基于四帧帧差和混合高斯模型的运动目标检测.PDFVIP

第３２卷第５期 平顶山学院学报 Ｖｏｌ．３２Ｎｏ．５ 　　　　　　　　　　　　　 ２０１７年１０月 　　　　　　　　　　　　　 ＪｏｕｒｎａｌｏｆＰｉｎｇｄｉｎｇｓｈａｎＵｎｉｖｅｒｓｉｔｙ Ｏｃｔ．２０１７ 基于四帧帧差和混合高斯模型的运动目标检测 刘　波，王　平，杨小敏，邓　艾 （西华大学电气与电子信息学院，四川成都６１００３９） 摘　　　要：鉴于传统的帧差法检测准确率不高，容易造成检测错误等问题，提出了一种改进的视频序列运 动目标检测算法．该算法将混合高斯模型与改进的四帧差分算法相结合：首先，改进的四帧差分是取连续的四 帧———第１帧与第３帧、第２帧与第４帧分别进行差分二值运算，采用动态阈值以适应光线变化，将差分的结果 轮廓填充，进行“与”运算；然后，将混合高斯建模后得到的运动目标与改进的四帧差分算法得到的运动目标，进 行逻辑“与”运算；最后，通过形态学处理检测出运动目标．实验结果证明，改进的算法既能适应光照的变化，又 能有效克服空洞的现象，与同类算法相比，具有更高的鲁棒性和准确率． 关　键　词：混合高斯模型；四帧差分；目标检测；动态阈值；轮廓填充；隔帧差分 中图分类号：ＴＰ７５１．１　　　　文献标识码：Ａ　　　　文章编号：１６７３－１６７０（２０１７）０５－００１３－０４ 　　运动目标的检测与分割在视频分析和视频监 差分和对称差分等差分算法．这些算法虽然在一定 控方面起着重要的作用［１］．运动目标检测是指从 程度上弥补了传统帧间差分法的不足，但是仍受特 视频序列中检测出前景目标及其携带的运动信息， 定场景的限制．文献［８］和［９］提出了四帧差分，在 得到所需要的运动区域．目标检测一直是计算机视 一定程度上减少了漏检的情况，但是目标检测效果 觉领域的一个研究热点［２］，是目标识别、智能监控 不是十分理想． 和目标跟踪的基础，所以，目标检测算法具有重要 针对以上存在的问题，笔者提出了一种新的基 的研究价值［３］． 于四帧帧差和混合高斯模型的运动目标检测算法． 现有的运动目标检测的方法主要分３类［４］：光 通过改进的四帧帧差法提取目标，同时利用混合高 流法、背景减除法［５］ ［６］ 斯背景建模进行背景更新，将中间某帧图像与背景 和帧间差分法．光流法 是把 序列图像中每一个像素点都用相应的矢量来描述， 图像做差，提取出目标，通过运动策略分析，将两个 利用图像的每一个像素的矢量特征来检测运动目 检测出的目标进行“与”运算，再通过连通性检测 标，体现了三维场景及平面投影丰富的动态信息， 和形态学处理，得到比较完整的运动目标．实验证 用这种方法建立运动目标的像素模型，检测精度 明，笔者提出的算法能有效地克服光照变化干扰、 高，但是其计算量大，对噪声也比较敏感，难以进行 噪声干扰、空洞和拖影的问题，具有更高的准确性 实时检测；背景减除法算法开销小，速度快，能得到 和鲁棒性． 比较完整的运动目标，但是需要有比较稳健的背景 １　混合高斯模型 模型支撑，对背景的扰动，光照的变化比较敏感；帧 间差分法是通过比较连续两帧或多帧之间的差别 在混合高斯模型中［１０］，背景图像中的每一个 来实现运动目标检测，能非常好地适应静态或动态 像素点用Ｎ个高斯分布来描述，然后将这Ｎ个高斯 背景，不需要提取和更新背景，算法简单，时间复杂 分布通过加权组合，得到背景． 度也比较低，但是很难获取到完整的运动目标区 １．１　初始化背景模型