论文部分内容阅读
针对摄像机固定下的复杂背景环境,提出一种基于时空的自适应混合高斯背景建模方法,克服了经典混合高斯模型(Gaussian Mixture Model,GMM)中只考虑单个像素的独立性而忽略相邻像素间的空间域相关性。首先采用混合高斯模型对每个像素在时间域上进行学习,然后利用相邻像素的自信息对背景及前景目标进行二次聚类,以修正错误的判断。实验结果表明,与经典混合高斯背景算法相比,提出的方法目标检测结果更加完整,具有更强的鲁棒性和很好的应用前景。