摘 要 为了准确完整地提取视频图像序列中的运动目标并对其进行背景替换，本文利用改进的 ViBe 算法结合 Otsu 阈值分割，提出了一种融合 ViBe 与 OSTU 的运动目标提取与背景替换算法。采用 LBSP 纹理特征进行 ViBe 背景模型的建立，同时在 LBSP 纹理区域中，利用 OSTU 算法计算得到其局部分割 阈值，并将其作为图像中像素背景建模的样本。背景模型建立完成后，经过背景差分、数学形态学以及 孔洞填充等后处理操作得到完整的运动目标二值图，并对其进行视频图像的背景替换。最后通过仿真实 验验证了本文提出的算法可以准确完整地提取出视频图像中的运动目标并对其进行精准地背景替换。
关键词 LBSP，Otsu，局部分割，ViBe，背景替换
0 引言
人们通过视觉、听觉、嗅觉等系统所获取的信息 来感知世界，其中约 80%的信息都来源于视觉系统。 通过对外界事物的观察，人们可以更加具体地认识事 物的本质特征。近些年，伴随计算机技术的快速发展， 图像处理、人工智能、计算机视觉等技术均已推广到 社会生活与应用中[1]。其中，智能视频监控(Intelligent Video Surveillance，IVS)展现出巨大的商业价值与广阔 的应用前景。智能视频监控利用图像处理、计算机视 觉等技术，通过图像采集设备获取外界图像信息并加 以智能化分析，实现对场景的理解、学习以及场景中 感兴趣对象的检测、跟踪与识别，同时随着网络通信 技术的发展，在远程视频服务过程中用户迫切希望越 得到更加人性化和智能化的服务体验，因此准确的提 取视频图像中微动目标并在保护用户环境隐私的情况 下进行背景替换逐渐成为研究的热点问题[2]。
本文首先利用视频中前十帧图像进行背景模型的 建立，即为每一帧图像中所有像素计算其 LBSP 纹理特 征，同时在 LBSP 邻域中利用 Otsu 算法计算得到像素 的局部分割阈值，采用 LBSP 特征和局部分割阈值为对 应像素建立背景模型。背景模型建立完成后，当读取 到新一帧图像时，同样进行特征的计算，之后利用背景差分、数学形态学以及孔洞填充获取图像中完整的 运动目标，并进行背景的替换，算法流程如图 1 所示。
1 改进 ViBe 算法
视觉背景提取算法 ViBe[3,4]的主要特点包括背景 模型样本点的随机性采样和邻域空间更新。ViBe 算法 根据相邻空间像素具有相似的分布特性的特点来完成 背景模型的初始化，再通过像素间的欧氏距离来实现 前景分割，对背景模型随机更新的同时也更新邻域像 素的背景模型。该方法的处理速度快，提升了对噪声、 光照变化的鲁棒性。
作者：李娜