基于改进K均值的运动目标检测算法研究.pdfVIP

第 34卷 第 6期 _二峡大学学报 (自然科学版) VoL34No．6 2012年 12月 JofChinaThreeGorgesUniv．(NaturalSciences) Dec．2O12 基于改进 K均值的运动 目标检测算法研究 柯尊海 刘 勇 徐义春 雷帮军 (三峡大学 智能视觉与 图像信息研究所 ，湖北 宜 昌 443002) 摘要 ：背景建模是运动 目标检测的关键环节，提出了基于改进 K均值背景建模 的方法，并进行前景 提取．该算法在 HSV颜色空间对视频流 的前 N帧 中的每个像素样本进行 K 均值聚类学 习，K 均 值聚类的结果用来表示该像素的背景模型；接着输入的视频流像素与背景模型比较 ，进行背景 、可 能前景和阴影的分离，并提出了一种像素相关的选择性背景更新机制 ；然后利用 T()M(TimeOut Map)方法来消除鬼影现象．实验结果表 明该算法能够很好地对背景进行建模 ，较精确地提取 出运 动 目标信息，对光照变化具有较强的鲁棒性． 关键词 ：K均值聚类； 背景减除； 运 动 目标检测 中图分类号 ：TP391 文献标识码 ：A 文章编号：1672-948X(2012)06—0098—05 AnApproachBasedonModifiedK—meansforMoving0bjectsDetection KeZunhai LiuYong XuYichun IeiBangjun (InstituteofIntelligentVision＆ ImageInformation，ChinaThreeGorgesUniv．，Yichang443002，China) Abstract Akeyissueofdetectingmovingobjects，anapproachbasedonmodifiedK—meanstomodelback— groundisproposed．Itlearnsfrom thestartingN frameswithK—meansalgorithm ；andtheresultslearnedthe backgroundofthepixels．Following，itperformstheseparationofbackgroundpixels，probableforeground pixelsandshadow pixels；throughthecomparisonoftheinputpixelsandthebackgroundmodel，apixel—based selectivemechanism ofthebackgroundupdateisproposed．Finally，theghosteffectsareeliminatedbyapply— ingtheT()M method．Theexperimentalresultsshow thatthisproposedapproachcanwellmodeltheback— ground，andmoreaccuratelyextractthemovingobjects，aswellasmorerobusttotheilluminationchanges． Keywords K—meanscluster； backgroundsubtraction； movingobjectsdetection 前景提取是计算机视觉应用的重要环节 ，是 目标 雪梅等在 Kim 的基础上提出了局部更新的分层码本 跟踪 、目标识别 、场景分析与理解等高级处理的基础 ， 目标检测算法 ，P．KadewTraKuPong等人提 出的 在行人检测与跟踪、智能交通 、社会安防等领域得 到 高斯混合模型背景建模算法 ，黄鑫娟等在其基础上提 了高度的重视．如何针对 当前的场景建立一个尽可能 出了自适应混合 高斯背景模 型 的运动 目标检测方 完善的背景模型，并进行前景信息的提取是计算机视 法 等 ，背 景建