融合五幀差分和codebook模型的運動目標檢測

李春敏，鄔春學，熊乃學

(上海理工大學 光電信息與計算機工程學院，上海 210000)

運動目標檢測是當前圖像技術等研究的焦點和熱點，廣泛應用于多個領域[1]，如行人檢測、智能監(jiān)控、智能機器人等。運動目標檢測是一個通過使用特定算法把與背景存在相對運動的前景目標從圖像序列中分離出來的過程。

本文主要對隨時間變化不大的靜態(tài)場景下的運動目標進行檢測分析，旨在獲取一種高效率、高質(zhì)量的檢測方法。目前常用的運動目標檢測方法包括：光流場法[2]、幀差法[3]和背景差法[4]。光流場法計算復雜度高、實時性差、硬件要求也非常高，難以滿足運動目標檢測的實時檢測的要求。幀差法[5]運算量小且易于實現(xiàn)，雖然能較好地適用于光照變化和對實時性要求相對較高的場合，但不能完全提取出所有相關的特征像素點。幀差法閾值的選取對檢測效果影響很大，可通過融合其他方法以提高整體性能。背景差法[6]運算復雜度小、耗費時間短、易實現(xiàn)，可以獲得期望的效果，因此在實時監(jiān)控中，背景差法是最常用的方法。背景差法[7]的關鍵是建立一個良好的背景模型。目前，根據(jù)不同的應用場景有很多不同的背景建模方式：Wren等[8]提出了單高斯背景模型，該模式無法應對復雜背景，如波動的水和擺動的樹葉[9]；Stauffer和Grimson[10]在單高斯模型基礎上，提出了混合高斯分布模型，能較好的克服背景中物體的小幅度運動、光照的緩慢變化，但該方法的檢測效率低，不利于對運動目標的實時監(jiān)控[11]。……