基于改进混合高斯模型的运动目标检测方法.pdfVIP

计 算 机 系 统 应 用 http：／／www．c·S—a．org．cn 2017年 第26卷 第 4期 基于改进混合高斯模型的运动目标检测方法① 张国平，高兆彬 (中国石油大学(华东)计算机与通信工程学院，青岛 266580) 摘 要：针对传统高斯模型易将背景显露区域检测为前景问题与对复杂场景下噪音处理效果差的缺陷，提出了 一 种混合了三帧差算法的改进混合高斯模型算法．利用三帧差算法快速确定背景显露区域与前景的优势，提高 了算法对背景显露区域的适应性：提 出一种背景模式邻域更新法，提高了对复杂背景噪音的抗干扰性．通过实验 证明，该算法与传统方法相比，在复杂背景下减少了大量噪音，学习周期短，提高了对天气、摄像头震动等干扰 的抗性，优化了背景显露引起的影“子”噪音问题． 关键词：混合高斯模型；运动 目标检测；帧差法；复杂背景；邻域更新法 ImprovedMovingObjectDetectionMethodBasedonGaussianMixtureModel ZHANG Guo-Ping，GAO Zhao—Bin (CollegeofComputerandCommunicationEngineering，ChinaUniversityofPetroleum，Qingdao266580，China) Abstract：ForthetraditionalGaussianmixturemodel，itispronetodetectthebackgroundastheforegroundregionand haspooreffectincomplexbackground，SOthispaperputsforwardanimprovedalgorithm combinedwiththreeframe differencemethod．First，weusethethreeframedifferencemethodtoimproveadaptationofhterevealedbackground region．Second，weuse themeansofbackrgoundneighborhoodsupdate to improve theresistance to complex backgroundnoise．Theexperimentsprovethatcomparedwiththetraditionalmethod，theimprovedalgorithm reduces largeamoun tofnoiseandshortenslearningcycle，andimprovesresistancetotheweatherandcamerashake，optimizing thenoisecausedbybackgroun dregionrevealed． Keywords：Gaussianmixturemodel；movingobjectdetection；framedifferencemethod；complexbackground； neighborhoodupdate l 前言 全面的描述复杂背景的优点．同时针对不同场景，对 人类接收外界信息有 80％以上是来 自视觉，视觉 于混合高斯模型算法存在的缺陷，很多文献[13．15]都 是人类最重要的交流方式．而传统的摄像头监控系统， 给出了自己的改进方法．文献 [13],Hi用混合高斯模型 达不到人类的智能程度，很难满足人们对智能监控的 与帧差算法结合区分背景显露区域与前景区域；文献 要求，智能视觉监视系统成为一门热门的研究课题． 1『4]~Jl用分块思想改进混合高斯模型，加快背景的收 其中，运动 目标的检测是整个系统的最底层，也是整 敛，提高了计算速度；文献[151中提 出的利用帧间差 个系统的基础，一种好的目标检测算法可以提高整个 法，快速分离前景 目标建立简单背景模型的方法，节 系统的性能．目前常用的运动 目标检测算法有背景差 约背景的学习时间．以上算法没有利用低复杂度算法 法 l【-3】、帧差法4【_7】、光流场法8【．1和统计模型算法n1等． 兼顾改进传统高斯模型的存在一些缺陷：1)在复杂的 混合高斯背景模型最早由Stauffer等人在文献[121 背景下，传统混