改进自适应混合高斯前景检测方法.docVIP

改进自适应混合高斯前景检测方法 　　摘要： 　　针对混合高斯背景模型计算量大、存在阴影和鬼影的不足，提出一种基于混合高斯模型的改进前景检测算法。通过分析背景的稳定性来选择连续或隔帧更新方式对背景模型中的参数进行更新，提高算法的运算速度。在背景更新方面，让更新率与权值相关联从而使更新率随权值改变并且对目标移动后显露的背景像素给予更大的更新率，提高背景的稳定性并解决鬼影现象及前景与背景转化的问题。对检测出的目标，用适应性更高的RGB颜色空间畸变模型进行阴影检测和消除，并进行高斯金字塔滤波和形态学滤波处理，以得到更好的前景目标。实验结果表明，该方法能提高算法的计算效率且准确地分割前景目标。 　　关键词：混合高斯模型；隔帧更新；背景更新率；阴影消除；高斯金字塔滤波 　　中图分类号：TP391.41 　　文献标志码：A 　　0引言 　　随着现代智能监控技术的发展，运动目标检测技术已广泛应用于银行、地铁、交通等室内外公共场所的监控系统中。目前，运动目标检测方法主要有帧差法、光流法和背景差分法[1]。在摄像机固定而背景复杂的目标检测系统中，混合高斯背景模型 [2]为常用的方法，它能有效地克服场景中光线变化、树枝摇摆等造成的影响。但该算法计算量大、处理时间比较长，同时还存在背景和前景相互转化时长时间的“影子”滞留、运动目标移动出现拖影等问题。针对混合高斯背景模型的不足，文献[3]通过极大似然估计法提出一种对高斯分布个数的选择方法，但该方法引入负先验系数使得更新过程中高斯分布的权值可能出现不合理的更新问题；文献[4]通过融合帧差法，将图像划分为多种区域并对不同的区域采用不同的更新策略，但存在背景抗干扰能力差易出现噪声块等问题；文献[5]在混合高斯背景模型的基础上采用了分层的思想，通过对比输入像素和两层背景模型的关系去除“影子”，该方法存在参数多不易调节的缺点。 　　采用背景减除法得到的前景目标通常含有阴影，这会影响目标的准确分割，对后续的目标跟踪造成影响。文献[6]分析HSV颜色空间下阴影的特性来进行阴影的抑制消除，文献[7]通过归一化RGB和亮度信息相结合对阴影进行抑制。但文献[6-7]算法中参数较多，对于场景改变时都需要重新调整参数，适应能力相对比较低。 　　本文通过分析视频序列中混合高斯背景模型中权值、均值和方差的变化情况，在背景稳定的阶段采用隔帧更新方式对参数进行更新而背景变化较大时采用连续更新；利用权值变化的特性，设计与权值相关联的背景更新率，使更新率能够适应前景和背景的不同改变情况，且对目标移动后显露出的背景像素予以加倍更新率使显露区域快速地恢复，更好避免拖影现象。在阴影消除方面，选择适应性更高的RGB颜色空间畸变模型，再对阴影消除的图像进行高斯金字塔滤波与形态学滤波相结合处理。具体的实施步骤如图1所示。 　　2.2自适应更新率 　　混合高斯模型中背景更新关系到其适应环境变化的能力和稳定性。当更新率较小时，虽然稳定性和抗干扰性能较强，但适应环境的能力会变弱，对环境的变化就需更多的时间去学习；更新率过大，适应环境的能力变强，但抗干扰能力变低，容易引入噪声，影响前景的检测[9]。因此，对于长时间为背景的高斯分布应降低其更新率以提高其稳定性，减少噪声。而背景恢复区域（即目标移动后显露出的背景像素区域）应增大更新率，使因被检测为前景而长期没有更新的像素能更快地融入到背景像素之中。这有助于让目标由静止转为运动后更快地消除滞留在原位置的“影子”和拖影问题，并能使进入场景后而静止下来超过一定时间的目标迅速地转化为背景。 　　5结语 　　本文针对经典混合高斯背景模型存在计算量过大的不足，通过对建立完混合高斯背景后的检测目标阶段采用隔帧更新和连续更新相结合的方式，提高算法的运行速度。相比原背景更新率，提出一种自适应改变地背景更新率，对背景、前景和目标移动后显露的背景像素自适应的改变更新率，提高背景的稳定性和解决前景与背景转化、拖影现象等问题。通过RGB颜色空间畸变模型来对检测出来的目标进行阴影消除并使用高斯金字塔滤波和形态学相结合的方法对图片进行后续处理，得到较好的目标轮廓。通过对各种实际场景实验分析表明，该算法有较好的目标检测效果和实用性。 　　参考文献： 　　[1]万缨，韩毅，卢汉清.运动目标检测算法的探讨[J].计算机仿真，2006，23（10）：221-226. 　　[2]STAUFFER C， GRIMSON W. Adaptive background mixture models for realtime tracking[C]// Proceedings of the 1999 IEEE Computer Society Conference on Computer Vision and Patter