引言
運動目標(biāo)檢測的關(guān)鍵是背景圖像的描述模型即背景模型，它是背景減法分割前景目標(biāo)的基礎(chǔ)。背景模型有單模態(tài)和多模態(tài)兩種，前者在每個背景點上的顏色分布比較集中，可以用單個概率分布模型來描述；后者的分布則比較分散，需要多個分布模型來共同描述。此處研究的運動檢測算法采用背景消減和時域差分相結(jié)合，主要包括背景提取、背景更新、運動檢測等模塊，運算速度快便于編譯或直接在硬件上快速實現(xiàn)。
1 傳統(tǒng)運動檢測算法的性能評析
運動目標(biāo)的檢測和分割是視頻流研究中的一個極其重要卻又困難的問題，它不但可以從視頻流中分割出目標(biāo)和背景，同時它又是識別、分類和分析的基礎(chǔ)。傳統(tǒng)的運動檢測主要包括背景減除法、時域差分法、背景統(tǒng)計模型分類法和光流場法。
背景減除法比時域分析法能更好地給出運動目標(biāo)完整的區(qū)域表示，由于在光線漸變場合下實際背景會隨著時間發(fā)生漸變，所以傳統(tǒng)的采用固定背景相減的方法容易由于漸變產(chǎn)生噪聲隨時間的累積。其實背景減除法和時域差分法在陛能上恰好互補，后者一般不能提取出運動目標(biāo)的內(nèi)部紋理，但由于采用一段小的時間間隔前后的兩幀圖像進行差分，時域差分法有受光線變化影響小，不會由于背景漸變產(chǎn)生噪聲隨時間的累積而增加。
2 該算法介紹及其實現(xiàn)
我們主要針對背景和攝像機都靜止這一特定應(yīng)用場合，選用了背景消減和時域差分法綜合的運動檢測算法。這種算法的關(guān)鍵在于背景重建，在此我們應(yīng)用幀間平均的背景重建方法，為了克服背景消減算法噪聲較大的先天不足，我們采用了形態(tài)學(xué)濾波方法去除噪聲。算法可以分為三個部分：背景提取、背景更新、運動檢測，整個算法的實現(xiàn)過程如圖所示。
a&s傳媒是全球知名展覽公司法蘭克福展覽集團旗下的專業(yè)媒體平臺，自1994年品牌成立以來，一直專注于安全&自動化產(chǎn)業(yè)前沿產(chǎn)品、技術(shù)及市場趨勢的專業(yè)媒體傳播和品牌服務(wù)。從安全管理到產(chǎn)業(yè)數(shù)字化，a&s傳媒擁有首屈一指的國際行業(yè)展覽會資源以及豐富的媒體經(jīng)驗，提供媒體、活動、展會等整合營銷服務(wù)。
粵公網(wǎng)安備 44030402000264號
