基于误差补偿的复杂场景下背景建模方法

摘要：

在基于子空间学习的背景建模方法中，利用背景信息对前景误差进行补偿有助于建立准确的背景模型。然而，当动态背景(摇曳的树枝、波动的水面等)和复杂前景等干扰因素存在时，补偿过程的准确性和稳定性会受到一定的影响。针对这些问题，本文提出了一种基于误差补偿的增量子空间背景建模方法。该方法可以实现复杂场景下的背景建模。首先，本文在误差补偿的过程中考虑了前景的空间连续性约束，在补偿前景信息的同时减少了动态背景的干扰，提高了背景建模的准确性。其次，本文将误差估计过程归结为一个凸优化问题，并根据不同的应用场合设计了相应的精确求解算法和快速求解方法。再次，本文设计了一种基于Alpha 通道的误差补偿策略，提高了算法对复杂前景的抗干扰能力。最后，本文构建了不依赖于子空间模型的背景模板，减少了由前景信息反馈引起的背景更新失效，提高了算法的鲁棒性。多项对比实验表明，本文算法在干扰因素存在的情况下仍然可以实现对背景的准确建模，表现出较强的抗扰性和鲁棒性。

关键词：背景建模、抗干扰的误差补偿、空间连续性、Alpha通道、中值模板

所属期刊栏目：42

分类号：TP3;TP1

资助基金：国家自然科学基金61273273,61175096,61271374;高等学校博士学科点专项科研基金2012110110034;北京市教委共建项目资助Supported by National Natural Science Foundation of China61273273,61175096,61271374;Research Fund for the Doctoral Program of Higher Education of China2012110110034;Specialized Fund for Joint Building Project of Beijing Municipal Education Commission

在线出版日期：2016-10-14（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：1356-1366