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。

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。

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。

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。

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。

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。

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。

为在光强变化场景下实现目标的检测与跟踪, 研究了一种新方法。该方法综合集成了Vibe算法与粒子滤波算法的优点, 通过在改进 Vibe算法中引入光照补偿模型、重构粒子滤波模型, 解决了2种方法对光强变化的自适应性难题; 在局部三值模式 (LTP)中建立了一种自适应阈值方法, 并采用线性回归分类方法, 实现了目标跟踪。通过开发相应程序并将所提新方法的结果与标准结果进行对比验证, 验证结果表明: 新方法的偏差小于文中其他 3个对照方法的相应偏差, 该方法对光强变化场景下的目标检测与跟踪研究有一定帮助。

针对ViBe算法在进行海面远距离运动目标检测时存在噪声和干扰的问题, 在ViBe算法的基础上提出4点优化。首先, 在背景建模中扩大样本取值范围减少判别误差;接着, 根据背景的动态变化程度自适应地设定不同的阈值与背景模型更新速率, 增强了算法的自适应能力;然后, 定义一个闪烁等级, 当闪烁等级达到一定阈值时, 判定为闪烁点, 减少对海面闪烁点的误判;最后, 对输入的视频序列进行金字塔变换, 得到不同分辨率的图像, 对于不同分辨率的图像, 分别使用改进的 Vibe算法检测出结果, 并对这些结果进行融合, 再一次减少了海面闪烁点的影响。实验结果表明, 所提算法能够减少海面噪声, 以较好的实时性稳定地检测和提取海面远距离运动目标。