基于ViBe的改进运动目标检测算法

ViBe是运动目标检测的常用算法。针对ViBe运动检测算法在实际环境中易出现鬼影、动态背景等干扰的问题，提出结合灰度特征直方图匹配的方法来检测鬼影，并进一步消除鬼影的干扰。针对动态背景错检测为运动前景的问题，为图像中各个像素设置闪烁属性和突变属性来判断各像素是否属于动态背景。实验表明，改进后的算法能有效弥补传统ViBe算法在鬼影消除和动态背景干扰上的不足。

在计算机视觉领域， 运动目标检测是目标跟踪、行为识别等研究的基础， 也是最热门的方向之一[1]。

运动目标检测可以分为以下几类：帧间差分法[2]、光流法[3]、背景建模法[4]，其中背景建模法可以继续分为高斯混合模型背景减除法[5]，码本背景建模背景减除法[6]和基于像素的背景建模减除法。视觉背景减除(Visual Background extractor， 以下简称ViBe)算法[7]是基于像素样本背景模型的运动目标检测算法， 由Barnich 等人在2009 年首次提出，该算法具有计算量小、内存占用少、处理速度快、检测效果好和应对噪声稳定可靠的特点。但该算法对初始帧具有很大的依赖，容易引入鬼影区域，造成目标错检。下文对ViBe 算法的基本原理和ViBe 算法中鬼影的形成进行了详细的分析，并提出结合灰度特征直方图匹配的方法来检测鬼影。对于动态背景干扰前景检测的问题，下文也给出了一种有效的方法来判断像素是否属于动态背景。

2. ViBe 算法 ViBe 建模算法是一种通过收集背景样本来建立背景模型的技术，主要包含三个部分：背景模型的初始化、前景检测以及背景模型更新三个模块。

2.1. 背景模型初始化 对图像的每一个像素点x 的位置，建立一个大小为N 的背景样本集，其中vi 表示背景像素值： ( ){}123, , , , NM xV V VV= (1) 式(1)中( )M x 表示像素点x 的背景样本集合，V1， NV 等表示背景样本集合中的样本。

初始化时，选择视频的第一帧，随机选择当前像素点的八邻域任意一点像素值存到当前像素点的背景模型中，得到vi。重复此操作N 次，就得到初始化背景模型M。

2.2. 前景检测 从第2 帧开始计算每个像素点像素值与背景模型同一位置像素点N 帧像素值的差的绝对值，将结果和预设的阈值R 相比，如果小于R 则说明找到一个匹配；统计上述小于R 的匹配数目，如果匹配数目大于设定的匹配数目阈值，就判断此像素点是背景点，否则就判为前景点(图1)。

(){}{}12(), , , .

RNXCSVV VV=∩ (2) 式(2)中， ( )()RxSV表示以x 为中心，以R 为半径的区域，用C 表示( )()RxSV与M 随机背景样本集合的交