一种基于多层背景模型的前景检测算法

动态场景中的前景检测是后继处理的基础和制约整个智能视频监控系统稳定性、可靠性的关键。为了在保证运动目标检测的基础上,进一步检测出前景中的静止目标并消除"鬼影(Ghost)",提出了一种基于多层背景模型的前景检测算法。该算法将背景分为参考背景和动态背景两层,分别采用单高斯和混合高斯模型进行背景建模。在线检测时,采用动态背景提取变化前景,用动态背景与参考背景之间高斯分布的差异提取静止前景,同时,通过逐层分析,比较输入像素与两层背景模型分布的相互关系,快速消除Ghost,降低虚警。实验结果表明,多层背景模型具有良好的检测性能和实时性,为后继跟踪、分类等处理提供了坚实的基础。目前,以该算法为核心构建了一个实时目标检测、跟踪系统,对图像大小为320×240的视频序列的平均处理速度达到15帧/s。

基于多层自适应背景模型的实时视频去噪算法

提出了一种基于多层自适应背景模型的实时视频去噪算法。针对视频去噪的需求提出的多层自适应背景模型,是一种不仅适用于静态的背景,还适用于快速变化的背景。在背景经历突变再次稳定后,它能够在短暂的时间内完成背景模型的重建。多层自适应背景模型是自适应地单帧逐渐调整,因此它不存在多帧的时延与计算量。去噪效果表明,此算法对视频图像的视觉质量有明显改善。