自适应混合高斯背景模型运动目标检测方法.docVIP

自适应混合高斯背景模型运动目标检测方法 　　摘 要:提出了一种静止摄像机条件下自适应的运动目标检测方法。该方法基于同一像素点被同一灰度车辆覆盖几率小的假设构建初始背景,为每个像素点在线选择高斯分布个数。根据像素点与其邻域像素间存在联系的思想,在线更新学习率。最后用背景差分法检测出运动目标。实验结果表明,同基于传统混合高斯模型的运动目标检测方法相比,该方法有较好的自适应性,能快速适应场景的变化。 　　关键词:混合高斯模型;背景更新;背景差分;目标检测;噪声去除 　　中图分类号: TP391 　　 文献标志码:A 　　 　　Moving objects detection approach based on 　　 adaptive mixture Gaussian background model 　　 　　HUANG Xinjuan, ZHOU Jiemin, LIU Boyang 　　 　　College of Civil Aviation,Nanjing University of Aeronautics and Astronautics,Nanjing Jiangsu 210016,China 　　) 　　Abstract: An adaptive approach to detect moving objects with a static camera was proposed in this paper. Based on the assumption that the probability of the same pixel covered by the same intensity of the car is the least, the initial background was established and the number of Gaussians for each pixel online was chosen. In order to update the Gaussians parameters, the learning rate should be updated online according to the relationship between the pixel and its adjacent pixels. Lastly,the moving objects were detected by background subtraction. Compared to the moving objects detection approach based on conventional mixture Gaussian model, this approach has preferable adaptive performance, and can deal with changes in scenes rapidly. 　　 　　Key words: mixture Gaussian model; background updating; background subtraction; objects detection; noise removal 　　 　　0 引言 　　运动目标检测是计算机视觉应用中信息提取的第一步,包括视频监控、车辆跟踪等领域。一个鲁棒性的运动目标检测方法应有利于后期的特征提取、目标跟踪等步骤。正如文献[1]所说,鲁棒性的运动目标检测方法应含有以下3个特征:对不同场景和光照的适应性;高准确性,即准确实时地检测目标形状;高效性。 　　目前常用的运动目标检测方法有:背景差法、帧差法、光流法、检测线法?? [2]。背景差法是近年来运动目标检测中运用最多的方法,它主要是通过将当前帧与参考背景帧相减来实现对运动目标的检测,该方法的关键是如何建立背景模型和实时更新模型参数以适应背景变化。B.P.L.Lo等人[3]使用中值滤波法建立背景模型,该模型可以很好地滤除噪声,但是需要很大的存储空间。Ridder等人[4]使用卡尔曼滤波建立背景模型,该模型能够克服光线变化造成的影响,但是背景恢复比较慢。Pfinder系统[5] 用单高斯分布建立背景模型,初始化一个没有运动目标的背景后,该模型能获得比较好的结果,但至今未成功地应用于户外场景中。Stauffer等人[6]将混合高斯背景模型(Mixture Gaussian background Model,MGM)发展成为目前常用的表现形式,?Ъ从?K个高斯分布混合模拟每个像素点,按照权重与标准差之比的大小进行排序,然后利用事先设定的阈值选取前B个分布作为背景模型。?Ц媚Ｐ湍芄辉谙吒?新模型