论文部分内容阅读
摘要 运动目标检测的主要方法有相邻帧差法与背景减法，在背景减法中，准确的提取背景是运动目标检测的核心任务之一。背景提取的主要方法有均值法、中值法、Mode算法[1]以及基于单高斯模型与混合高斯模型的背景提取方法，前四种方法的求解过程比较简单，但对于复杂多变的背景，提取的准确性较差.对此本文提出了一种基于自适应混合高斯模型的背景提取的算法，实验结果验证了算法的实用性与有效性。
关键词 背景提取；混合高斯模型；目标检测
中图分类号：TP391.41
1.引言
在視频监控技术中，运动目标的有效检测、提取已成为关键，并且是进行目标跟踪、识别等后续处理的基础[2]。运动目标检测的方法主要有相邻帧差法与背景减法，相邻帧差法检测速度快、对光照不敏感，应对环境变化的能力较强，但不能检测静止或者运动速度慢的物体，容易产生空洞[3]，背景减法相对能完整的分割出运动目标。背景图像减法一般先获取场景一帧的参考图像，然后实时拍摄的一帧新图像与之相减，在对差图像取阈值，最后得到一副从固定背景中分割出来的二值化图像。
景图像减法中会遇到几个关键性的问题，一是如何建立背景模型和实时更新模型参数以适应背景变化；二是这些背景变化包括：场景的光照变化、场景构成的改变、如阳光强弱和方向的改变、照明灯具的开关、背景中物体的微小移动、人或其他物体进入或移除场景等等。这些外在环境的时时改变，都会影响运动目标检测的准确性。为解决现存在的各种问题， 本文提出一种基于自适应混合高斯模型背景提取的方法。
2. 背景建模
2.1 模型初建
2.2模型更新
2.3 模型确定
3.运动目标分割
4.实验结果分析
为了充分验证算法的效果，本文使用在景区所拍摄的一段视频进行目标检测实验，在文章所测试的多幅图像中，绝大部分都能很好的检测出运动目标，下图为一组基于自适应混合高斯模型对背景提取的效果。图（a）为实验原图，图（b）为基于自适应混合高斯模型所提取的背景图像，图（c）为该背景下的运动目标检测，实验结果表明，该算法能很好的提取背景，并进行运动目标检测。
5.结束语
背景的提取与实时更新是目标检测阶段的一个重要课题，对目标的准确提取与检测有着重要的影响。本文提出一种基于自适应混合高斯背景建模的方法，对背景进行实时的更新与重建。实验结果表明，通过自适应混合高斯模型来更新背景进行目标检测效果较为理想，本文提出的算法有效可行，具有很高的实用价值。
参 考 文 献
[1] 曾艳，于濂， 一种新的道路交通背景提取算法及研究[ J]，中国图象图形学报， 2008，13（ 3） ： 593- 599
[2] Boors A G， Pitas I. Prediction and tracking of moving objects in image sequences [J].IEEE Trans. on Image Pro-cussing， 2000，9（8）：1441-1445
[3] 杨丹，余孟泽，车辆视频检测及阴影去除[J]，计算机工程与设计，2011，32（6）：2072-2079
[4] 陈焕钟，李榕，程剑光，基于混合高斯模型的运动目标检测[J]， 激光杂志，2009，30（4）：32-33
[5] 李强，一种新的自适应背景建立与更新算法[J]， 电子科技，2007，10：6-12
[6] 宋雪桦，陈瑜，耿剑锋，陈敬柱，基于改进的混合高斯背景模型的运动目标检测[J]，计算机工程与设计，2010，31（21）：4646-4649
关键词 背景提取；混合高斯模型；目标检测
中图分类号：TP391.41
1.引言
在視频监控技术中，运动目标的有效检测、提取已成为关键，并且是进行目标跟踪、识别等后续处理的基础[2]。运动目标检测的方法主要有相邻帧差法与背景减法，相邻帧差法检测速度快、对光照不敏感，应对环境变化的能力较强，但不能检测静止或者运动速度慢的物体，容易产生空洞[3]，背景减法相对能完整的分割出运动目标。背景图像减法一般先获取场景一帧的参考图像，然后实时拍摄的一帧新图像与之相减，在对差图像取阈值，最后得到一副从固定背景中分割出来的二值化图像。
景图像减法中会遇到几个关键性的问题，一是如何建立背景模型和实时更新模型参数以适应背景变化；二是这些背景变化包括：场景的光照变化、场景构成的改变、如阳光强弱和方向的改变、照明灯具的开关、背景中物体的微小移动、人或其他物体进入或移除场景等等。这些外在环境的时时改变，都会影响运动目标检测的准确性。为解决现存在的各种问题， 本文提出一种基于自适应混合高斯模型背景提取的方法。
2. 背景建模
2.1 模型初建
2.2模型更新
2.3 模型确定
3.运动目标分割
4.实验结果分析
为了充分验证算法的效果，本文使用在景区所拍摄的一段视频进行目标检测实验，在文章所测试的多幅图像中，绝大部分都能很好的检测出运动目标，下图为一组基于自适应混合高斯模型对背景提取的效果。图（a）为实验原图，图（b）为基于自适应混合高斯模型所提取的背景图像，图（c）为该背景下的运动目标检测，实验结果表明，该算法能很好的提取背景，并进行运动目标检测。
5.结束语
背景的提取与实时更新是目标检测阶段的一个重要课题，对目标的准确提取与检测有着重要的影响。本文提出一种基于自适应混合高斯背景建模的方法，对背景进行实时的更新与重建。实验结果表明，通过自适应混合高斯模型来更新背景进行目标检测效果较为理想，本文提出的算法有效可行，具有很高的实用价值。
参 考 文 献
[1] 曾艳，于濂， 一种新的道路交通背景提取算法及研究[ J]，中国图象图形学报， 2008，13（ 3） ： 593- 599
[2] Boors A G， Pitas I. Prediction and tracking of moving objects in image sequences [J].IEEE Trans. on Image Pro-cussing， 2000，9（8）：1441-1445
[3] 杨丹，余孟泽，车辆视频检测及阴影去除[J]，计算机工程与设计，2011，32（6）：2072-2079
[4] 陈焕钟，李榕，程剑光，基于混合高斯模型的运动目标检测[J]， 激光杂志，2009，30（4）：32-33
[5] 李强，一种新的自适应背景建立与更新算法[J]， 电子科技，2007，10：6-12
[6] 宋雪桦，陈瑜，耿剑锋，陈敬柱，基于改进的混合高斯背景模型的运动目标检测[J]，计算机工程与设计，2010，31（21）：4646-4649