基于改进混合高斯模型运动目标检测算法.pdfVIP

第42卷增刊1  中南大学学报(自然科学版)  Vol.42  Suppl. 1  2011年9月  Journal of Central South University (Science and Technology)  Sep. 2011  基于改进混合高斯模型的运动目标检测算法 刘昊，赵龙  (北京航空航天大学 控制一体化技术重点实验室，北京，100191)  摘要：为了解决定分布数混合高斯模型在背景建模时计算量较大且不能准确描述复杂运动区域像素多种状态的问 题，提出改进混合高斯模型运动目标检测算法。该算法对传统的混合高斯建模方法进行改进，通过自适应调整模 型参数学习率和高斯分布数，使改进的混合高斯背景建模方法具有计算量低、可靠性高以及鲁棒性强的特点。利 用实际监控视频进行测试验证，并与传统的高斯背景建模方法进行比较。实验结果表明，改进的混合高斯建模方 法的计算量更小，鲁棒性更强。 关键词：运动 目标检测；背景建模；混合高斯模型；自适应参数更新率；自适应高斯分布数 中图分类号：TP391  文献标志码：A  文章编号：1672−7207(2011)S1−0605−05  Moving object detectionbased onimproved Gaussian mixturemodel  LIU Hao, ZHAO Long  (Science and Technology on Aircraft Control Laboratory, Beihang University, Beijing 100191, China)  Abstract: In order to solve the problem of background modeling by Gaussian mixture model(GMM) with constant K  components, such as computational complexity and being not able to perfectly represent the status of pixels in the region  with complex movement. The algorithm of moving objects detection method with improved Gaussian mixture model was  proposal.  The proposed algorithm improves the  traditional  GMM in the  aspects  of  adaptively  adjusting  the model  parameters learning rate and the number of components with the advantage of being less computational complex, more  reliable and higher robust. The experiment result with actual surveillance video shows lower computational complexity  and higher robustness.  Keywords: moving object detection; background modeling; Gaussian mixture model; adaptive parameters updatingrate;  adaptive­K components  基于视频图像序列的运动目标检测是计算机视觉 检测与跟踪可靠性的基础。 相关领域的重要研究内容，是智能视频监控、视频压