第 卷 第 期
年 月
广东工业大学学报
Journal of Guangdong University of Technology
收稿日期:
基金项目:国家自然科学基金资助项目();广东省自然科学基金资助项目(,)
作者简介:陈世文(),男,实验员,硕士,主要研究方向为目标检测、目标跟踪等
基于高斯混合模型和 算法的运动目标检测
陈世文
,
,蔡 念
,肖明明
( 嘉应学院 计算机学院,广东 梅州 ; 广东工业大学 信息工程学院,广东 广州 ;
仲恺农业工程学院 信息学院,广东 广州 )
摘要:提出一种基于高斯混合模型和 算法的运动目标检测算法 利用高斯混合模型计算像素之间的颜色信
息,同时利用高斯混合模型更新背景信息;用 算子提取图像的边缘信息;将颜色信息和区域结构信息线性融
合起来,较好地解决了边缘信息明显的运动目标检测
实验中采用改进的加权高斯模型及传统的 算法相结
合 结果表明,本文方法比经典高斯混合模型方法具有较高的分割精度,鲁棒性较好
关键词:高斯混合模型;目标检测; 算子
中图分类号: 文献标志码: 文章编号:()
高斯混合模型( ,)
是一种半参数的估计方法,通过新的学习分布替代
旧的高斯分布,能很好地表征背景变化,是研究运动
目标检测的最有效方法之一
和
[]
在高斯
混合模型基础上提出一种更新参数方法,有效地解
决了慢运动目标的检测,但背景是复杂环境时效果
却不理想 和
[]
通过研究高斯混合
模型公式及参数更新公式,提出新的学习率公式,该
学习率使均值收敛快而准确,但用于方差学习却不
够理想 陈世文等
[]
曾提出一种加权思想,在模型更
新中赋予均值和方差不同的权值,但仅利用颜色信
息进行前景分割
等
[]
结合图像的空间深度
信息和色彩亮度信息,提出一种改进的方法,该方法
较好地检测出多目标的运动,但是当不同的目标处
在同一像素深度时,尽管有不同的色彩信息,也难检
测出运动目标 原春锋等
[]
提出了基于高斯混合模
型和梯度信息的视频分割方法,方法中结合梯度相
关函数对分割结果进行校正,能适应剧烈光照的变
化;但模型收敛速度慢,实时性较差 刘鑫等
[]
为每
个像素构建高斯混合模型,通过融入帧间差分把每
帧的图像区分为背景区域、背景显露区域和物体运
动区域,能迅速响应实际场景的变化;但不能解决动
态背景变化的问题
人们通常通过颜色或者亮度信息来分割前景和
背景,而颜色和亮度容易受光照及噪声的影响,容易
导致误判 一幅图像包含了丰富的信息,除了颜色和
亮度外,还包含有轮廓、边缘、纹理等信息,这些特征
信息反映了空间的区域结构信息 当目标像素与背
景像素在颜色和亮度信息上非常接近时,目标容易
被误判为背景,人们致力于寻求其它方法解决此问
题
[]
文献[]采用颜色信息与边缘信息对目标进
行分割,取得了一定的效果,但当目标边缘不明显时
也容易误判 文献[]用高斯分布去模拟像素在时
间轴上的颜色信息,用马尔可夫随机域去模拟纹理
信息,然后用贝叶斯推断将两者信息结合起来,但是
马尔可夫随机域的参数估计需要耗费较多的时间
本文从图像的区域结构信息着手,通过 算子
提取图像的边缘信息,利用高斯混合模型拟合背景
信息及计算颜色差异和颜色权值,将两者融合起来,
对运动目标进行分割
保证了模型在线更新背景信
息时模型的稳定性和收敛性,同时弥补了目标分割
中颜色信息接近时容易导致误判的不足
高斯混合模型
在实际中,尤其是对于室外的场景,由于各种噪
声的干扰,其背景变化是比较大的,会出现树枝摇
动、光线变化等不同情况 因此用一个高斯分布就不
能完全描述实际的背景情况 这种情况下就需要采
用多个高斯模型来描述动态的背景,为不同的状态
建立不同的高斯模型
将序列图像中的某一点(i ,j),在时间 t 的观察
值写为 X
t
,对于给定点(i,j)的一系列观察值{ X
,
X
,… ,X
t
},可以看作是一个与其它点独立的统
计随机过程,用
K 个高斯分布的混合模型去模拟,