一种基于自适应混合模型的背景减除法

针对局部二进制相似度(LBSP)背景建模方法易受外界环境变化如动态背景、光照改变、相机抖动等干扰的问题,在融合像素纹理与亮度信息的基础上,建立一种自适应混合背景模型进行运动目标检测。首先,利用每个像素的多通道自适应局部二进制相似度(LBSP)信息和亮度信息建立混合背景模型。然后,根据当前像素与混合背景模型的比较结果对其进行分类,并采用随机更新机制更新背景模型。实验结果表明,本方法不仅在正常外界环境下取得了较好的检测结果,而且还可以有效地减少动态背景、光照变化等复杂外界环境条件造成的干扰,提高检测结果的准确性。

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。