复杂场景下基于局部运动补偿的目标检测

为了应对视频图像中的复杂场景,提出一种基于局部运动补偿的二次分割目标检测方法。首先,针对光照、阴影变化及目标伪装色的影响,提取了视频图像的像素级色度特征信息和局部纹理梯度特征。同时建立多维高斯分布的背景概率模型以及均匀分布与高斯分布相结合的前景概率模型,并根据贝叶斯决策理论对当前帧图像进行预分割得到静态背景和动态像素。其次,为了从动态像素中进一步区分出实际的前景目标,采用块匹配运动估计算法得到各动态像素点的帧间运动矢量,并将其补偿回运动初始区域。随后在动态像素的特征向量中引入运动矢量特征,建立局部运动补偿后的时空域联合前、背景概率模型,进行二次分割得到实际前景目标。最后给出了模型的初始化过程,并提出一种各模型参数的自适应实时更新策略以提高算法的鲁棒性。实验结果表明,该方法能够良好地适应不同的复杂场景,且具有较好的检测效果和实时性能。