基于改进高斯混合模型的运动物体的图像检测

格式：pdf
大小：441.86 KB
文档页数：7

下载文档原格式

基于高斯混合模型的图像检索算法研究

度分布。文献讨论了混合模型聚类的局限性及存在的问
题。
在网络和存储技术飞速发展的今天，多媒体数据库从检索有用的信息变得十分重要。作为多媒体信息检索中的一个重要分支，像检索受到广泛关注。由于基于文本图的图像检索其结果不尽人意，于内容的图像检索基
１１基于内容的图像检索．
网格的聚类算法以及基于模型的聚类算法等。各种算法的代表算法分别为ｋｍｅｎ算法、ＵＲ — ａｓＣＥ算法、ＬＱＣＩＵＥ算法、ＴＮ算法和Ｅ算法。文献［］绍并分析了各ＳＩＧＭ５介种常用聚类算法及其优缺点和适用范围。基于混合模型的聚类算法是以概率统计理论为基础的一种灵活有效的聚类方法，的基本框架是有限混合模它型，聚类的基本策略是先对数据集进行初始划分，采用再Ｅ算法进行模型参数估计，现聚类结果的优化，后Ｍ实最用合适的方法选出最佳模型及聚类数目。用基于有限混合模型的方法进行聚类分析，以克服一般聚类算法对数可据集中的噪声无法建模以及聚类数目难以确定的问题。高斯混合模型是我们常用的一个数学模型。它是单一高斯概率密度函数的延伸，能够平滑地近似任意形状的密它

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

改进的基于高斯混合模型的运动目标检测算法

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

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。

基于高斯混合背景模型运动检测的研究

条件下就能够实现对运动目的检测和跟踪，标但其
计算量非常大，对噪声比较敏感ｊ。时间差法是
通过对连续视频图像序列中相邻的两帧或三帧计算基于时间的差分，并用阈值化处理来提取视频序列中的运动区域。该方法能够适应环境的动态变
，
协方差矩阵 ∑ 以关的为，及相权重为的Ｋ
极值、计算开销大等缺点。这里采用一种拟合方法，即用当前图像每个像素点与相应高斯分布作比较，如果其与高斯分布的期望值差在２５．倍标准差
高ｋ Ⅳ ，）初始斯Ｎ＝（ ∑ 进行化。
２１ＳｉＴｃ．ｎｎ．００ｃｅｈＥｇｇ．
基于高斯混合背景模型运动检测的研究
王飞谢勤岚
（中南民族大学电信学院，武汉４０７３００）
摘要
研究了运动对象自动检测方法，针对传统的光流法、时间差法存在的不足，采用一种经典的背景模型提取运动对象，
２２取第ｔ．帧
之内，ｆ一ｉ２５＂则认为匹配。如果找即 ≤ ．ｏ，一
到一个最佳的匹配，设此匹配高斯为第ｌ高斯，则对
各分布权重更新方法如下：
（ｋ：Ｏ．ｔ
设图像的亮度向量为 ——可能是一个ＲＢＧ向量＝ｒｇ，）（ｂ。确定哪一个高斯与观察值匹，
这些历史像素值，素值为当前像素值的概像
率为：
式（）Ｋ是分布数目２中＝１
，

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%.

基于改进高斯混合模型的运动目标检测方法

像处理、模式识别和自动控制等领域的知识，目前在智能监控、工业检测、军事制导、图像编码等领域中都有着广泛的
应用。
应背景的变化，并采用目标判决信息间接控制模型的变化，
有效地提高了背景模型的更新速度，但该方法只利用了目标的面积特征，对于复杂的背景中目标检测效果不太理想。文献【】６针对背景差分法在光照突变情况检测效果不理想的问题，提出建立统计光照模型的方法，可以有效检测出运动目标，但该方法需要一些先验知识，如人工提取前景区域等。本文提出的高斯混合模型是在文献Ｉ】出的高斯模型２提基础上作一些改进，采用一种新的更新率来提高背景模型质
不匹配像素消除光照影响，使用改进的ＧＭＭ提取背景图像。通过差分当前帧与背景图像获得二值差分图像，从该差分图像中获取运动目标。实验结果表明，该方法能适应光照变化，提高检测的准确性和鲁棒性。关键词：高斯混合模型；背景图像差分；背景更新；光照变化
ｄｆｅｅｃｍａｅｉｒｎｅｉｇ．Ｅｘｒｍｅｔｌｒｓｌｓｓｏｔａｈｅｅｔｏａｄｐｌｍｉａｉｎｃａｇｓｗｅｌａｄｉｐｏｅｔｅａｃｒｃｎｏｕｔｅｓｏｆｐｅｉｎａｅｕｔｈｗｈｔｔｅｄｔｃｉｎｃｎａａｔｉｌｎｔｈｎｅｌｎｍｒｖｈｃｕａｙａｄｒｂｓｎｓｆｕｏ
［ｂｔａｔｒｄｔｎｌｕｓａｘｕｅＭｏｅ（ＭＭ１ｓｅｙｓｎｉｖｇｔｔｉｎｎｌｗｆｒｏｖｒｅｃｅｄＴｉｐｐｒｒｓｎｓＡｓｒｃ｜ＴａｉｏａＧａｓｉＭｉｔｒｉｎｄｌＧｒｅｓｔｅｔｌｈａｏｓｄｉｓｏｎｅｇｎｅｐｅ．ｈｓａｅｅｅｔｉｖｉｏｉｍｕｔａｓｏｃｓｐ

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。

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)。

０引言
Ａｓｒｃ：ＴｅｔｄｉｎｌａｓｉｘｒｄｌＧｂｔａｔｈａｉｏａＧｕｓｎＭｉｔｅＭＯｅ（ＭＭ）ｉｂｉａｅｎｅｅｉｇｅｐｘｌｎＲｏｏｐｃ，ｒｔａｕｓｕｌｂｓｄｏｖｒｓｌｉｅｉＧＢｃｌｒｓａｅｔｙｎ
ｗｈｃａｓｏｉａｃｒｔｄｔｔｎｒｓｌ，ａｉａｄｉａｉｏｓｅｔｅｖｎｂｅｔＴｅｉｒｖｄＧｉｌｄｃｕａｅｃｉｕｔｔｉｎｓｒｎｎｔｎｉｉｉｇｏｊｃ．ｈｏｅＭＭｈｅｔｎｅｅｏｅｓｒｌｇｍｅａｎｉｎｄｈｍｏｓｍｐｉｓ
性的ＨＶ色彩空间对中心像素和周边像素构成的向量进行建模，Ｓ改善了原算法的性能；利用彩色分割算法提取连
通区域，充分地利用了运动物体的彩色信息，并基于Ｐｏｇ物体光照模型进行了阴影抑制，提高了传统高斯混合ｈｎ
模型检测的准确性。实验结果表明，与传统高斯混合模型相比，本算法能更精确地检测出动物体，对光照变化运
第３７卷第４期
２１年４月００
光电工程
ＯｐｏＥｌｃｒｎｃＥｎｇｎｅｉｇｔ－ｅｔｏｉｉｅｒｎ
Ｖｏ．７Ｎｏ４１，．３Ａｐｉ２０ｒ，０１ｌ
文章编号：１０— ０Ｘ２１）４０１～７０３５１（０００ — １８０
ＫｅｒｓＧａｓｉｎｍｉｔｒｄｌＨＳｃｌｒｓａｅｃｌｒｅｍｅｔｔｎＰｏｇＳｌｈｉｇｍｏｅｙｗｏｄ：ｕｓａｘｕｅｍｏｅ；Ｖｏｏｐｃ；ｏｏｇｎａｉ；ｈｎ ’ ｉｔｄｌｓｏｇｎ
基于改进高斯混合模型的运动ห้องสมุดไป่ตู้体的图像检测
崔文频，沈继忠
（浙江大学信息与电子工程学系，杭州３０２）１０７
摘要：传统的高斯混合模型在ＲＢ色空间只对孤立像素建模，检测结果不够准确，存在拖影现象，检测到的Ｇ彩
运动物体内部容易出现空洞。针对这些问题，本文提出了一种改进的高斯混合模型。该方法从更符合人眼视觉特
ｂｉＶｏｏａｅｗｈｃｔｏｕｎｉｕｌｙｔｍ．ｉｇｅｐｘｌｓａｅｌｃｙａｖｃｏｉｈｉｏｏｅｕｌｉＨＳｃｌｒｐｃ，ｉｈｉｆｒｍａｖｓａｓｅＳｎｌｉｅｋｎｐａｅｂｅｔｒｗｈｃｓｍｐｓｄｔｎｓｓｉｆｈｓｉｔｃ
ｏｅｔａｐｘｌｔｅｆａｄｉｅｇｂｒｐｘｌｉｒｅｆｃｎｒｌｉｅｓｌｔｎｉｈｏｉｅｓｎｏｄｒｔｉｒｖｈｅｆｒａｃｆｔｅｍｏｅ．Ｔｅｃｎｅｔｄａｅｓｉｎｓｏｍｐｏｅｔｅｐｒｏｍｎｅｏｄ１ｈｏｎｃｅｒａｉｈｅｔｃｅｒｕｈｃｌｒｓｇｎａｉｎｍｅｈｄｉｒｅｋｕｌｓｆｈｏｏｆｒｔｎＦｎｌ，ｈｈｄｗｒａｘｒｔｄｔｏｇｏｏｅｍｅｔｔｔｏｏｄｒｔｍａｅｆｌｕｅｏｅｃｌｒｉｏｍａｉ．ｉａｌｔｅｓａｏａｅａｈｏｎｏｔｎｏｙ
和阴影具有鲁棒性。
关键词：高斯混合模型；ＨＳＶ色彩空间；彩色分割；Ｐｏｇ光照模型ｈｎ中图分类号：Ｔ７１Ｐ５文献标志码：Ａｄｊ０９９．ｓ．０３５１２１．．３ｏ：１．６／ｉｎ１０．０Ｘ．０Ｏ４０３ｊｓ０２
ＭｏｉｇＴａｇｔＤｅｅｔｏｓｄｏｍｐｒｖｄＧａｓｉｎＭｉｔｒｏｅｖｎｒｅｔｃｉｎＢａｅｎＩｏｅｕｓａｘｕｅＭｄｌ
ｍｏｉｇｂｅｔｍｕｈｍｏｅｒｃｅ．ｏａｅｔｅａｉｏａＧＭＭ，ｂｓｔｌｈｉｇｃａｇｓｎａｏｖｎｊｃｃｒｅｉｌＣｍｐｒｄｈｔｄｔｎｌｏｓｐｓｙｗｉｈｔｉｒｉｉｒｕｔｏｉｔｈｎｅｄｓｄｗ．ｔｓｏｇｎａｈ
ＣＵＩＷｅｐｎ，ＳＨＥＮｉｚｎｇｎ— ｉＪ－ｈｏ
（ｅａｔｎｏｎｏｍｔｎＳｉｃ＆ＥｅｔｎｃｎｉｅｒｇＺｅａｇＵｉｒｔ，ｎｚｏ１０７Ｃｉａ）ＤｐｒｔｆｌｒａｉｃｅｅｌｒｉＥｇｎｅｉ，ｈｊｎｎｖｓｙＨａｇｈｕ３０２，ｈｍｅｆｏｎｃｏｎｉｅｉｎ
ｉｒｔｉｅｙＰｏｇＳｂｅｔｉｈｉｇｍｏｅ．ｃｏｄｎｅｅｕｔｏｐｒｎｓｔｅｍｐｏｅｌｏｔｍｎｄｔｃｓｅｒｎｄｂｈｎ ’ｏｊｃｇｔｄ１Ａｃｒｉｇｏｈｓｌｆｘｅｍｅｔ，ｒｖｄｇｒｈｃｅｅｔｓａｌｎｔｔｒｓｅｉｈｉａｉａ