基于背景分类的运动目标检测算法

针对光线暗、对比度和分辨率低的监控视频,提出了一种基于背景分类的运动目标检测算法。首先用视频第一帧图像HSV空间的色度H和亮度V作为背景特征进行初始化,建立两种包含色度和亮度特征的背景模型类,即初始化得到的原始背景类和受光照或者其他因素影响得到的在原始背景周围波动的背景波动类,利用这两个背景模型进行前景检测和背景更新。为提高前景检测的准确率,背景模型的更正加入背景更正机制和权重机制,使得背景中样本的数量根据背景的实际情况处在一种动态的变化中,提高前景分割的效率。用不同场景下的监控视频进行算法对比实验,结果证明,该算法获得的前景完整清晰,视频处理的速度较快。提出的算法简单实用,对噪声干扰表现出良好的鲁棒性。

基于XCS-LBP纹理背景建模算法的运动目标检测

传统纹理特征的背景建模算法具有模型的维数过高、计算复杂等缺点,加大了运动目标检测的难度,提取精确细致的纹理特征建立背景模型,并且提高算法的处理速度,是运动目标检测技术的关键。文章对比了几种经典的纹理算子,采用了提取纹理信息更加细致的纹理提取算子,使用统计学习方式建立背景模型,又利用像素的空间信息,增加了随机更新机制去更新背景模型,提出了基于扩展中心对称局部二值纹理模式(extended center-symmetric local binary pattern,XCS-LBP)纹理特征背景建模算法并通过实验验证该算法检测效果好,避免了模型的维数过高,减少了复杂计算,处理速度满足实时处理的需求。