光照突变下混合高斯与三帧差分的运动目标检测策略

本文主要探讨了一种结合背景差分与三帧差分的运动目标检测算法，针对混合高斯模型在处理光照突变时的敏感性问题进行了改进。该算法旨在提高在复杂光照条件下运动目标检测的准确性和鲁棒性。 首先，算法采用当前帧与混合高斯模型构建的背景模型进行差分，这种方法可以快速识别出帧间的运动变化区域，有效地定位可能存在的运动目标。这种背景建模方法利用了混合高斯模型的灵活性，能够适应大部分常规背景场景。 然而，当遇到光照突变时，如日光切换、阴影变化等，单纯依靠混合高斯模型可能会导致错误的背景更新，从而影响目标检测。为解决这个问题，该算法引入了三帧差分的概念。当检测到光照突变的迹象时，算法会暂停使用混合高斯模型背景差分，转而利用连续的三帧之间的差异来确定运动目标。这样可以减少光照变化对背景估计的影响，提高运动目标的检测精度。 通过设置阈值，算法能够智能地判断何时切换到三帧差分模式，何时恢复到背景差分模式。这既考虑了效率，也确保了在光照突变条件下的准确性。实验结果显示，即使在光线突变的情况下，这个结合了两种方法的算法依然能够提供良好的检测效果，具有较高的稳定性和实时性，适用于实时监控系统。 研究者卢章平教授和合作者们，通过对混合高斯模型的巧妙融合与优化，为实际应用中的运动目标检测提供了一种实用且适应性强的解决方案，这对于提高视频监控系统的性能，尤其是在光照条件多变的环境中，具有重要意义。