改进的基于高斯混合模型的运动目标检测算法

格式：pdf
大小：509.22 KB
文档页数：3

下载文档原格式

基于改进的混合高斯背景模型的运动目标检测

Ｖａｕｆｏｉｅｉｅｇｓａｅａａｙｅｈｗｅｐｏｅｓｆａｋｏｎｐａｉｇａｄｒｃｎｔｃｉｎｔｅｍｐｏｅｖｌｅｏｓｍｅｐｘｌｎｖｄｏｉｉｍａｅｒｎｌｚｄｔｓｏｔｒｃｓｂｃｇｕｄｕｄｔｏｓｒｔ，ｈｎｗｅｅｌｙｔｏｈｏｒｎｎｅｕｏｈ
４４６６
２１，１（１００３２）
计算机工程与设计ＣｍｕｅＥｇｎｅｉｇｎｅｉｎｏｐｔｒｎｉｅｒｄＤｓｎａｇ
・多媒体技术・
基于改进的混合高斯背景模型的运动目标检测
宋雪桦，陈瑜，耿剑锋，陈景柱
（苏大学计算机科学与通信工程学院通信工程系，江苏镇江２２１）江１０３
ａｄａｂｃｇｏｄｒｂｉｉｇｍｅｈｎｓｔａｏｉｅｙｌｏｎｅｔｙａｃｕｄｔｇｉａｏｔｄＴｅｃａｇｉａｉｎｏｄｎａｋｕｅｕｌｎｃａｉｍｈｔｍｂｎｓｃｃｅｃｕｔｒｈｄｎｍｉｐａｉｄｐｅ．ｈｈｎｅｓｔｔｏｆＳａｒｎｄｃｗｉｎｓｕｎ
Ｆｒｈｓｏｌ，ａｇｒｈｉｐｏｏｅ，ｗｉｍｉｅｊｃｎａｉｅｅｃｔｏｔｂｃｇｏｄｓｂｒｃｉｔｏ，ｏｅｅｒｂｅｔｐｍｓｎｌｏｔｓｒｐｓｄｈｃｃｂｎｓｄａｅｔｒｍｅｆｒｎｅｈｄｈａｋｕｔｔｎｍｅｄａｉｍｈｏａｆｄｍｅｗｉｒｎｕａｏｈ

基于改进混合高斯模型的运动目标检测算法

的物体检测效果较差，特别是当运动物体在场景中停滞一段时间，会造成漏检。
频做进一步处理（编码、目标跟踪、目标分类、目标行为理解等）的基础。运动目标检测方法主要有光流计算法、
帧间差分法和背景减除法３，中，背景减除法是目前种其研究最多、用最广泛的方法。应文献［提出的自适应混合１］
ＤＯＩ１．６／ｉｎ１０ —４８０２１．５：Ｏ３９ｊｓ．００３２．１．８０９．ｓ２４
１概述
运动目检测是视频图像分析的重要部分，是对视标也
和空间上对像素进行建模，减少了环境的干扰，强了混增
合高斯模型的自适应性。然而，这些方法对运动速度变化
型的目标检测算法。引入背景学习参数，结合前一帧的检测结果自适应地更新背景，从而提取完整的运动目标。利用像素的八连通区域信息抑制噪声，提高算法在复杂环境中的稳定性。实验结果表明，与传统检测方法相比，该算法能够在复杂环境中准确地检测出短暂停滞的
运动目标。
ａｅｓｕｉｉｅｏｓｐｒｓｏｓｓａｄｉｒｖｔｔｂｉｔｎｔｅｃｍｐｅｎｖｒｎｅｔｅｅａｘｅｉｎｓａｅｉｐｅｅｔｄａｄｔｅｕｔｒａｉｔｌｄｔｕｐｅｓｎｉｅｚｎｍｐｏｅｉｓｓａｌｙｉｈｏｌｘｅｉｏｍｎ．Ｓｖｒｌｅｐｒｍｅｔｒｍｌｍｎｅｉｎｈｅｒｓｌｓ
ＳＵＮｉｇａ，ＬＩＨｏＹ－ｎｇｎｇ，ＺＨＡＮＧｏＨｎｇ— ｉｙｎｇ

基于改进混合高斯模型的自适应运动车辆检测算法

ｐｒｏｂｌｅｍｓｔｈａｔｔｈｅｂａｃｋｇｒｏｕｎｄｓｕｂｔｒａｃｔｉｏｎｍｅｔｈｏｄｏｆｔｒａｄｉｔｉｏｎａｌＧａｕｓｓｉａｎｍｉｘｔｕｒｅｍｏｄｅｌｉｓｓｅｎｓｉｔｉｖｅｔｏａｂｒｕｐｔｃｈａｎｇｅｓｉｎｅｎｖｉｒｏｎｍｅｎｔａｎｄｈａｓ
ＺｈａｎｇＨｕ
ＦａｎｇＨｕａ
ＬｉＣｈｕｎｇｕｉ
（ＤｅｐａｒｔｍｅｎｔｏｆＥｌｅｃｔｒｏｎｉｃＩｎｆｏｒｍａｔｉｏｎａｎｄＣｏｎｔｒｏｌＥｎｇｉｎｅｅｒｉｎｇ，ＧｕａｎｇｘｉＵｎｉｖｅｒｓｉｔｙｏｆＴｅｃｈｎｏｌｏｇｙ，Ｌｉｕｚｈｏｕ５４５００６，Ｇｕａｎｇｘｉ，Ｃｈｉｎａ）（ＤｅｐａｒｔｅｎｍｔｏｆＥｎｇｉｎｅｅｒｉｎｇＴｒａｉｎｉｎｇＣｅｎｔｅｒ，ＧｕａｎｇｘｉＵｎｉｖｅｒｓｉｔｙｆＴｏｅｃｈｎｏｌｏｇｙ，Ｌｉｕｚｈｏｕ５４５００６，Ｇｕａｎｇｘｉ，Ｃｈｉｎａ）
测效果。
关键词中图分类号
自适应
混合高斯模型
背景减除目标检测Ａ
ＤＯＩ：１０．３９６９／ｊ．ｉｓｓｎ．１０００－３８６ｘ．２０１４．０１．０７７

改进的基于高斯混合模型的运动目标检测方法

改进的基于高斯混合模型的运动目标检测方法
马义德;朱望飞;安世霞;邱会银;汤书森
【期刊名称】《计算机应用》
【年(卷),期】2007(27)10
【摘要】针对固定摄像机的视频监控系统,提出了一种改进的基于混合高斯模型的运动目标检测方法.在模型学习方面,均值与方差采用了不同的学习率,其中均值更新采用自适应的学习率,方差的学习率取固定值;引入权值均值概念,然后结合权值进行像素点的前景和背景分类;利用了背景图像消除阴影.实验结果表明,改进的方法与传统方法相比具有更好的学习能力,能提高在繁忙场景中,大而慢的运动目标检测的正确率.
【总页数】4页(P2544-2546,2548)
【作者】马义德;朱望飞;安世霞;邱会银;汤书森
【作者单位】兰州大学,信息科学与工程学院,兰州,730000;兰州大学,信息科学与工程学院,兰州,730000;中国华阴兵器试验中心,陕西,渭南,714200;兰州大学,信息科学与工程学院,兰州,730000;兰州大学,信息科学与工程学院,兰州,730000;兰州大学,信息科学与工程学院,兰州,730000
【正文语种】中文
【中图分类】TP391.41
【相关文献】
1.基于改进高斯混合模型的体育视频运动目标检测与跟踪 [J], 高野
2.基于改进高斯混合模型的运动目标检测方法 [J], 苏兵;李刚;王洪元
3.基于改进高斯混合模型的运动目标检测方法 [J], 程全;马军勇
4.基于高斯混合模型的改进GVF-Snake运动目标检测算法 [J], 卢毅;李文新
5.结合高斯混合模型和改进的LSBS的运动目标检测方法 [J], 曾垂力
因版权原因，仅展示原文概要，查看原文内容请购买。

改进高斯混合模型的运动目标检测算法

收稿日期：2020⁃02⁃22
修回日期：2020⁃03⁃13
们一直在研究适合背景减除法的简单且效果更好的背景模型。 [3⁃5]
在对运动目标进行检测与跟踪时，例如树叶、水面这些背景图像的运动频率很高，传统的背景减除法不能有效地提取动态背景，因此有学者提出利用高斯混合模型解决这些背景图像对检测与跟踪运动目标造成的干扰。 [6⁃7] 高斯混合模型能够通过时间序列上的像素对某些参数进行更新，同时使用高斯模型在各像素位展开建模。但是高斯混合模型也存在一些缺点，例如：如果背景条件比较复杂或者运动目标速度较低，高斯混合模型就不能很好地进行检测和跟踪，因此对高斯混合模型进行改进一直是相关研究者的努力方向。 [8⁃10] 有学者提出在传统高斯模型中使用空间色彩一致性准则对其进行
Abstract：The traditional Gaussian model fails to detect the complex scene or the moving target with low speed，so a moving target detection method based on the improved Gaussian mixture model is proposed. Several Gaussian models are used to represent the features of each pixel in the moving object image. The Gaussian mixture model is updated on the basis of the principle that if each pixel in the image is matched with the Gaussian mixture model，it is considered to be the background point，otherwise，it is the foreground point. The effect of moving target detection is improved by updating the foreground model and calculating the short⁃term stability index. By determining the relationship between Gaussian distribution and pixels，a new parameter is set to construct the background model to eliminate the impact of light mutation. The experimental analysis results show that this method can detect and track the moving target soundly，and has good anti⁃noise performance，high definition and high accuracy of 98%.

一种改进的自适应高斯混合模型实时运动目标检测算法

ＪＩＡＯＢｉｎ，ＬＶＸｉａ — ｆｕ，ＣＨＥＮＹｏｎｇ，ＬＩＹｕａｎ
（ＫｅｙＬａｂｏｒａｔｏｒｙｆｏｒＩｎｄｕｓｔｒｉａｌＩｎｔｅｒｎｅｔｏｆＴｈｉｎｇｓ＆ＮｅｔｗｏｒｋＣｏｎｔｒｏｌｆＭｉｏｎｉｓｔｙｒｏｆＥｄｕｃａｔｉｏｎ，ＣｈｏｎｇｑｉｎｇＵｎｉｖｅｒｓｉｔｙｆＰｏｏｓｔｓ＆Ｔｅｌｅｃｏｍｍｕｎｉｃａ・
第３０卷第１１期
２０１３年１１月
计算机应用研究
ＡｐｐｌｉｃａｔｉｏｎＲｅｓｅａｒｃｈｏｆＣｏｍｐｕｔｅ￣
Ｖｏ１．３０Ｎｏ．１ｌＮＯＶ．２０１３
一
种改进的自适应高斯混合模型实时运动目标检测算法术
关键词：高斯混合模型；光照变化；自适应；运动目标检测；背景减法
中图分类号：ＴＰ３９１．４
文献标志码：Ａ
文章编号：１００１ — ３６９５（２０１３）１１ — ３５１８ — ０３
ｄｏｉ：１０．３９６９／ｊ．ｉｓｓｎ．１００１－３６９５．２０１３．１１．０８２
焦宾，吕霞付，陈勇，李愿
（重庆邮电大学工业物联网与网络化控制教育部重点实验室，重庆４０００６５）

一种基于混合高斯模型的运动目标检测新算法

１混合高斯背景模型
Ｓｔａｕｆｆｅｒ等人提出的混合高斯模型用Ｋ个高斯分布混合模拟像素点的背景值Ｊ，对于像素点（，
）在时刻属于背景的概率为：
用最多的运动目标检测算法，它先将当前图像与背景模型进行比较，找出在一定阈值限制下当前图像中出现的偏离背景模型值较大的那些像素，再对图像进行二值化处理，从而提取出前景图像，然而这
第１３卷第１４期２０１３年５月１６７ｌ一１８１５（２０１３）１４ — ４０７０－０５
科
学
技
术
与
工
程
Ｖｏ１．１３Ｎｏ．１４Ｍａｙ２０１３
ＳｃｉｅｎｃｅＴｅｃｈｎｏｌｏｇｙａｎｄＥｎｇｉｎｅｅｒｉｎｇ
动目标检测算法。该算法首先分别通过混合高斯模型算法和三帧差法各获得一幅前景图像，然后将两幅图像进行逻辑或运
算；再对获得的图像进行自适应中值滤波处理，并利用连通域阈值面积去噪法除去剩余的噪声，最终提取出运动目标。实验
仿真结果表明，利用该方法可以有效地提高运动目标的检测率。关键词混合高斯模型三帧差法逻辑或运算自适应中值滤波
⑥
２０１３Ｓｃｉ．Ｔｅｃｈ．Ｅｎｇｒｇ．
一
种基于混合高斯模型的运动目标检测新算法

基于改进高斯混合模型的实时运动目标检测与跟踪

ＨＥｎ－ｕＸｉｈａ，ＺＨＡＯｏＬｎｇ
（ａｉａｅａｏａｏｙｏｃｎｅ＆ＴｃｎｌｙｏｎｇａｄＣｎｒｌＴｃｎｌｙＢｉａｇＵｉｒｔ，ｅｉ０１１ｈｎ）ＮｔｎｌｙＬｂｒｔｏＫｒｆＳｉｃｅｅｈｏｏｎＩ．ｒｎｏｔｅｈｏ，ｅｎｎｖｓｙＢｉｎ１０９，Ｃｉａｇｏｏｇｈｅｉｊｇ
ｄｉ１．９９ｊｉｎ１０．６５２１．２１８ｏ：１３６／．ｓ．０１３９．００１．０ｓ
Ｍｏｉｇｏｊｃｒａ—ｍｅｄｔｔｎａｄｔｃｉｇｂｓｄｏｖｂｅｔｅｌｉｅｃｉｎａｋｎａｅｎｎｔｅｏｒ
ｉｒｖｄＧａｓｉｎｍｉｔｒｄｌｍｐｏｅｕｓｍｘｒａｋｒｎｏｅｗｉｏｌａｊｇｔｅｕｂｒｆｉｒｕｉｕｏａｃｌａｄｄｔｃｄｍｖｇｏｊｃｙａｓｉｉｕｅｃｇｕｄｍｄｌｈｃｃｕｄｄｔｈｍｅｓｂｔｎａｔｍｔａｙｎｅｔｏｉｅｔｂａｔｂｏｈｕｎｏｄｔｉｏｉｌｅｅｎｂｓｂｃｇｏｎｕｔｃｉ，ｅａａｄｔｅｍｖｇｏｊｃｂｅｃｎｉｕｙｏｊｅｔｒｍｓｎｔｉｂｓ，ｎａｃｄｔｅｒｉａｋｕｄｓｂｒｔｎｓｐｒｅｏｉｂｅｔｙｔｏｔｉｆｄａｎａｅ．Ｏｓａｉｅｈｎｅｅａｒａｏｔｈｎｈｎｔａｃｆｈｓｈｌ－ｂｉｆｂｅｔｅｃｌｒｉｒｕｉｙｉｐｏｉｇｒｉｏａｃｌｉｏａｄ１Ｔｅｃｉｖｄｒｌｉｅｍｖｇｏｊｃｄ— ｉｔｏｊｃｖｏｄｓｂｔｎｂｒｖａｔｎｌｏｒｓｇｍｍｏｅ．ｈｎａｈｅｅａ－ｍｏｉｂｅｔｅｌｙｏｉｏｔｉｏｍｎｔｄｉｏｈｔｒｅｔｎｔｔｎａｄｔｃｉｇｂｅｓｉｒｙｕｃｉｈｃａｏｓｕｔｙｔｅｐｓｉ，ｉｎｏｒｆｂｃ．Ｌｔｏｅｐｆｅｉｎａｋｎｙｔｉｌｉｎｔｎｗｉｗｓｎｔｃｄｂｏｉｏｓｅａｄｃｌｊｔｏｓｆｘｅ — ｃｏｒｈｍａｔｆｏｈｃｒｅｈｔｎｚｏｏｏｅｓｉ

改进混合高斯模型的运动目标检测算法

改进混合高斯模型的运动目标检测算法华媛蕾;刘万军【摘要】针对传统的混合高斯模型存在无法完整检测运动目标、易将背景显露区检测为前景等问题,提出了一种基于混合高斯模型的运动目标检测的改进算法.通过将混合高斯模型与改进帧差法进行融合,快速区分出背景显露区和运动目标区,从而提取出完整的运动目标.在运动目标由静止缓慢转为运动的情况下,为背景显露区给予较大背景更新速率,消除了背景显露区对运动目标检测的影响.在兼顾混合高斯模型在复杂场景中对噪声处理效果差的基础上,利用背景模型替换的方法来提高算法的稳定性.经过反复实验,结果表明改进后的算法在自适应性、正确率、实时性、实用性等方面有了很大的改进,能够在各种复杂因素存在的情况下正确有效地对运动目标进行检测.【期刊名称】《计算机应用》【年(卷),期】2014(034)002【总页数】5页(P580-584)【关键词】混合高斯模型;运动目标检测;帧差法;背景显露区;背景更新速率【作者】华媛蕾;刘万军【作者单位】辽宁工程技术大学软件学院,辽宁葫芦岛125105;辽宁工程技术大学软件学院,辽宁葫芦岛125105【正文语种】中文【中图分类】TP391随着社会经济的发展和城市化进程的加快，日益增长的交通容量的需求已经对现有的交通能力及管理设备造成了巨大压力。

基于视频的车流量检测系统是智能交通系统的重要环节，运动目标检测与提取成为了基本的热点问题。

随着计算机技术和图像处理技术的发展，基于视频采集和监控的智能交通系统会得到更大的发展，成为未来的发展方向。

对这方面的研究也将具有更大的价值[1]。

运动目标检测是从视频序列中检测和识别出运动目标的关键技术。

目前常用的基于视频的运动目标检测方法有光流法[2]、背景差法[3-6]、帧差法[7]以及统计模型法[8-9]等。

目前，最常用的、研究最多的方法是基于统计模型的目标检测方法。

本文以混合高斯模型为基础进行研究。

混合高斯背景模型最早由文献[10]提出，很好地描述了复杂的背景，在视频监控领域发挥了很大的优势；文献[11]提出了混合高斯背景模型与三帧差法结合的运动目标检测方法，并通过面积法对检测结果进行分析；文献[12]通过在颜色和空间上对像素点进行建模，使混合高斯背景模型的自适应性有了明显的改善，降低了环境的干扰；文献[13]通过为每个像素引入参考量来提高背景模型的自适应性。

基于改进混合高斯模型的运动目标检测

基于改进混合高斯模型的运动目标检测作者：黄会敏杨松林陈燚玲来源：《数字化用户》2013年第20期【摘要】背景建模是运动目标图像检测算法中的一项技术，本文对背景建模中的经典混合高斯算法进行了学习研究，针对混合高斯模型在复杂场景中的适应性问题，本文提出了一种改进的混合高斯背景模型。

该模型通过建立一种自适应的参数更新方法，使得混合高斯的参数更新能够随着环境的变化自适应调整，从而提高算法的适应能力。

最后，通过编程仿真，验证了算法的有效性。

【关键词】背景建模混合高斯模型更新方程【Abstract】Background modeling is a technology of the moving target image detecting algorithm，and in this paper，the authors made research to the Classical Gaussian Mixture algorithm in Background modeling. As for the adaptability of Gaussian Mixture Model in complex scene， an improved Gaussian Mixture Model is put forward in this paper. The new model makes the parameters of the Gaussian Mixture updated with change of the environment adaptively by establishing an adaptive parameter updating method， thus， improving the adaptability of the algorithm. Finally，verif the effectiveness of the algorithm through the programming simulation.【Keywords】Background Modeling； Gaussian Mixture Model； Update Equation一、引言随着科技的进步智能视频监控被越来越多的被应用到交通、高危险区域工作区、敏感水域、军事区域、工厂重点保护区和金融等领域，其中运动目标检测技术是其中一个重要研究方向。

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

ｒｌａｄｅｕｅｎｎｗＧａｓｉｎｉｔｉｕｉｎｅｅａｉｎｕｅｕｉｇｈｍｏｅｕｄｔ．ｈｅｐｒｅｔｌｅｕｔｄｍｏｓａｅｈｉｕｓａｄｓｒｔｇｎｒｔｒｌｄｒｎｔｅｂｏｏｄｌｐａｅＴｅｘｅｉｎａｒｓｌｍｓｅｎｔｔｔｅｍ－ｒ
Ｌｎ，ＨＡＯＸｕｊｅｍｐｏｅｖｎｂｅｔｄｔｃｉｎａｇｒｈｂｓｄｏｕｓｎｍｉｔｒｄ１ｍｐｔｒＥｇ－ＩＭｉｇＺｎｉＩｒｖｄｍｏｉｇｏｊｃｓｅｅｔｌｏｉｍａｅｎＧａｓｉｘｕｅｍｏｅＣｏｕｅｎｉ．ｏｔａ．
ｎｅｉｇａｄＡｐｌａｉｎ，０１４（）２４２６ｅｒｎｎｐｉｔｓ２１，７８：０ —０．ｃｏ
Ａｂｔａｔｎａｖｄｏｓｒｅｌｎｅｓｓｍｔｔｔａｒｓｔｅｍｏｉｂｅｔ’ｒｓｎｅｄｒｇｔｅｉｉａｉｔｎｔｈｒ－ｓｃ：Ｉｉｅｕｖｉａｃｙｔｗｉｓｉｃｍｅａ，ｖｎｏｊｃｓｐｅｅｃｕｉｈｎｔｌａｉｏｔｅｔｒｌｅｈａｃｈｇｎｉｚｏａｄｔｎｌｍｏｉｇｏｊｃｅｅｔｎａｏｔｍａｅｎＧａｓｉｘｕｅｍｏｅｏｅｅｕｓｉｔｅｌｗｃｎｅｇｎｅｓｅｄＴｉｏａｉｖｎｂｅｔｄｔｃｏｌｒｈｂｓｄｏｕｓｎｍｉｔｒｄｌｆｎｒｓｌｎｈｏｏｖｒｅｃｐｅ．ｏｓｉｇｉａｔｔ
ｉｃｅｓｔｅｎｒａｅｈｍｏｅｃｎｅｇｎｅｓｅｄ，ｎｍｐｏｅｄｔｃｉｎｌｏｉｍｉｐｅｅｔｄＴｈｉｒｖｄｄｌｏｖｒｅｃｐｅａｉｒｖｄｅｅｔａｇｒｈｏｔｓｒｓｎｅ．ｅｍｐｏｅｍｅｏＵｅｏ —ｉｅｈｔｄＳＳｎｌｎＫ－ａｓｃｕｔｒｎａｇｒｔｍｏｉｉａｉｅｈｍｅｎｌｓｅｉｇｌｏｉｈｔｎｔｌｔｅｍｏｅ．ｌｏａｅｅｍｅｏｙｐｃｗｉｈｍｐｏｅｎｏｈｔｈｎｉｚｄ１ｔａｓｓｖｓｔｍｒｓａｅＩｈｔｔｅｉｒｖｍｅｔｔｔｅｍａｃｉｇｈ
１引言
进算法较传统算法获得了更为理想的检测效果。
自从文献［】次提出基于高斯混合模型的运动目标检测１首算法后，该算法由于采用多个高斯分布加权建模，能够描述像２基于高斯混合模型的运动目标检测算法高斯混合模型用（一般取３７个高斯分布构建图像中～）素值分布的双峰或多峰状态，比较复杂、对光照缓慢变化和存即在小幅度重复运动的背景能够准确建模，而引起了众多从事的每个像素，：０ｆ９（）（一）目标检测与跟踪视频监控［。、４等相关领域的专家和学者的关Ｊ）∑ Ｐ：＝１（ｆ注，并成为国内外的研究热点。文献［］５从理论上对该算法做了证明和改进，指出了该算法在实践中需要解决的首要问并式中：Ｏ．Ｃ表示ｔｅ高斯混合模型中第ｆｉｒｄｃ个高斯分布的权重题：高斯混合模型的初始化。为此，文献［］出了一种基于在６提线均值聚类的实时背景重构算法初始化高斯模型的方法。且０，１＝，，２：；ｌｘ是像素在ｔ，，ｆｂ时刻的ＲＢＧ彩色向该方法对训练图像序列中每个像素的亮度值进行在线聚类并ＩｇｆＡＩ．Ｕ】和 ∑－，分别表示，ｂｆ＝ｆ时刻第ｉ取；＝［用样本点最多的聚类构建不含运动目标的背景图像，后用量；３，Ｕ最假定像素的ＲＢ分量Ｇ重构的背景图像来初始化高斯模型。然而该算法只能完成对个高斯分布的均值向量和协方差矩阵（相互独立且有相同的方差）。混合高斯模型中某个高斯分布均值的初始化，并不能完成其。高斯混合模型初始化１他高斯分布的均值以及所有高斯分布权重和方差的初始化，２传统的基于高斯混合模型的运动目标检测算法在初始因而该方法在使用时，需要人为设定这些参数，而参数设定是化时，往往用采集到的第一帧图像中各像素点的彩色向量值否合理对检测结果往往有很大影响。并对每个高斯分受文献［的启发，出一种新的基于在线均值聚类算初始化构建该像素的个高斯分布的均值，６］提布指定较大的方差（通常为３）０和相同的权重。法ｍ的模型初始化方法，同时对传统模型更新算法中的匹配准
ＤｅａｔｎｆＰｙｉａｃｅｃｎｅｈｏｏｙ，ｕｈｕＵｎｖｒｉＳｚｏＪａｇｕ２０６，ｉａｐｒｍｅｔｏｈｓｌＳｉｎｅａｄＴｃｎｌｇＳｚｏｉｅｓｔｃｙ，ｕｈｕ，ｉｎｓ０Ｃｈｎ１５
目标检测算法收敛速度慢的问题，出了改进算法。该改进算法通过采用在线均值聚类方法对混合高斯模型进行初始化，提提
高了算法的收敛速度。同时在模型更新时，通过对匹配准则和新高斯分布生成准则的改进，节约了存储空间。实验结果表明，与传统算法相比，改进算法能够快速、有效地检测运动目标，具有更好的鲁棒性。关键词：混合高斯模型；动目标检测；运在线均值聚类Ｄ：０３７￣ｉｎ１０．３１０１８６文章编号：０２８３（０１０．２４０文献标识码：中图分类号：Ｐ９ＯＩ１．８．ｓ．２８３．１．．０７ｓ０２００１０３１２１）８００．３ＡＴ３１
Ｋｅｒｓａｓｉｘｅｍｏｅ；ｖｎｂｅｔｄｔｃｏ；ｎｌｅＫｍｅｎｌｓｒｇｙｗｏｄ：Ｇｕｓｎｍｉｔｄｌｍｏｉｏｊｃｅｅｔｎｏ —ｎ－ａｓｃｔｎａｒｕｇｉｉｕｅｉ
摘
要：针对固定场景视频监控中，由于运动物体在运动目标检测算法初始化时的存在而导致传统的基于高斯混合模型的运动
ቤተ መጻሕፍቲ ባይዱ
ｐｏｅｌｒｈｃｎｆｓａｄｅｃｅｔｅｃｖｎｂｅｔ，ｎａｅｅｏｕｔｅｓｔａｈａｉｏａａｇｒｈｒｖｄａｏｉｍａａｔｎｆｉｎｌｄｔｔｍｏｉｇｏｊｃａｄｈｓｂＲｒｒｂｓｓｈｎｔｅｔｄｔｎｌｌｏｔｍ．ｇｔｉｙｅｓｎｒｉｉ
Ｃｍｕｅｎｉｅｒｇａｄｐｌａｉｎ计算机工程与应用ｏｐｔｒｇｎｅｉＡｐｉｔｓＥｎｎｃｏ
改进的基于高斯混合模型的运动目标检测算法
李明，勋杰赵
Ｌｎ，ＨＡｕｊＩＭｉｇＺＯＸｎｉｅ
苏州大学物理科学与技术学院，江苏苏州２５０１０６