改进的混合高斯模型及阴影消除方法.docVIP

改进的混合高斯模型及阴影消除方法 　　摘要： 　　为了有效减少运动目标检测中混合高斯模型的计算量和提高阴影消除的准确性，提出了一种选择性地更新混合高斯模型和基于亮度变化消除阴影的方法。首先，在各个高斯分布进行更新之前，先将其权值与不属于背景的高斯分布的比重进行比较，若前者较大，则此高斯分布不更新，反之则更新；然后，在阴影消除时，将亮度的变化程度作为阴影检测阈值的一个因子，以使其随亮度变化自适应地做出调整。最后，将该方法与传统方法在室内外视频条件下进行了实验对比，结果表明该方法的计算时间约为传统方法的1/3，阴影消除更加准确。 　　关键词： 　　运动目标检测；自适应；背景减除；阈值；混合高斯模型；阴影消除 　　0引言 　　运动目标检测是人体运动视觉[1]分析中的重要研究课题，对目标分类、跟踪、识别与理解有着重要作用，经典方法有光流法[2]、帧间差法[3-4]以及背景减除法[5-6]。背景减除法可适应多模态背景，检测出的目标较完整，应用较广；Stauffer等[5]利用混合高斯模型解决了背景建模和背景更新两个关键问题，缺点是计算量大，在初期易检测失败；KaewTraKulPong等[7]根据模型匹配次数采用两种学习率和参数更新方式，解决了初期检测失败问题，计算量仍较大；白向峰等[8-9]利用偏差均值作为匹配时的阈值参数来简化方差计算，可对背景像素点的混合高斯模型仍持续地更新，实时性差；王典等[10]采取在某高斯分布的权值足够大后，在一定帧数内不再更新，以去除背景点的模型持续更新，但不能检测到间隔帧数内的背景变化，背景易被误判为运动目标；Zivkovic等[11]采取高斯分布个数自适应选择来简化计算，但每当新的高斯分布出现时都要分配存储空间，效果并不明显。在运动目标检测中阴影容易被检测为目标，影响了检测结果，必须进行抑制，有基于模型和属性两种方法。文献[7]在红、绿、蓝（R（Red）、G（Green）、B（Blue））彩色空间进行了阴影消除，但亮度变化需限制在较小范围内，且对这一范围未给出合适的设置方法；文献[10]及贾棋等[12]基于色调、饱和度、亮度（H（Hue）、S（Saturation）、V（Value））模型消除阴影，不足同上；王宁等[13-15]采用了基于属性的方法，计算复杂度较高，实时性不强。 　　本文针对混合高斯模型计算量大的问题，提出利用高斯分布的权值选择性地更新模型，并提出在RGB空间中利用亮度变化信息自适应地控制阴影检测阈值，最后通过实验进行了验证。 　　4结语 　　分析了基于混合高斯模型的运动目标检测方法速度较慢，难以实用的原因，并提出利用高斯分布的权值作为判决条件，对大量背景点持续匹配成功造成的模型冗余更新进行了抑制，提高了检测速度；然后分析了文献[7]所提方法中阴影消除不彻底及错误消除的原因，并提出用亮度变化程度自适应控制阴影消除时的阈值来改进，最后通过实验进行验证，实验结果表明，本文所提方法有效地改善了混合高斯模型的实用性及阴影消除的彻底性和准确性。 　　参考文献： 　　[1] 　　王亮，胡卫明，谭铁牛.人运动的视觉分析综述[J]. 计算机学报，2002，25（3）：225-237. 　　[2] 　　STEIN F. Efficient computation of optical flow using the census transform[C]// DAGM 2004， LNCS 3175. Berlin： Springer， 2004：79-86. 　　[3] 　　ZHANG R，ZHANG SZ，YU SY.Moving objects detection method based on brightness distortion and chromaticity distortion[J].IEEE Transactions on Consumer Electronics，2007，53（3）：1177-1185. 　　[4] 　　杨莉，张荣国，胡静，等.基于C-V模型的运动目标水平集提取方法[J]. 太原科技大学学报，2012，33（4）：254-258. 　　[5] 　　STAUFFER C， GRIMSON W E L. Adaptive background mixture models for realtime tracking[C]// Proceedings of IEEE Computer Society Conference on Computer Vision and Pattern Recognition. Washington，DC： IEEE Computer Society，1999： 246-252. 　　[6]