complementary advantages of the three algorithms can be fully
used. Experimental results show that the proposed approach can achieve better performance for the detection, and effectively
deal with the influence of detection performance caused by shadow and light change.
Keywords: video moving object detection;uncertainty;cautious ordered weighted averaging with evidential reasoning;
fusion-based detection;multi-criteria decision making(MCDM)
0 引引引 言言言
视频运动目标检测
[1]
旨在从图像序列 (视频) 中
将运动目标从背景图像中尽可能完整地分割提取, 是
视频及图像后期处理过程 (如目标分类、跟踪和行为
理解) 的前提和基础, 引发了越来越多的关注.
常见的视频运动目标检测方法有光流法、帧间
差分法和背景差分法等
[1-3]
. 背景差分技术是最为
常用的运动目标检测方法之一, 其基本思想是构建
背景图像或背景模型, 利用当前帧与背景模型的差
异检测出运动目标区域. 代表性方法包括混合高斯
检测法
[4-6]
、均值滤波检测 法
[7]
、码本 检测 法
[8-9]
. 其
中 Stauffer 等
[4]
提出的混合高斯法是将每个像素按
照多个高斯分布混合建模. 均值滤波法是先建立一
个视频流滑窗, 用来缓存 𝐿 张视频帧, 然后将缓存中
收稿日期: 2015-07-23;修回日期: 2015-10-23.
基金项目: 国家 973 计划项目(2013CB329405);国家自然科学基金项目(61573257, 61203222);陕西省科技计划项目
(2013KJXX-46);教育部博 士点基 金项目(20120201120036) ; 中央高校基本科研业务费专项资 金项目
(xjj2012104, xjj2014122).
作者简介: 韩德强(1980−), 男, 副教授, 博士生导师, 从事信息融合、模式分类等研究;程博(1991−), 男, 硕士生, 从事
视频运动目标检测与跟踪的研究.