基于改进的混合高斯模型的背景建模方法

第３６卷第１期２０１４年２月

指挥控制与仿真

ＣｏｍｍａｎｄＣｏｎｔｒｏｌ＆Ｓｉｍｕｌａｔｉｏｎ

Ｖｏｌ ３６一Ｎｏ １Ｆｅｂ ２０１４

文章编号：１６７３?３８１９（２０１４）０１?００８４?０４

基于改进的混合高斯模型的背景建模方法

栾胜利

（海军装备部，北京一１００８４１）

摘一要：提出了一种基于改进的混合高斯模型的背景建模方法，克服了经典混合高斯模型方法计算量大和对长时间静止物体转为运动及光照突变较为敏感的缺点三首先，在经典混合高斯模型方法的基础上，引入了一种新的高斯分布个数的自适应选择策略，提高了建模效率三其次，分析了经典混合高斯模型方法对长时间静止物体转为运动及光照突变较为敏感的原因，采用了一种不同区域更新率的自适应选择策略，能够迅速响应场景的变化，有效地解决了大面积误检问题三通过在典型的场景下与经典混合高斯模型方法进行比较，验证了本文算法的有效性三关键词：运动目标检测；背景建模；混合高斯模型

中图分类号：Ｐ２３５；Ｅ９１１一一一一文献标识码：Ａ一一一一ＤＯＩ：１０．３９６９／ｊ．ｉｓｓｎ．１６７３?３８１９．２０１４．０１．０１９

ＡＢａｃｋｇｒｏｕｎｄＭｏｄｅｌｉｎｇＭｅｔｈｏｄＢａｓｅｄｏｎＩｍｐｒｏｖｅｄＭｉｘｔｕｒｅＧａｕｓｓｉａｎＭｏｄｅｌ

ＬＵＡＮＳｈｅｎｇ?ｌｉ

（ＮａｖｙＥｑｕｉｐｍｅｎｔＲｅｓｅａｒｃｈＩｎｓｔｉｔｕｔｅ，Ｂｅｉｊｉｎｇ１００８４１，Ｃｈｉｎａ）

Ａｂｓｔｒａｃｔ：ＴｈｅｔｙｐｉｃａｌｍｉｘｔｕｒｅＧａｕｓｓｉａｎｍｏｄｅｌｍｅｔｈｏｄｉｓｃｏｍｐｕｔａｂｉｌｉｔｙｏｆｈｉｇｈｃｏｓｔａｎｄｌｅｓｓｒｏｂｕｓｔｔｏｔｈｅｃｏｎｄｉｔｉｏｎｓｏｆｓｕｄ?ｄｅｎｍｏｖｉｎｇｏｆｔｈｅｍｏｔｉｏｎｌｅｓｓｏｂｊｅｃｔｓａｎｄｔｈｅｉｎｓｔａｎｔｉｌｌｕｍｉｎａｔｉｏｎｃｈａｎｇｉｎｇ．Ｔｏｓｏｌｖｅｔｈｉｓｐｒｏｂｌｅｍ，ａｂａｃｋｇｒｏｕｎｄｍｏｄｅｌｉｎｇｍｅｔｈｏｄｂａｓｅｄｏｎｉｍｐｒｏｖｅｄｍｉｘｔｕｒｅＧａｕｓｓｉａｎｍｏｄｅｌｉｓｐｒｅｓｅｎｔｅｄｉｎｔｈｉｓｐａｐｅｒ．Ｆｉｒｓｔｌｙ，ｔｏｉｍｐｒｏｖｅｔｈｅｅｆｆｉｃｉｅｎｃｙｏｆｍｏｄｅｌｉｎｇ，ａｎａｄａｐｔｉｖｅｓｅｌｅｃｔｉｏｎｓｔｒａｔｅｇｙｏｆｔｈｅｎｕｍｂｅｒｏｆＧａｕｓｓｉａｎｄｉｓｔｒｉｂｕｔｉｏｎｓｉｓｐｒｏｐｏｓｅｄ．Ｓｅｃｏｎｄｌｙ，ｔｈｒｏｕｇｈｏｆａｎａｌｙｚｉｎｇｔｈｅｃａｕｓｅｗｈｙｔｈｅｔｙｐｉｃａｌｍｉｘｔｕｒｅＧａｕｓｓｉａｎｍｏｄｅｌｍｅｔｈｏｄｉｓｌｅｓｓｒｏｂｕｓｔｔｏｔｈｅｃｏｎｄｉｔｉｏｎｓｏｆｓｕｄｄｅｎｍｏｖｉｎｇｏｆｔｈｅｍｏｔｉｏｎｌｅｓｓｏｂｊｅｃｔｓａｎｄｔｈｅｉｎｓｔａｎｔｉｌｌｕｍｉｎａｔｉｏｎｃｈａｎｇｉｎｇ，ｐｒｅｓｅｎｔａｎａｄａｐｔｉｖｅｓｅｌｅｃｔｉｏｎｓｔｒａｔｅｇｙｏｆｔｈｅｕｐｄａｔｅｒａｔｅｆｏｒｄｉｆｆｅｒｅｎｔｒｅｇｉｏｎｓｔｏｒｅｓｐｏｎｄｔｏｔｈｅｃｈａｎｇｉｎｇｏｆｓｃｅｎｅａｎｄｓｏｌｖｅｔｈｅｌａｒｇｅａｒｅａｓｏｆｆａｌｓｅｄｅｔｅｃｔｉｏｎｐｒｏｂｌｅｍ．ＣｏｍｐａｒｉｎｇｗｉｔｈｔｈｅｔｙｐｉｃａｌｍｉｘｔｕｒｅＧａｕｓｓｉａｎｍｏｄｅｌｍｅｔｈｏｄｏｎｄｉｆｆｅｒｅｎｔｉｍａｇｅｓｅｑｕｅｎｃｅｓｃｏｎｔａｉｎｉｎｇｔａｒｇｅｔｓｏｆｉｎｔｅｒｅｓｔｉｎｔｙｐｉｃａｌｅｎｖｉｒｏｎｍｅｎｔｓ．Ｅｘｐｅｒｉｍｅｎｔａｌｒｅｓｕｌｔｓｄｅｍｏｎｓｔｒａｔｅｔｈｅｅｆｆｅｃｔｉｖｅｎｅｓｓｏｆｔｈｅｐｒｏｐｏｓｅｄｍｅｔｈｏｄ．

Ｋｅｙｗｏｒｄｓ：ｍｏｖｉｎｇｏｂｊｅｃｔｄｅｔｅｃｔｉｏｎ；ｂａｃｋｇｒｏｕｎｄｍｏｄｅｌｉｎｇ；ｍｉｘｔｕｒｅＧａｕｓｓｉａｎｍｏｄｅｌ

收稿日期：２０１３?１０?２３

修回日期：２０１３?１１?１５

作者简介：栾胜利（１９６４?），男，山东荣成人，高级工程师，研

究方向为指挥控制系统三

一一基于视频的运动目标检测是指将视频图像中的变化区域从场景中分割出来，其目的是利用视频图像检测并提取出运动目标三视频图像中的变化区域常称为前景，其余区域称为背景三有效地检测和提取视频图像中的运动目标是计算机视觉信息提取的一个关键步骤，也是目标跟踪二分类和行为理解等更高层次视频图像分析的重要基础三从视频图像序列中快速准确地提取运动目标，是计算机视觉和图像理解研究的热点和难点之一三

目前，运动目标检测主要有三种方法：帧差法［１］二

光流法［２］和背景差分法［３］三前两种方法都可以适用于摄像机运动的情况，但帧差法容易在目标内部产生空洞现象，难以完整地检测出运动目标；光流法因其计算复杂二耗时长的缺点难以应用于实时处理系统三对于摄像机固定的情况，最常用的方法是背景差分法三其基本思想是将当前每一帧图像与背景模型相比较，若相同位置的像素特征值差别较大，则认为这样一些像

素点构成的区域为前景运动区域三背景差分法实现的关键在于背景模型的建立和更新三Ｓｔａｕｆｆｅｒ［４］等人提出的基于混合高斯模型的背景建模方法是较为成功的方法之一三该方法利用多个高斯分布建立背景模型，通过背景更新不断调整背景模型中高斯分布的组成，因而具有一定的场景适应能力三然而在实际的目标检测过程中，混合高斯模型仍有一些问题需要解决：１）每个像素点都建立多个固定的高斯分布，在处理时会消耗大量的系统资源；２）发生光照突变时，容易造成大面积误检；３）长时间静止物体转为运动时，容易产生鬼影现象三

解决这些问题将大大提高模型的适应能力和目标检测的效果，当前许多文献也针对上述问题进行了研究和改进三为解决系统资源的浪费问题，文献［５］利用最大似然估计提出了一种高斯分布个数的自适应选择方法，由于该方法人为地引入了负的先验系数，使得在更新过程中高斯分布的权重有可能被不合理地负更新三为减小光照突变对检测结果的影响，文献［６］通过前景面积与整幅图像面积比值的大小来判断是否发生光照突变，确定发生光照突变后，将整幅图像的更新率调整为较大值，该方法对于全局光照突变有较好的效