山东大学学报(工学版)

作者：成科扬,孙爽,詹永照

单位：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

关键词：SuBSENSE算法,前景检测,距离阈值修正,背景复杂度,

基金：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

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。

来源：2020年第3期

《山东大学学报(工学版)》期刊编辑部

查看山东大学学报(工学版)杂志2020年第3期