基于背景复杂度自适应距离阈值的修正SuBSENSE算法
成科扬1,2(
),孙爽1,詹永照1 1. 江苏大学计算机科学与通信工程学院，江苏 镇江 212013
2. 社会安全风险感知与防控大数据应用国家工程实验室，北京 100846
收稿日期:2019-07-22出版日期:2020-06-20发布日期:2020-06-16作者简介:成科扬(1982—),男,江苏南通人,副教授,博士,主要研究方向为模式识别,计算机视觉. E-mail: 基金资助:国家自然科学基金资助项目(61972183);国家自然科学基金资助项目(61602215);社会安全风险感知与防控大数据应用国家工程实验室主任基金项目Modified SuBSENSE algorithm via adaptive distance threshold based on background complexity
Keyang CHENG1,2(),Shuang SUN1,Yongzhao ZHAN1 1. School of Computer Science and Telecommunications Engineering, Jiangsu University, Zhenjiang 212013, Jiangsu, China
2. National Engineering Laboratory for Public Safety Risk Perception and Control by Big Data, Beijing 100846, China
Received:2019-07-22Online:2020-06-20Published:2020-06-16Supported by:国家自然科学基金资助项目(61972183);国家自然科学基金资助项目(61602215);社会安全风险感知与防控大数据应用国家工程实验室主任基金项目摘要/Abstract
摘要： 针对自适应敏感度分割(self-balanced sensitivity segmenter, SuBSENSE)算法在真实复杂场景下距离阈值更新适应性差，导致检测效果不佳的问题，提出一种基于背景复杂度自适应距离阈值修正的SuBSENSE算法。结合时间一致性和空间一致性定义了一种背景复杂度的度量方式，以此为标准，通过距离阈值修正策略获取准确的距离阈值，以便获得更好的检测效果。本算法与像素自适应分割(based adaptive segmenter，PBAS)算法和传统SuBSENSE算法进行了对比。试验表明，在动态场景下，本算法获取的前景更加精确，精度比PBAS算法和传统SuBSENSE算法提高了6.70%和0.80%，召回率比PBAS算法和传统SuBSENSE算法分别提高了9.37%和1.24%。本算法优于对比算法，在动态场景下具有更高的鲁棒性和检测精度。
PDF全文下载地址:
http://gxbwk.njournal.sdu.edu.cn/CN/article/downloadArticleFile.do?attachType=PDF&id=1935
