自适应高斯混合背景建模算法的改进和性能优化.docVIP

 自适应高斯混合背景建模算法的改进和性 能优化 梁良，苗振江** 5 10 15 20 25 30 35 40 （北京交通大学计算机与信息技术学院，北京 100044） 摘要：自适应高斯混合背景建模算法，有着可以在线学习，适应性强的优点，被广泛应用在 各类视频监控领域，如高速路车辆监控等。迄今为止，许多人已经提出了诸多改进意见，使 得算法的实用性和精度有了很大提升。但是随着算法的时间复杂度提升，计算实时性仍旧是 个很大的问题。本文在参考前人工作后，对算法的流程和实现策略分别给予了优化，能够使 得算法在几乎不降低精度的同时，大幅度提升运行效率，更好的满足实际项目中的实时监控 需求。 关键词：图像处理；自适应；高斯混合背景；性能优化 中图分类号：TP391.4 Improvement And Performance Optimization of Adaptive Gaussian Background Mixture Model Liang Liang, Miao Zhenjiang (Beijing Jiaotong University, Computer and Information Technology, Beijing 100044) Abstract: Adaptive Gaussian Background Mixture Model algorithm has advantages of online-learning and high adaptability. It was used in many video surveillance systems, such as Highway traffic monitoring system.So far, many people have proposed many improvements and optimizations of the algorithm, but with the growth of time complexity, real-time calculation was becoming a big problem. In this paper, by reference of many predecessors work, we introduce some optimizations of algorithm process and implementation. This can bring great performance improvements with little accuracy decreasing, and can better meet the real-time requirements in reality. Keywords: image processing; adaptive; Gaussian Background Mixture Model; performance optimization 0 引言 在视频监控领域，背景差分算法因其容易实现，时间复杂度相对较低，被大量的应用在 智能视频监控的相关领域。背景差分算法的核心内容是，通过某种手段维护一个背景数据模 型，然后在视频序列中，一个新图像帧到来时，背景模型通过某种算法和帧图像数据做差分， 经过某种阈值处理，得到分离的运动前景和静止背景的二进制结果矩阵（二值图）。通过对 二值结果矩阵的处理，可以提供供后续工作使用的有效运动信息。 背景差分算法的代表是背景剪除算法，也是最简单的背景差分算法。算法步骤是：取某 图像作为背景图像，对于新到来的每一帧图像，与背景图像做帧差。帧差结果经过阈值过滤 处理后，就得到前背景结果矩阵。背景减除法能够提供比较完整的运动目标信息，而且速度 快，能适应实时系统的要求。但是算法最大问题是：实际应用中，随着时间的推移，场景变 化导致了实际背景的改变。仍旧使用旧的背景，会影响目标检测结果。 针对诸此不足，人们提出了很多种改进方案。其中较为成熟的方案之一便是高斯混合背 作者简介：梁良，(1987-)，男，硕士研究生，图形与图像处理。 通信联系人：苗振江，(1964-)，男，教授，视听信息处理，虚拟现实，人机交互与普适计算。 E-mail: zjmiao@ -1-  景建模。高斯混合背景建模[1]（Gaussian Background Mixture Models，简称 GMM），是一种 利用高斯模型，对视频帧图像像素数据进行训练和分类，以识别特定时间下图像像素数据属 于运动前景或者静止背景的算法。其核心思想是：按照时间轴，对视频序列中的每个视频帧 45 50 55 60 65 中的对应位置像素建立背景的多