基于改进GMM运动目标检测算法应用研究.docVIP

基于改进GMM运动目标检测算法应用研究 　　摘 要： 本文讨论了监控视频运动目标检测算法，在实际的监控视频中，所面临的一些问题和挑战。对基于GMM算法的原理、检测流程进行了讨论，分析了GMM算法的优点和存在的不足。针对其缺陷，提出了一种改进的GMM算法，在GMM算法的基础上引入MRF、非参数密度估计、高斯个数自适应选择等，使得算法的抗干扰能力加强，对运动目标的检测更准确。 　　关键词：背景建摸 高斯模型 目标检测 　　中图分类号：TP391.4 文献标识码：A 文章编号：1003-9082（2015）09-0009-01 　　一、引言 　　多年来，随着信息技术和图象处理技术的新发展，使得智能交通管理成为全球研究的一个重点课题，对视频实现运动目标的自动定位，可以为城市智能化交通分析和管理提供可靠信息，对于缓解城市交通压力、维护社会治安等具有重要的战略意义，具有广泛的应用前景和经济价值。 　　二、基于GMM的运动目标检测方法 　　1.GMM算法基础 　　传统单高斯模型（GMM）对每一个像素利用高斯函数建模，每一个像素处理的都是一系列在相应时间内（从起始时间到当前时间）的该点值的集合，即在任意时间t像素点的值应该是以时间为轴的点的集合中的一个，这些点的集合符合高斯分布的特征： 　　但是，当检测场景很复杂时，单高斯分布背景模型抵制噪声干扰的作用很弱。 　　综上所述，单