结合W4算法和LBP模型的运动目标检测方法.pdf

Computer Engineering and Applications 计算机工程与应用 2017 ，53（5） 187 结合W4 算法和LBP 模型的运动目标检测方法 孙 凯，谢林柏 SUN Kai ，XIE Linbo 江南大学 物联网工程学院，江苏 无锡 214122 School of Internet of Things Engineering, Jiangnan University, Wuxi, Jiangsu 214122, China SUN Kai, XIE Linbo. Moving objects detection method based on combination of improved local binary pattern and W4 algorithm. Computer Engineering and Applications, 2017, 53 （5 ）：187-191. Abstract: The classical W4 algorithm can not eliminate the shadow of moving object, so a moving target detection algo- rithm is proposed. Firstly, it gives initial frame and calculates the minimum, the maximum and the maximum frame differ- ence gray value with the traditional W4 algorithm. Secondly, the maximum gray value and the minimum gray value of each pixel are extracted. Then it combines with LBP texture features and adopts the idea of Gaussian mixture model that uses multiple modes to describe background model. In order to reduce matching complexity and reach real-time, many kinds of LBP are cut down. Experimental results show that the algorithm can effectively reduce the impact of shadow on moving target detection, and also meet the requirements of real-time. Key words: target detection; W4 algorithm; Gaussian mixture model; Local Binary Pattern （LBP ）texture features; shadow 摘 要：针对传统W4 背景模型算法无法消除运动目标阴影的问题，提出了一种有效消除阴影的运动目标检测算 法。首先，给定背景初始帧，用传统W4 算法计算出每一个像素点的最小灰度值、最大灰度值以及最大相邻帧间差分 值；其次，对每个像素点提取的最大灰度值和最小灰度值进行线性加权；之后结合能抵抗阴影影响的改进的LBP 纹 理特征，采用类似混合高斯背景模型原理的思想提取多个运动目标检测背景模型。精简提取得到的LBP 纹理的种 类，减少计算量，以达到实时性的要求。实验结果表明，该算法与同类算法相比更有效地去除阴影对运动目标检测 的影响，也满足实时性的要求。 关键词：目标检测；W4 算法；混合高斯模型；局部二值模式（LBP ）背景模型；阴影 文献标志码：A 中图分类号：TP391 doi ：10.3778/j.issn. 1002-8331.1507-0107 1 引言 LBP ）的思想提取运动目标检测背景。通过LBP 提取运 运动目标检测技术是视频监控系统的基础，目前主 动目标的纹理特征信息来得到背景模型。LBP 的原理 要应用于各种公共场所，例如银行、超市、大楼、机场、广 是通过相邻域像素之间像素值相减，来得到二值化信息 场以及高档住宅小区等，这些场所都