中国科学院长春光学精密机械与物理研究所，吉林 长春130033
作为计算机视觉领域的热门方向之一，运动目标检测具有很高的理论研究价值和很广的实际应用空间。传统视觉背景提取器（Visual Background Extractor,ViBe）目标检测算法实时性高且内存消耗低，但存在受光照影响大、不能有效抑制拖影区域、无法消除阴影以及检测图像内部空洞等问题。鉴于以上不足，提出3点针对性改进策略：(1)优化算法核心参数。筛选最优值来替换以往经验值，从而提高算法性能，增强算法适应性。(2)引入光强检测算子。阈值半径随光强变化自适应，避免因光照变化而出现拖影区域。(3)增加阴影检测模型。利用感兴趣区域（Region of Interest,ROI）像素分布确定阴影位置，结合运动目标自身特性分割出目标区与阴影区。仿真实验结果证明：改进型ViBe算法不仅能够完整地检测、抓取运动目标，而且还可以有效地抑制拖影区域并消除目标阴影。
运动目标检测 ViBe算法 动态噪声抑制 阴影消除 moving target detection ViBe algorithm dynamic noise suppression shadow elimination
西安科技大学通信与信息工程学院，陕西西安710054
针对视频前景提取(ViBe)算法在模型初始化时因前景像素干扰导致的“鬼影”问题，面对复杂背景环境的更新策略问题，提出利用图像像素均值作为参考对ViBe 算法模型进行初始化优化；同时，提出随背景模型复杂度变化的自适应更新策略。利用邻域像素和连续帧背景像素的相似性进行背景模型初始化；然后通过计算样本间各像素的方差判定背景模型是否稳定，建立自适应的更新策略；最后提取运动目标。通过CDnet2014 数据集验证表明：该算法有效改善了“鬼影”现象，提高了背景模型在复杂环境下的鲁棒性，各项客观评价指标也有所提升。
ViBe 算法 均值建模 前景检测 “鬼影”消除 图像处理 ViBe algorithm mean modeling foreground detection "ghost" elimination image processing 太赫兹科学与电子信息学报
2022, 20(11): 1177
1 西安应用光学研究所，陕西 西安，710065
2 西安文理学院 机械与材料工程学院，陕西 西安，710065
针对传统ViBe算法不能及时反映场景变化，动态场景适应性差等问题，提出一种改进的ViBe算法。改进内容包括：采用随机选取背景样本和24邻域法获取初始背景，可以加速“鬼影”消融；结合大津法（OTSU）和均匀性度量法的平均自适应阈值计算方法，可以提高算法对树叶晃动、水波纹和光照变化等环境的适应性，最大限度保留有效像素；更新阶段引入自适应更新因子，可以有效减少被误判的概率，从而增强算法的鲁棒性；最后通过形态学处理和滤波使目标更加完整。采用标准数据集视频对改进算法进行了测试和对比分析，改进算法相对于KDE算法、GMM算法和传统ViBe算法各项指标均有大幅度提高，精确度分别提高30.44%、40.72%和20.95%，错分比分别降低了43.28%、40.59%和29.43%。
ViBe 自适应阈值 自适应更新因子 运动目标检测 ViBe algorithm adaptive threshold adaptive update factor moving target detection
西安理工大学电气工程学院，陕西 西安 710048
ViBe算法检测首帧中的运动目标时，常因运动目标在初始位置停留时间过长而产生伪前景，从而导致检测结果准确性降低。针对这一问题，对ViBe算法进行了改进。通过选择颜色和空间位置相近的像素点作为样本集初始化背景模型，并使用熵值法判断颜色和空间位置在相似程度函数中的权重；在分类时基于迭代法确定自适应阈值，以增强不同条件下的分割精度；结合帧差法的判定结果在二元指数分布模型中确定背景模型的更新概率。实验结果表明，该算法在噪声、光照以及背景变化的情况下仍然能保证检测结果的准确度，对比传统ViBe算法，本文算法的精密度提高了21.56%，有效地消除了鬼影的影响。
图像处理 目标检测 ViBe算法 帧差法 熵值法 动态阈值 激光与光电子学进展
2022, 59(2): 0210007
河北科技大学 信息科学与工程学院，河北 石家庄 050000
提出一种基于熵值加权支持向量机(SVM)的火焰检测方法。采用三帧差分算法对视频前景提取(VIBE)算法进行改进，并提出TH-VIBE前景检测算法，提升疑似火焰区域获取的准确率与完整性；利用熵值加权降低纹理特征、面积变化特征、圆形度特征、灰度特征等特征数据的冗余程度并建立熵值加权火焰识别模型，提升火焰识别速率与准确率；最后依据韩国启明大学和土耳其比尔肯大学SPG工作组火焰数据进行实验，火焰检测准确率可达97%，具有较高的鲁棒性。
火焰检测 TH-VIBE算法 熵值加权支持向量机 多特征融合 flame detection TH-VIBE algorithm entropy weighted Support Vector Machine multi-feature fusion 太赫兹科学与电子信息学报
2021, 19(3): 458
兰州交通大学自动化与电气工程学院, 甘肃 兰州 730000
针对ViBe算法在静态背景下检测效果较差和检测目标存在“鬼影”的问题,结合哈希算法和图像二维信息熵的知识提出一种改进的ViBe算法。首先,采用哈希算法对选取的三帧图像进行差分运算,对差分后得到的目标区域进行背景填充以得到背景图像,再对背景图像进行背景建模,从而消除鬼影现象。然后,根据背景的复杂程度得到自适应阈值与更新速率,使用自适应阈值进行前景检测,使用连通域信息进行二次检测以得到目标图像。最后,对目标图像进行形态学处理与背景更新。由实验数据可知,改进算法对草地、树叶和雪景等静态场景下的行人与车辆目标进行检测后,图像的F-measure值在0.8以上,比ViBe算法和高斯混合模型有所提升且较为稳定。实验结果表明,改进的ViBe算法可以消除鬼影现象,抑制背景的干扰,较好地检测目标信息。
图像处理 静态背景 目标检测 哈希算法 ViBe算法 二维信息熵 激光与光电子学进展
2021, 58(14): 1410011
江南大学物联网工程学院, 江苏 无锡 214122
针对传统ViBe算法在运动目标检测中鬼影现象难以消除的问题,提出一种根据欧氏距离及Tanimoto系数计算前景-邻域背景像素灰度直方图相似度的方法来检测及消除鬼影;针对传统ViBe算法在运动目标检测中无法消除阴影的问题,提出了一种结合YCbCr颜色空间和混合高斯阴影模型的方法来检测及消除阴影。仿真实验结果表明,本文算法在保留原有ViBe算法高效性的同时,能够有效地消除鬼影及阴影问题。
图像处理 ViBe算法 运动目标检测 鬼影消除 阴影消除 激光与光电子学进展
2020, 57(16): 161006
西北师范大学物理与电子工程学院, 甘肃 兰州 730070
在复杂场景中,阴影严重影响目标检测的准确度,传统目标检测方法易将运动阴影误检为运动目标。针对这一问题,提出了改进的拉普拉斯-高斯(log)算子与ViBe算法相结合的视频阴影消除算法。在log算子检测的基础上,采用二维数字滤波器进行滤波检测;将二维数字滤波器的系数矩阵旋转180°以创建卷积核;利用二维卷积对创建的卷积核与输入的图像矩阵进行卷积,实现对图像的边缘检测,最后利用改进的log算子提取外轮廓边缘和前景目标边缘,二者相减得到内部边缘,即消除阴影的运动目标边缘。实验结果表明,改进的算法可有效地消除阴影,同时提高了算法的鲁棒性。
图像处理 运动目标检测 阴影消除 改进的log算子 ViBe算法 激光与光电子学进展
2020, 57(12): 121004
西北师范大学物理与电子工程学院, 甘肃 兰州 730070
ViBe算法由于便于实现、运算效率高等优点,在运动目标检测等领域获得了广泛应用,但其鬼影、阴影和运动目标不完整等不足也限制了ViBe算法的发展。针对ViBe算法在前景检测中的鬼影现象且长时间难以消除的问题,提出一种结合平均背景法改进的ViBe算法。首先采用改进的平均背景法获得真实背景,再对真实背景进行背景样本初始化;然后利用ViBe 算法实现前景检测、背景更新操作,从而消除后续帧检测时出现的鬼影;最后根据形态学相关知识来消除空洞以及干扰目标,使得目标更加完整。实验结果表明,与传统的ViBe算法相比,本文算法能够有效地消除鬼影,提高检测精度。
图像处理 运动目标检测 ViBe算法 鬼影 改进的平均背景法 激光与光电子学进展
2020, 57(2): 021007
