基于改进混合高斯模型运动目标跟踪研究.docVIP

基于改进混合高斯模型运动目标跟踪研究 　　摘　要　对传统混合高斯背景模型作了改进，消除了缓慢运动目标对背景模型的影响，采用了目标间差分区分出前后帧变化区，对不同区域采用不同的学习权重更新策略。实验结果证明，该改进算法提高了背景模型的健壮性，在跟踪系统中获得较好效果。 　　关键词　改进混合高斯模型　目标间差分　自适学习权重 　　目前，国外学者提出了多种针对不同应用条件的背景模型。Wren C的实时系统[1]对跟踪对象采用多类的统计模型，在初始化一个没有运动物体的背景后，这个系统能得到较好的效果，但在户外环境中，该算法跟踪效果不佳。Ridder C 等人[2]采用Kalman滤波，对每个像素构建一个模型，该算法虽然能适应灯光的变化，但背景自适应能力缓慢，处理多层次的背景没获得满意的结果。 　　Friedman N 等人[3]利用自适应混合高斯模型在处理光照变化、树叶抖动等获得较好的效果，但混合高斯背景模型采用固定学习权重，难以适应运动目标运动快慢变化。更新权重高导致慢运动目标误判为背景并引入大量噪声；更新权重低则在停滞物体逃离背景时长时间留下前景运动物体和降低对光照变化的适应能力。 　　针对上述问题，对传统混合高斯模型作了改进，设计了自适应学习权重。结果表明基于改进的跟踪系统获得良好效果。 　　1　混合高斯背景模型 　　1.1　混合高斯密度函数 　　Grimson和Stauffer