Research on Detecting Moving Objects Using Background Subtraction and Frame Difference.pdf

1、在過去的十年里，計算機視覺有了長足發(fā)展。針對運動人體和車輛的視頻檢測幾乎是所有視覺系統(tǒng)的基礎。這一步驟中結(jié)果的精確度對接下來的程序影響較大。然而，由于在自然背景中運動變化的多樣性，快速有效的運動分割方法仍然是一個在視覺領域公認困難的問題。
　　 大部分文獻中提出的研究方法，都是通過背景提取技術檢測視頻片段中的運動目標。在運動目標檢測方面找到一種較好的算法是非常具有挑戰(zhàn)性的。本文主要關注于解決光線的連續(xù)變化或突變、時變背景、陰影噪

2、聲的剔除等問題。因而，本文提出了一種結(jié)合了時空信息的背景差與幀差相結(jié)合的運動目標檢測。
　　 首先，在訓練中，背景圖片由像素點的健壯統(tǒng)計特性建模，這些像素點是從n個連續(xù)幀中得到的，這是背景提取的重要一步。從性能方面，幀對比法在適應動態(tài)光照變化時的速度較快。因此，為了克服突然變化的光照，使參考圖像能夠適應自然場景的變化，我們將這一方法同文中提出的算法相結(jié)合。運動目標從被去掉和預估過的背景圖像中提取出來，這種背景圖像只包含了在當前幀

3、中靜止的像素點。為了找出潛在的前景像素點，在背景提取結(jié)果中使用自適應閾值的規(guī)則。這使得我們的算法在處理更加苛刻的照明效果和光照變化條件時更具有優(yōu)勢。
　　 針對運動目標分割中的陰影噪聲，本文提出了一種自適應背景模型更新方法，從而實現(xiàn)了陰影噪聲的剔出。為了處理掉那些引起不必要失真的陰影，必須對背景提取結(jié)果中涉及的陰影和瞬間噪聲進行分析。為了判斷陰影是否存在，首先要根據(jù)最初的像素點標記出來的光學信息進行假設，例如已經(jīng)預測出來的前景信