摘要：针对视觉背景提取(visual background extractor,ViBe)算法在运动目标检测过程中容易受到噪声干扰的问题,将两帧差分法融入ViBe的前景检测阶段,提出一种融合两帧差分信息的改进ViBe算法(ViBe with two-frame differencing,ViBe-TD)。首先,设计单阈值形ViBe(single-threshold form of ViBe,S-ViBe)检测,为信息融合做准备;其次,基于逻辑斯蒂(logistic)回归模型,实现像素点上两帧差分和S-ViBe检测信息的融合;最后,综合两类检测信息完成前景像素点的判定。实验结果表明,ViBe-TD算法在4种不同场景视频上的检测效果达到了0.932的平均精确率,0.785的平均召回率以及0.842的平均F 1值。与原算法相比,ViBe-TD算法的各项指标平均有0.158的提高,具有良好的检测效果。

摘要：针对传统背景差分法和两帧差分法在车辆检测任务中出现的噪声、鬼影和空洞问题,提出一种将两者融合的静态背景下运动车辆检测算法。建立背景帧和检测帧的类别矩阵M1和M2,消除噪声和空洞;引入最大类方差法(Otsu)生成背景帧和检测帧的灰度级矩阵G1和G2,以此构造鬼影区的灰度级变化特征β,分割鬼影区域。实验结果表明,融合算法在测试集上的检测效果达到88.41%的平均F1值,相比传统的两帧差分、高斯混合模型和视觉背景提取算法均有大幅提升。