基于高斯混合模型的运动目标检测.pdf

《基于高斯混合模型的运动目标检测.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、2015年10月机械设计与制造工程0ct．2015第44卷第10期MachineDesignandManufacturingEngineeringVo1．44No．10DOI：10．3969／j．issn．2095—509X．2015．10．014基于高斯混合模型的运动目标检测李灿，丁学文(天津职业技术师范大学电子工程学院，天津300222)摘要：首先介绍了运用高斯混合模型检测运动目标的原理和方法；然后根据检测过程中出现的失真、阴影干扰等问题对高斯混合模型进行了改进，即通过选取合适的背景更新速率来改善检测失真问题，通过

2、将RGB彩色向量转换为HVS彩色向量来消除阴影干扰。对比改进前后的实验结果可知，通过改进可以使背景模型更好地适应有干扰的环境，能较为完整地提取出运动目标并减少目标阴影给检测带来的干扰。关键词：目标检测；高斯混合模型；背景更新率；阴影消除中图分类号：TP391文献标志码：A文章编号：2095—509X(2015)10—0061—04目标检测技术在视频监控系统智能化中起着重要的作用，同时也是目标跟踪、目标分类和行为理解等更高层次处理算法的基础J。由于后续算图1基于高斯混合模型的目标检测系统框图法的准确度受到目标检测结果的影

3、响，目标检测方法也独立地应用在多个领域的检测过程中，所以，时，对于视频中的t时刻，图像中每个像素点的特良好的目标检测技术在智能视频监控系统中占据征用i～K个高斯分布描述可得J：着举足轻重的地位。在众多目标检测算法中，高斯，．1p(X)=——·混合模型因其具有背景干净、设置参数少、拟合性．(21T)l．l好、结构简单、可适用领域广泛等突出优点，在交e一寺(Xt-Igi，t)’0。(Xt-(n=3)(1)通、医疗、通信等众多领域中被广泛使用_2J，所以K笔者选择高斯混合模型的算法检测运动目标。式中：i．1为高斯分布的权重，

4、且∑∞=1；置=‘=l[，，]T，为像素的RGB彩色向量；／tf．1=[：1高斯混合模型建模方法，，]，为均值向量；=2，In，为协方差矩依据视频图像的灰度直方图，可以把某一个灰阵，其中．为像素方差。接下来，用高斯混合模度值产生的频次大致认为是该图像灰度的高斯分型对目标进行检测，整个过程分为模型初始化、模布。这些分布中，由于背景和目标存在差异，可以型更新、背景估计与前景分割l4]。将这些高斯分布分为背景描述分布和前景描述分1)模型初始化。布。实际应用中摄像头捕捉到的视频图像比较复对视频图像的第一帧中各个像素点的彩色向杂

5、，背景中有可能存在目标运动或背景晃动、光照量值进行复位操作，创建每个对应像素的个高变化等情况，对应的图像的像素区域就会呈现出多斯分布的平均值，对每一个高斯分布都赋予指定的个峰值的特性，可以认为此特性是几个高斯分布相方差(数值3O)并且让它们的权重都一样]。叠加共同作用的结果并将其称为高斯混合模2)模型更新。型-3J。通过当前图像与当前时刻的背景进行加权当计算下一帧图像时，把其中的每一个新像素平均从而更新背景，如图1所示，其中高斯分布的置与当前的个高斯分布的均值参照式(2)分别数目常用来表示，一般是3～7个。进行匹配。假

6、如成立，那么就与所述模型中第i运用高斯混合模型对视频中的目标进行检测个高斯分布匹配，如果没有成立的话，那么就不匹收稿日期：2015—09—06作者简介：李灿(1989一)，女，河南南阳人，天津职业技术师范大学硕士研究生，主要研究方向为数字图像处理。·61·