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。

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。

针对视觉背景提取算法在复杂环境下检测出现鬼影现象、动态背景因素形成噪声干扰等问题,提出一种改进的视觉背景提取算法。通过创建辅助样本集,对复杂环境中像素点的重要特征信息进行收集;引入像素点鬼影因子和区域复杂度分析,自适应调节各像素点的匹配阈值和更新速率;最后通过基于滑动窗的像素点闪烁程度分析,将可能被误检为前景的噪声点向辅助样本中依概率更新。多场景下对比实验表明,该算法可将错分率降低至1.49%,且在检测时能快速消除鬼影现象,有效抑制动态背景产生的噪声干扰,同时保证前景目标能被完整识别,在复杂环境下的检测结果更加准确。

针对视觉背景提取(Vibe)运动目标检测算法存在的鬼影及阴影问题,利用鬼影与背景相似而运动目标与背景差异大的特点,提出了一种基于前景和邻域背景像素直方图相似度匹配的方法,快速检测鬼影并更新背景模型;利用阴影的颜色特性和纹理不变性,提出在亮度和色度分离的YCbCr色彩空间中先根据颜色特性得到候选阴影区域,再利用完全局部二值模式算子(CLBP)提取区域的详细纹理特征,进一步检测与去除阴影。在公开视频数据库CDnet-2012上进行仿真,仿真结果表明,该算法能够保证运动目标被完整检测的同时快速去除鬼影和阴影,其检测精度比原Vibe算法提高了21.53%。

针对视觉背景提取(Vibe)算法在目标检测过程中存在鬼影且易受动态背景干扰等问题,提出了一种基于多尺度空间的Vibe算法。在建立背景模型前,对输入的视频序列进行金字塔变换,得到顶层、中层、底层3种不同分辨率的图像;再在不同分辨率下进行Vibe前景检测,并对检测结果进行融合,减少了动态背景的影响,同时提出了一种鬼影消除策略,结合帧间信息,加入二次判断策略,加快了鬼影的消除;最后,为了更好地适应动态环境,提出了一种背景复杂度量,根据背景的复杂程度,自适应地调整阈值。实验结果表明:经改进的算法加快了鬼影的消除,对动态环境噪声的干扰有良好的稳健性。

为了提高视觉背景提取(ViBe)算法的检测效果和检测速度, 对其进行改进和并行化处理。该算法基于像素及其邻域像素之间的差值构建最终的背景样本, 减少边缘噪声对于检测精度的影响; 背景样本更新阶段中使用自适应的时间二次抽样因子, 加快消除单帧初始化所形成的“鬼影”, 提高算法的健壮性。同时分析了ViBe算法的并行点, 并用CUDA语言实现该算法。实验结果表明, 该算法能有效减少边缘噪声, 快速消除“鬼影”, 且检测速度较CPU端有大幅提升。

针对视觉背景提取算法（ViBe）中出现的鬼影问题、不能很好适应背景高频扰动和摄像机抖动问题以及由于采用空间邻域扩散机制引起背景更新错误问题，提出一种改进的视觉背景提取算法。该算法结合视觉显著性判断背景模型中存在的鬼影目标，通过判断背景模型中每个像素点的鬼影程度，结合模糊准则自适应改变时间子采样因子，加快消除鬼影的速度；通过建立一个闪烁程度矩阵，判断背景高频扰动程度来设置自适应匹配阈值，加入小目标丢弃和空洞填充策略；统计前景像素24邻域区域的像素点个数，判断前景像素点是否为摄像机抖动或者背景更新错误引起的噪点，提高算法的稳健性。结果表明，改进后的算法可以很好地弥补经典ViBe算法的不足，准确率与识别率等指标均大大提升。