基于多特征融合的運動目標檢測

翟濟云， 周 鑫， 王從慶

(南京航空航天大學自動化學院，南京 211106)

基于多特征融合的運動目標檢測

翟濟云， 周 鑫， 王從慶

(南京航空航天大學自動化學院，南京 211106)

提高目標檢測算法在復雜場景下的檢測魯棒性是目前計算機視覺領域的一個重點、難點問題。傳統的運動目標檢測都是基于目標的單一特征，提出一種融合顏色特征和紋理特征的背景建模方法，并將其運用于運動目標檢測。首先對基于顏色的高斯混合模型加以改進，減少了傳統高斯混合模型的計算量，然后將高斯混合模型與LBP紋理模型用D-S證據理論進行融合。實驗結果表明，兩個特征的融合有很好的互補作用，并且能夠實時、準確地檢測出運動目標。

運動目標； 目標檢測； 高斯混合模型； LBP紋理模型； D-S證據理論

0 引言

復雜動態場景下的運動目標檢測是目前研究的一個熱點和難點問題[1]，因為背景和前景的運動經常同時存在于檢測圖像序列中，例如背景中隨風飄動的樹葉、云、雨、霧等運動物體。目前，運動目標檢測算法主要有光流法[2-3]、幀間差分法[4]和背景建模法[5-7]等。其中:光流法計算復雜度高，光流場的計算非常容易受到噪聲、光照變化和背景擾動的影響;幀間差分法一步檢測出的目標輪廓很難達到理想效果，目標運動較快

在目前基于背景建模的運動目標檢測工作中，典型的有高斯混合模型(Gaussian Mixture Model,GMM)。早期,WREN等人提出了高斯模型[8]，在此基礎上,STAUFFER和GRIMSON提出了更能真實反映多峰概率模型的高斯混合模型[5]。……