在含有动态干扰因素的复杂背景下提取前景目标时,现有的视觉背景前景目标提取算法容易出现鬼影、误检等问题,因此提出了一种改进的基于视觉背景的前景目标提取算法。首先,根据像素点的时间序列以及位置特征,计算像素点的匹配概率、匹配程度以及亮度信息。其次,实时更新与当前复杂背景吻合的背景模型,同时对背景模型进行初始化。最后,对CDnet 2014数据集中各类复杂背景下的视频进行测试,并与经典的高斯混合模型、视觉背景提取(ViBe)算法、改进的ViBe算法进行对比。实验结果表明,本算法在各类复杂背景下能高效去

针对视觉背景提取(Vibe)算法在目标检测过程中存在鬼影且易受动态背景干扰等问题，提出了一种基于多尺度空间的Vibe算法。在建立背景模型前，对输入的视频序列进行金字塔变换，得到顶层、中层、底层3种不同分辨率的图像；再在不同分辨率下进行Vibe前景检测，并对检测结果进行融合，减少了动态背景的影响，同时提出了一种鬼影消除策略，结合帧间信息，加入二次判断策略，加快了鬼影的消除；最后，为了更好地适应动态环境，提出了一种背景复杂度量，根据背景的复杂程度，自适应地调整阈值。实验结果表明：经改进的算法加快了鬼