天津城建大学计算机与信息工程学院, 天津 300384
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。
图像处理 运动目标检测 视觉背景提取算法 鬼影消除 自适应阈值 动态背景 激光与光电子学进展
2019, 56(1): 011007
河北工业大学控制科学与工程学院, 天津 300130
针对经典视觉背景提取算法长时间存在鬼影、动态背景导致的高频噪声以及背景模型误更新等问题,提出一种改进的视觉背景提取算法。该算法将原始图像分割为若干个超像素区域，在超像素分割区域，对视觉背景提取算法检测结果进行像素点再分类，在目标检测的初始阶段实现鬼影信息的准确检测，并更新鬼影区域像素点的背景模型，从根本上解决了全局范围内鬼影检测的难题。根据运动目标的超像素对前景目标内的空洞进行快速纠正，实现前景目标的小范围填补，同时完成对背景超像素内高频噪声的检测和滤波，并增强检测结果的稳健性。利用数据集进行的测试实验结果表明，与传统算法相比较，该算法的精确率和识别率等指标均显著提高。
机器视觉 运动目标检测 视觉背景提取 鬼影消除 超像素 图像分割
