改良混合高斯模型之移动物体侦测MovingObjectDetectionWith-Read.PDFVIP

良混合高 斯模型之移動 物體偵測 Moving Object Detection With Enhanced Gaussian Mixture Model for Background Subtraction 1 1 2 2 *吳先晃 謝仁傑 翁炳國 巫潁毅 1 國立雲林科技大學電機工程研究所 2 中山科學研究院材料暨光電研究所 *E-mail : wuhp @y untech.edu.tw 摘要 Gaussian distributions) ，再依據每一點所 建立的混 合 K個高斯 分佈來 判斷此點像素是否為移動物體 在本文中主要針對戶外場景的監控系統做討 且更新背景資訊 ，這個 方法的優點在於它對動態背 論 ，我們 採用混合高斯模型 (Gaussian Mixture 景 緩慢的光照變化 具有相當好的強健 性，主要原 Model, GMM) 來解決戶外場景中常見的問題如 :相 因在於它所 建立的混合高斯模型 ，反之為了精確去 機晃動、樹葉搖晃 、湖面水波及戶外天氣變化等 估測 每一像素的混合高斯 分佈在作 業前必須花費 等 。而 混合高 斯模型中 我們導 入不同的 很 長一段時間做訓練 。Pong and Bowden [3]改良 Learning Constant改進了原有演算 法初期參數訓 Stauffer and Grimson所提出混合高斯模型更新 參 較長的問題 ，並且利用適應性變異數 來定義混合高 數 方法並加入陰影偵測演算法 去除移動物體陰 斯模型初始值達到偵測 出物體的 完整性，並經由實 影。 Power and Schoness [4] 針對Stauffer-Grimson 驗結果証明 了方法的有效性。 演算法中未詳細說明 參數提出合理數值 ，並簡化混 合高斯模型參數更新 方式。Toyama et.[6] 提出的 1緒論 演算法 分別包含 pixel 、region frame levels這三 個不同的 系統來偵測移動物體，並且根據這三個不 在電腦監視系統中背景相減是 一個很簡單且 同 系統來解決目前移動 物體所存在的問題 ，而整個 普遍存在的 方法，主要目的為區別 出未移動物體 演算法對於劇烈光照變化下有不錯的 表現，然而它 (Background)和移動物體 (Foreground) ，然而簡單的 的 缺點是演算法複雜度高。 背景相減演算法卻存在著許 多問題如 1)光照變化 : 在 本文中 我們的 系統主要定位在固定 攝影機的戶 可細 分為二種 a)緩慢 光照變化戶( 外 天氣變化等 外場景移動物體偵測，所以我們將特別 針對戶外場 等 ) b)劇烈光照變化( 室內電燈開關 on/off 等 景中常見的問題做討論 如樹葉搖: 晃 、戶外天氣 等 ) 。2)背景更新因: 為場景中的物體 並非都是靜 變化等 等，為了解決 上述問題 我們以混合高斯模型 止的 狀態，為了避免更動後的背景而造成演算法偵 為主要架構改，善舊有 系統訓練時間並提升整個演 測錯誤 ，所以必需考慮到背景的初始與更新。3) 算法