基于灰度特征和自适应阈值的虚拟背景提取研究
庄哲民① 章聪友*① 杨金耀② 李芬兰①
① (汕头大学电子工程系 汕头 515063)② (汕头市超声仪器研究所有限公司 汕头 515000)
Investigation on Visual Background Extractor Based on Gray Feature and Adaptive Threshold
Zhuang Zhe-min① Zhang Cong-you① Yang Jin-yao② Li Fen-lan①
① (Department of Electronic Engineering, Shantou University, Shantou 515063, China)② (Shantou Institute of Ultrasonic Instruments Limited Corporation, Shantou 515000, China)
摘要 针对虚拟背景提取(Visual Background extractor,ViBe)算法在目标检测时容易出现鬼影和运动目标阴影的缺点，该文提出了一种基于灰度特征和自适应阈值的ViBe背景建模改进方法。该算法首先利用ViBe算法进行背景建模，得到前景目标，然后对前景目标进行灰度特征判断和自适应阈值比较，得到没有鬼影和运动目标阴影的运动目标。实验结果表明，改进后的算法可以很好地弥补ViBe算法的不足，提高ViBe算法的识别准确率。
关键词 ：
计算机视觉 ,
运动目标检测 ,
背景建模 ,
虚拟背景提取(ViBe) ,
自适应阈值 ,
灰度化特征
Abstract ：In order to solve the problem of the ghost and the shadow of moving object, an improved Visual Background extractor (ViBe) algorithm is proposed based on gray feature and adaptive threshold. The new method firstly applies the ViBe algorithm to obtain the foreground object, and then uses the gray feature judgment, as well as the adaptive threshold comparison in the foreground object to get the moving object without the ghost and the shadow. Experiments show that the improved algorithm results in better recognition accuracy.
Key words ：
Computer vision
Moving object detection
Background modeling
Visual Background extractor (ViBe)
Adaptive threshold
Gray feature
收稿日期: 2014-03-10
基金资助: 国家自然科学基金(61070152)资助课题
通讯作者:
章聪友：男，1987年生，硕士，研究方向为数字图像处理.
E-mail: 11cyzhang1@stu.edu.cn
引用本文:
庄哲民, 章聪友, 杨金耀, 李芬兰. 基于灰度特征和自适应阈值的虚拟背景提取研究[J]. 电子与信息学报, 2015, 37(2): 346-352.
Zhuang Zhe-Min, Zhang Cong-You, Yang Jin-Yao, Li Fen-Lan. Investigation on Visual Background Extractor Based on Gray Feature and Adaptive Threshold. , 2015, 37(2): 346-352.
链接本文:
http://jeit.ie.ac.cn/CN/10.11999/JEIT140317 或 http://jeit.ie.ac.cn/CN/Y2015/V37/I2/346
[1]
唐红梅,吴士婧,郭迎春,裴亚男. 自适应阈值分割与局部背景线索结合的显著性检测
[2]
李正,张海. 一种基于梯度方向一致性的边缘检测新算法
[3]
宋涛,李鸥,刘广怡. 基于空时多线索融合的超像素运动目标检测方法
[4]
丰明坤,赵生妹, 邢超. 基于视觉显著失真度的图像质量自适应评价方法
[5]
吴泽民,刘涛,姜青竹,胡磊. 视频编码参数对目标识别性能影响的研究
[6]
张升,孙光,李学仕,邢孟道. 一种新的基于瞬时干涉的SAR-GMTI精聚焦和定位方法
[7]
程帅,曹永刚,孙俊喜,赵立荣,刘广文,韩广良. 基于增强群跟踪器和深度学习的目标跟踪
[8]
张宝龙, 李洪蕊, 李丹, 戴凤智. 一种针对车载全景系统的图像拼接算法的仿真
[9]
齐苑辰, 吴成东, 陈东岳, 陆云松. 基于稀疏表达的超像素跟踪算法
[10]
黄宏图, 毕笃彦, 查宇飞, 高山, 覃兵. 基于笛卡尔乘积字典的稀疏编码跟踪算法
[11]
蒋寓文, 谭乐怡, 王守觉. 选择性背景优先的显著性检测模型
[12]
张超, 吴小培, 吕钊. 基于独立分量分析的运动目标检测算法中对通道数选择和观测向量生成方式的实验和分析
[13]
胡良梅, 段琳琳, 张旭东, 杨静. 融合颜色信息与深度信息的运动目标检测方法
[14]
张学攀, 廖桂生, 朱圣棋, 束宇翔, 李东. 单通道SAR无模糊估计快速运动目标速度
[15]
韩明, 刘教民, 孟军英, 王震洲. 一种自适应调整K -ρ 的混合高斯背景建模和目标检测算法
2015, Vol. 37 
