论文部分内容阅读
背景剪除问题是视频监控系统中最低层的问题，虽然这个问题看似简单并且目前也有很多有效的算法，但是由于动态背景的存在（如树木的摇动，水纹等），复杂场景下的背景剪除问题还是一个未解决的课题。
本文的目的就是要设计一背景剪除算法来解决动态背景引起的问题，主要贡献有以下两部分：
·本文首先对已有的经典方法混合高斯模型和直方图混合模型进行了改进。我们利用空间上和时间轴上的信息对混合高斯模型输出的初步结果进行矫正，用LBP特征去除光照的影响，用跟踪的思想去除由于摄像机抖动或背景摇动而短暂出现的伪前景；直方图混合模型本来不是一个概率模型，我们用概率的观点对这一模型进行解释，以此为出发点，对模型稍加扩张后就可以实现部分参数的自动选择。
·由于已有算法处理动态背景时的局限性，本文提出了一种基于分类器的背景剪除方法，我们把背景剪除看成一个两类的分类问题。首先根据训练样本初始化一个全局的分类器，此分类器会作用于所有的象素点。然后通过在线学习的方法来维护一个分类器，以应对背景和前景的变化。
其中基于分类的背景剪除方法可以很好的处理动态背景的问题。首先，本文提出的方法近似于对背景全局建模。在判断某个点的属性的时候，我们实际上使用了整个图像的信息，并且我们的算法对位置信息是不敏感的，这一特性可以很好的解决动态背景问题。其次，在我们的算法下，背景模型是分类器，不再是某种概率分布。这种方式的好处不但可以提高分类的正确率，而且还把背景和前景的区分性交于分类算法来寻找，而无需人为指定背景的定义。最后，我们还提出了一种新的动态特征来提高前景和背景的区分性，这种特征通过对某段视频序列建立动态纹理模型来提取特征。
通过实验证明，我们的算法能够达到预想的目的，无论是对于背景的规则运动（如水纹），还是无规则的运动（如树木摇动）都能进行正确的前/背景判断。