一种改进的混合高斯自适应背景模型-哈尔滨工程大学学报.pdfVIP

xx xx 哈 尔 滨 工 程 大 学 学 报 Vol.x, No.x 第 卷第 期 2009 x JournalofHarbinEngineeringUniversity .2009xx 年 月 一种改进的混合高斯自适应背景模型 朱齐丹 李科 张智 蔡成涛, , , （哈尔滨工程大学 自动化学院，黑龙江 哈尔滨 150001） 摘 要：混合高斯背景模型是背景建模领域最常用的构建算法，针对该方法在实际应用中的缺陷，提出了两点改进措 施像素过滤方法和按背景演变过程进行划分的自适应学习率方法。像素过滤方法记录某点像素值在一个短时间段内的: 变化情况，对其进行统计分析，根据均值和方差过滤掉快速运动目标的动态干扰像素，增强算法的鲁棒性；新的自适 应学习率方法将背景的形成过程划分为四个阶段，对不同的阶段使用不同的学习率，加速背景的形成和消退。应用改 进后的算法在两段街道监控视频中同原算法进行了对比实验，实验结果表明，改进方法在视觉效果上有着显著提高， 背景形成迅速，清晰。改进方法增强了算法的抗干扰能力，提高了背景的形成和切换速度，可以作为基础算法应用于 相关视觉处理之中。 关键词：混合高斯模型；背景建模；像素过滤；自适应学习率 中图分类号：（TP391.7） 文献标识码：A AnImprovedGaussianMixtureModelforAdaptiveBackgroundModel AnImprovedGaussianMixtureModelforAdaptiveBackgroundModel AAnnIImmpprroovveeddGGaauussssiiaannMMiixxttuurreeMMooddeellffoorrAAddaappttiivveeBBaacckkggrroouunnddMMooddeell ZHUQi-dan LiKe ZHANGZhi CAICheng-Tao ， ， ， (CollegeofAutomation,HarbinEngineeringUniversityHarbin150001,China) Abstract Abstract AAbbssttrraacctt The gaussian mixture model(GMM) has been widely used for modeling backgrounds. In this paper, the classical ： algorithmhasbeen improved in two ways.Thepixel filtering method and thenew adaptivelearning rate methodwere presented. Thepixel filteringmethod recorded thepixelvalueof a pointin ashort periodof time, thenanalyzed of these data.Accordingto the pixel mean and variance, we can filter out the dynamic interfering pixels of fast moving targets. The formation of the background was divided into four stages in the new adaptive learning rate method.And different stages were assigned different learning rate, which can speed up the background of the formation and regression. Compared with the original algorithm, the experimental results sh