一种改进型surendra背景更新算法的FPGA实现

运动目标检测是通过找到图像序列中的运动像素点和静止像素点，从而找到前景中的变化区域，进而将运动的目标物体从背景图像中提取出来。现有的运动目标检测方法主要有光流法、帧差法、背景图像差分法[1]和边缘检测算法。光流法运算公式复杂、计算量大，不适用于适时性要求很高的场合。帧差法和背景图像差分法相比光流法更简单、易于实时操作 ,且应用广泛。由于背景图像差分法对由于光照引起的动态场景变化非常敏感，随着时间的推移,如实际光线、环境的变化或背景中固定对象的移动都会使得背景图像发生变化。向海霞、王卫星[2]提出一种利用卡尔曼滤波对背景进行预测与更新算法；张彦[3]等人提出一种将基于特征点的方法和基于像素点的背景建模方法相结合的背景更新算法。但这些算法复杂，难以在硬件上实现，只适合利用软件方式实现，很难提高速度，达到实时性要求。而2009年徐方明、卢官明[4]提出基于改进型背景更新算法的运动目标检测算法，通过改变静态阈值为动态阈值，利用动态阈值更新背景模型，再将当前图像和当前更新背景做差运算之后产生差分图像。该算法在有运动目标存在的情况下提取出可靠的背景模型，并且能够自适应地对背景模型进行较为精确的更新，更新速度较快。但所采用的是软件方式实现，执行速度不高。本文采用改进的背景更新算法，针对该算法的特点进行硬件结构分析，利用FPGA流水线任务处理技术以及并行处理的优点，采用硬件方式对动态背景下运动目标的提取进行实时检测。

1 改进型背景更新算法原理