基于改进K-均值聚类算法的背景建模方法.pdfVIP

第z4卷第12期 电子测量与仪器学报 砌￡24No．12 ·1114· oFELlicTRoNlcMEASUREMEl、疆ANDlNslRUME卜lT 2010年12月 JoURNAL DOI：10．3724，SP．J．1187．2010．01114 基于改进娶均值聚类算法的背景建模方法术 杨会锋1 曹 洁1帅立国2 (1．兰州理工大学计算机与通信学院，兰州730050； 2．东南大学机械工程学院，南京210096) 摘要：针对背景差法易受外界环境因素影响的缺点，提出了一种基于改进尽均值聚类的背景建模方法。通过比较任意样 本与该像素位置处的子类中心之间的距离，对各个像素的观察值进行聚类，并在聚类过程中逐步确定其类别数。一段时间的学 习之后，样本数最多的子类就构成了背景模型。仿真结果表明，该算法即使在运动目标存在的情况下也能准确的提取出实际的 背景，而且显著地降低了系统的存储量。 关键词：背景差；背景建模；K-均值聚类；背景更新 中图分类号：TP391．4 文献标识码：A 国家标准学科分类代码：510．4050 methodbasedonthe K-means Backgroundmodeling improvedclusteringalgorithm CaoJielShuai YangHuifeng‘ Liguo‘ andCommunication，Lanzhou 730050，China； (1．CollegeofComputer UniversityofTechnology,Lanzhou ofMechanical 210096，China) 2．Department Engineering，SoutheastUniversity,Nanjing Abstract：Aimedatthe that subtractionwasliabletObeaffectedoutside disadvantagebackground by methodbasedonthe K—mean Was environment，a provided．Bycomparing backgroundmodeling improvedclustering certain centerofthe valuesofthe wereclustered thedistancesbetween andsub—class pixel，observationpixels sample andthenumberoftheclusterswasdeterminedthe fora duringclusteringprocess．．Af-terlearning modelwasbuiltsub—classwiththemaximum showthatactual Canbeextracted by samples．Simulationsbackground the evenwhen aleexistentandthe costofthe