摘要：现有基于独立分量分析（ICA）的运动目标检测算法大多采用单一的观测向量生成方式和2通道数据进行检测,使得现有算法难以获得更加完整精确的目标形态。该文在传统独立分量分析算法的基础上引入4种不同的观测向量生成方式并使用更多通道数据进行实验,以此更广泛地涵盖运动目标的运动特性并为提取前景提供更多有效信息,使该算法能有效应对缓慢移动和低区分性目标。多场景下的量化实验分析表明,更多通道数据的使用以及4种观测向量生成方式的综合在合理的误检率代价下使算法达到了更高的检测正确率。

关键词：运动目标检测 计算机视觉 独立分量分析 通道数选择 观测向量生成 

单位：安徽大学计算智能与信号处理教育部重点实验室 合肥230039 安徽大学计算机科学与技术学院 合肥230039