摘要
由于传统的vibe前景检测算法存在无法消除鬼影、受动态背景变化影响较大的问题,本文对传统的vibe算法进行改进。vibe算法是通过视频第一帧初始化背景模型,但是当第一帧当中包含前景目标时,鬼影将伴随着模型的初始化而产生。vibe算法没有对鬼影做任何处理,导致vibe算法需要花费很长时间才能消除鬼影。针对传统vibe算法中出现鬼影问题,只需在vibe算法前景检测之前先获取相对真实的背景在将真实的背景用来初始化背景模型。因此本文首先通过三帧差分法得到差分图像,根据直方图当中有明显的双峰特性使用大津分割,二值化处理。最后获得除运动目标外的部分的真实背景图片,之后对未填充的背景使用八领域填充和最近领域背景像素填充。再将相对真实的背景图片用来初始化背景模型。最后使用vibe算法前景检测顺利地消除了鬼影。vibe算法易受动态背景影响较大,那是因为传统的vibe算法的匹配阀值是固定的,而在危化品车辆运输过程当中必然会受到光照、风等外部因素的影响,使得vibe前景检测出现大量的误检。因此本文通过用自适应阀值来替换固定匹配阀值的方法,以此来提高vibe算法抗干扰的能力。实验结果表明,改进的vibe前景检测算法比传统的vibe前景检测算法相比有所改善,在危化品车辆运输视频监控系统中不仅提高了检测的准确度,而且还提高了抗干扰能力。
出处
《网络安全技术与应用》
2017年第9期60-62,共3页
Network Security Technology & Application
