运动目标检测是计算机视觉领域的一个重要研究内容,它通过图像处理的方法对图像序列中的运动目标信息进行解析,具有一定的智能性,在智能视频监控、智能交通、人机互动、动作识别、物体追踪、行为理解、精准制导等领域具有重要的应用价值。目前主要有基于光流、基于帧间差分、基于背景建模三大类运动目标检测方法,其中基于背景建模的方法采用背景模型建立、像素点分类以及背景模型更新三个重要步骤来实现运动目标的检测,具有更多的建模方式,较多可利用的特征值,并且可随着背景模型的更新能够不断适应场景中的变化。这些特性使得基于背景建模的目标检测算法成为该领域的重要研究方向之一。ViBe(visual background extractor)算法利用邻域像素的关联性进行建模及模型更新,可有效地利用空间相关信息,是一个适用性广、建模速度快、鲁棒性好的基于背景建模目标检测算法。但该算法在应用中还存在一定的局限性,例如动态场景存在晃动点、初始化帧中存在运动目标等情况下检测性能下降。本文重点研究ViBe算法,旨在提高该算法在特殊复杂场景下的适用性和有效性,所做的主要工作有:(1)提出多帧初始化的ViBe改进算法,其利用像素及其邻域点的特征值统计集中区域的中值建立模型,并改进其背景模型的更新策略。解决了当场景中存在因树枝晃动、水面波动等造成晃动点时,ViBe算法会出现大量误检的问题。通过在canoe多个等动态背景数据集上的测试,表明改进算法有效降低了误检率,提高了检测效果。(2)提出具有监督的检测算法SViBe,其引入像素点检测结果的计数监督,解决了ViBe算法在背景初始化帧图像中存在运动目标、静止目标突然运动以及运动目标转为静止时出现伪运动目标的问题,提高了上述特殊场景下伪运动目标融入背景的速度。SViBe算法在pedestrians、office等多个场景数据集中的测试表明,改进的算法在特殊场景下可以取得更好的检测效果。