没有合适的资源?快使用搜索试试~ 我知道了~
首页融合帧差和ViBe的运动目标检测算法
融合帧差和ViBe的运动目标检测算法
需积分: 50 1.1k 浏览量
更新于2023-05-26
评论 2
收藏 1.46MB PDF 举报
ViBe算法是一种快速高效的背景建模算法,但该算法在运动目标检测过程中会产生鬼影。针对ViBe算法中鬼影消除缓慢的问题,结合多个场景的交通视频提出一种通过连续两帧前景背景像素时域变化来判断鬼影像素点并消除的方法,该方法加快了鬼影的消除速度。同时,对于视频拍摄场景中的背景噪声,采用了对前景图进行开闭操作去除小像素点以及对目标区域的空洞进行填充处理。实验表明,改进的ViBe算法能够加快鬼影的消除,并且与帧差法以及混合高斯建模算法相比,前景检测效果更精确。
资源详情
资源评论
资源推荐

收稿日期:20160328;修回日期:20160513 基金项目:国家自然科学基金资助项目(51107093)
作者简介:魏洪涛(1974),男,湖北武汉人,副教授,硕导,博士,主要研究方向为模式识别与智能系统;李瑾(1991),女(通信作者),湖北武汉
人,硕士研究生,主要研究方向为模式识别与智能系统(506991659@qq.com);吴细秀(1976),女,湖北武汉人,副教授,硕导,博士,主要研究方向
为智能控制.
融合帧差和 ViBe的运动目标检测算法
魏洪涛
a
,李 瑾
a
,吴细秀
b
(武汉理工大学 a.信息工程学院;b.自动化学院,武汉 430070)
摘 要:ViBe算法是一种快速高效的背景建模算法,但该算法在运动目标检测过程中会产生鬼影。针对 ViBe
算法中鬼影消除缓慢的问题,结合多个场景的交通视频提出一种通过连续两帧前景背景像素时域变化来判断鬼
影像素点并消除的方法,该方法加快了鬼影的消除速度。同时,对于视频拍摄场景中的背景噪声,采用了对前景
图进行开闭操作去除小像素点以及对目标区域的空洞进行填充处理。实验表明,改进的 ViBe算法能够加快鬼
影的消除,并且与帧差法以及混合高斯建模算法相比,前景检测效果更精确。
关键词:运动目标检测;ViBe算法;帧差法;鬼影消除
中图分类号:TP39141 文献标志码:A 文章编号:10013695(2017)05156503
doi:10.3969/j.issn.10013695.2017.05.064
MovingobjectdetectionalgorithmusingViBe
combinedwithframedifference
WeiHongtao
a
,LiJin
a
,WuXixiu
b
(a.SchoolofInformationEngineering,b.SchoolofAutomation,WuhanUniversityofTechnology,Wuhan430070,China)
Abstract:ViBealgorithmisaneffectiveandquickbackgroundmodelingalgorithm.Duringthemovingtargetdetection,the
ViBewillproducetheghostandeliminateslowly.InordertosolvetheproblemscausedbytheexecutionofViBealgorithm,this
paperproposedanimprovedalgorithmforthetrafficvideo.Itjudgedtheghostpixelbythechangeoftwoconsecutiveframesin
timedomain,whichcouldspeeduptheghosttoeliminate.Inaddition,tosolvethenoiseinthecomplexbackground,itapplied
amorphologypostprocessingwithopeningoperationandclosingoperationtoremovethenoise
,thenfillingtheholesinthetar
getzonetohighlighttheprospecttarget.Experimentsshowthattheimprovedalgorithmcanabsorbtheghostquicklyanddetect
theforegroundbettercomparedwithframedifferenceandGMM.
Keywords:movingobjectdetection;ViBealgorithm;framedifferencealgorithm;ghostelimination
!
引言
智能安防系统以及智能交通系统成为目前的热点研究方
向,由于运动目标检测技术是智能视频监控中的核心技术,所
以能够快速准确提取出运动目标得到广大研究者的重视。常
用的运动目标检测算法主要有光流法
[1]
、帧间差法
[2]
和背景
差分法
[3]
三类。
光流法是通过每个像素点的运动状态矢量来得到运动的
像素点,它并不要求拍摄的摄像机是静止不动的,在移动的摄
像机情况下也可以利用目标运动的特点来进行实时监测,然而
其计算量大,并且对硬件要求挺高,很难满足实时效果。帧间
差分法是通过计算连续两帧之间的差值与特定阈值进行比较
来检测出运动目标,小于阈值的作为背景值,由于两帧之间的
时间比较短暂,对于光照强度变化的情况下能够有效地检测目
标,但是对于快速运动目标而言,很难得到运动目标的完整区
域并且容易产生空洞。背景差分法是使用当前帧图像与建立
好的背景模块作差检测出运动目标,所以对背景建模以及背景
更新要求很高,以便适应自然场景中随机因素的变化。
由于背景差分法简单复杂度低并且容易实现,在实际中得
到了广泛的应用,它的首要技术是如何有效地构造出一个动态
场景的背景
[4,5]
。如文献[6]提出的高斯混合模型(Gaussian
mixturemodel)是根据每个像素在时间域上的分布信息按照高
斯建模来构造背景模型。文献[7]的码本(codebook)建模思想
能有效建立背景模型。文献[
8]的 GMG算法以及 Barnich等
人
[9]
提出的 ViBe算法,这些都是目前常用的基于背景的运动
目标检测算法。其中
ViBe算法在背景模型构造上有重要突
破,其他算法是通过多帧信息来获取背景模型,而 ViBe改为只
通过视频第一帧建立像素背景模型,从第二帧就开始用于检测
出目标。该算法是利用空间像素一致性原理为基础来构建背
景像素模型,然而依旧存在些许缺陷。文献[
10~12]改进背
景模型初始化对鬼影起到了相应的抑制作用。文献[13,14]
通过自适应阈值改进来提高检测效果。文献[15]按照形态学
后处理对背景干扰进行了消除处理。对于道路上大车、小车、
自行车、人进行分类识别这个项目而言,首先就是要进行前景
检测,但是对于其中几种情景下采用 ViBe前景检测方法会有
缺陷。交通场景如在红绿灯处,停止的车辆突然启动,车辆检
测会延时较长一段时间,需要改进;另外在马路边上的监控视
频下会有类似树叶等高频干扰点,影响前景目标提取。本文针
第 34卷第 5期
2017年 5月
计 算 机 应 用 研 究
ApplicationResearchofComputers
Vol34No5
May2017













weixin_39841882
- 粉丝: 441
- 资源: 1万+
上传资源 快速赚钱
我的内容管理 收起
我的资源 快来上传第一个资源
我的收益
登录查看自己的收益我的积分 登录查看自己的积分
我的C币 登录后查看C币余额
我的收藏
我的下载
下载帮助

会员权益专享
安全验证
文档复制为VIP权益,开通VIP直接复制

评论0