基于改进的混合高斯模型的运动目标提取

合集下载

一种基于改进单高斯模型的运动目标提取方法

点，而且在运动实体内部容易产生空洞现象。对于
运动物体速度过慢或者过快这两种极端情况得不到很好的效果。
２０１２年１２月２６日收到国家自然科学基金（６１０７５１０５）资助
布。因而我们可以为每一个像素点建立一个高斯
实现对目标的实时检测。帧间差分法实时性强，通过在连续的图像序列中的两个或三个相邻帧间采用基于像素的时间差分并且阈值化来提取出图像
中的运动区域Ｊ。对于动态环境具有较强的 ቤተ መጻሕፍቲ ባይዱ适
于单高斯模型在运动目标检测中存在的缺点，提出了一种改进的单高斯背景建模方法。依据先验知识，为每一个像素点设定
一
个计数器来进行历史前背景点判别信息的统计，进而建立起一种 “ 防欺骗” 机制来防止背景点的误判，有效地抑制了传统单
高斯模型中的拖影和前背景误判等现象。实验结果表明，改进方法在前景提取效果上有着显著的提高，背景形成更为准确．
模型。
１
ｐ
［＿
】（１）
式（１）中ｉ … 代表坐标为（，Ｙ）对应的某一像素点
的值。
，
第一作者简介：喻旭勇（１９８７一），男，湖南湘潭人，硕士研究生。研究方向：模式识别与智能系统。
代表该像素点高斯模型的均值，６为对

基于改进ViBe算法的运动目标检测方法

合了三帧差分法光照适应性强以及 ViBe 算法检测精度高的优点。首先，使用 ViBe 算法进行运动目标检测；当发现前景目标面积与图像面积的比例超过预设阈值时，改用三帧差分法检测运动目标，以减少光照变化对检测结果的影响；最后，该算法使用中值滤波和形态学处理，以减少检测结果的空洞。实验结果表明，改进后的 ViBe 算法提高了原算法在光照变化场景的鲁棒性，检测效果优于单独使用 ViBe 算法或者三帧差分法的检测结果。关键词：背景减除；视觉背景提取算法；三帧差分算法；形态学；光照突变中图分类号： TP391． 41 文献标志码： A
Journal of Computer Applications 计算机应用，2017，37( S2) : 99 － 102 文章编号： 1001-9081 （ 2017 ） S2-0099-04
ISSN 1001-9081 CODEN JYIIDU
2017-12-20 http: / / www． joca标检测方法
1 高健焮，陈
健
2*
（ 1．福建工程学院海峡工学院，福州 350118 ；
2．福建工程学院信息科学与工程学院，福州 350118 ）
( * 通信作者电子邮箱 jchen321@ 126． com)
摘
要：针对视觉背景提取（ ViBe）算法光照适应性差的问题，提出一种结合三帧差分法的 ViBe 算法。该算法结
［6 ］
作为计算机视觉研究领域的一项关键技术，运动目标检测属于智能视频监控与目标跟踪系统的最底层，其检测结果的优良程度会对后续目标跟踪与行为理解的效果产生明显影响

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

多摄像机视频监控中运动目标检测与跟踪

多摄像机视频监控中运动目标检测与跟踪多摄像机视频监控中运动目标检测与跟踪近年来，随着安防技术和计算机视觉的发展，多摄像机视频监控系统在各个领域得到了广泛应用。

多摄像机视频监控系统采用多个摄像机同时监测同一个区域，可以提高监控的全面性和准确性。

然而，在这种系统中，大量的视频数据使得人工分析和处理变得困难和耗时。

因此，如何有效地进行运动目标检测与跟踪成为了研究的热点之一。

多摄像机视频监控系统中的运动目标检测与跟踪涉及到多个步骤，包括背景建模、目标检测、目标特征提取、目标跟踪等。

在背景建模阶段，需要通过对摄像机采集到的视频序列进行分析，提取场景的静态背景信息。

常用的背景建模方法有基于帧差法和基于聚类法等。

帧差法通过计算相邻两帧像素差异来得到目标的前景区域，而聚类法则通过对像素进行聚类来判断是否为目标。

这些方法可以较好地适应场景变化并获取较为准确的背景信息。

接下来，目标检测是通过将前景区域与背景进行对比来得到运动目标的方法。

常用的目标检测算法有基于混合高斯模型和基于自适应阈值的方法。

这些方法可以对目标进行初步的检测和分割。

然后，在目标特征提取阶段，需要从检测到的目标中提取出有用的特征。

例如，颜色、纹理、形状等特征可以用于目标识别和分类。

最后，在目标跟踪阶段，需要通过将目标的位置和运动轨迹进行精确计算和预测，从而进行目标的跟踪和定位。

在多摄像机视频监控中，由于摄像机的数量增加，场景复杂程度提高，造成了更大的挑战。

首先，摄像机之间存在视角差异，导致目标在不同摄像机视野中的外观和尺度变化。

为了解决这个问题，可以通过利用摄像机之间的几何关系来进行目标的位置和尺度的校正。

其次，多摄像机视频监控系统中的目标通常是多个摄像机录制的视频中的同一个目标。

因此，目标的跟踪需要在多个摄像机之间进行协同。

为了解决这个问题，可以通过利用目标的外观和运动信息来进行目标的匹配和关联。

最后，多摄像机视频监控系统需要将多个摄像机的视频数据进行融合和整合。

复杂背景下_人体轮廓提取

复杂背景下人体轮廓提取
论文的主要内容、理论意义和应用价值:
利用高斯混合模型对背景进行建模，采用背景减法获得前景物体，达到对存在渐变光照、缓慢周期性运动物体（如随风摆动的树叶）等条件下的鲁棒性的人体轮廓提取。

提出、采用基于混合高斯模型与三帧差分的运动目标检测改进算法，使用背景差分法检测运动目标，考虑解决被检测运动目标及其阴影部分的区分。

应用OpenCV及Visual C++实现。

本设计可以应用于多种场合及设备，如相机自动对焦、监控设备识别人体等，可以大幅度减少人力支出及成本，具有实际的应用价值。

前期准备：
复习大二已学习过的C语言相关知识，利用寒假期间学习了周民刚学章推荐的《21天掌握C++》教材，对C++有了一定的了解掌握，熟悉Visual Studio C++编程环境，编写了一则图片调取的小程序，实际了解C++的编程结构与应用方法。

搜索相关论文材料，对前人完成过的论文、书籍进行阅读分析，把握本设计需要考虑的各项问题与解决方法，以便之后自己完成时有一个相对明确的思路。

列写论文提纲，对要解决的问题进行列举，同时构思大体写作思路，以下是提纲摘要：
1、论文摘要、关键词
2、译文
3、引言，包括在实现设计目标时可以采用的各种方法，并对其进行比较，确定一种具有良好
操作性的方法，论证其可行性与实现方法。

4、参考相关书籍，对设计要求的高斯混合模型进行相关介绍，介绍实现人体轮廓提取时需要
采用的方法。

5、介绍OPENCV相关知识，编写相关程序。

6、介绍需要采用的检测方法。

7、相关实验数据、结论。

8、参考资料。

论文写作计划。

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

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)。

第２２卷第７期２１０２年７月
计算机技术与发展
ＣＯＭＰＵＴＥＴＲＥＣＨＮＯＬＯＧＹＡＮＤＤＥＶＥＬＯＰＭＥＮＴ
Ｖｏ．２Ｎｏ７Ｊ２．
Ｊｌ２１ｕｙ０２
基于改进的混合高斯模型的运动目标提取
杨宁，杨敏
ｓｎｉｖｏｔｅａｊｓｎｏｔｅｌａｉｇａ．ｎｔｉｐｐｒｉｒｖｄａａｔｅｌｏｔｍｉｐｔｏｗｒｏｍｏｉｇｏｊｔｘａｔｎＴｅｅｓｅｔｈｄｕｔｔｆｈｅｒｎｔＩｈｓａｅ，ｏｅｐｖｇｒｉｔｍｅｎｒｅｍｐｄｉａｉｈｓｕｆｒａｄｆｒｖｎｂｅＷｉ．ｈｃｅｃｏｍａｒｍｒｖｍｅｔｓｅｎｍｂｒｆｍｘｕｅＧｕｓｏｏｎｎｓａｄｔｅｄｓｒｎｔｆｄｎＴｅｅｐｒｎｅｕｔｓｏａｅｊｐｏｅｎｕｅｉｔｒａｓａｃｍｐｅｔｎｉｃｍｉａｉｏ．ｘｅｉｔｓｌｈｗｔｔｏｉｉｔｈｏｉｎｈｉｎｃ￣ｈｍｅｒｓｈｔｈ
ｉｒｖｇｒｔｍｓｂｔｒｔａａｉｏａｇｒｔｍｎｂｔｄｐｂｌｙａｏｕｉｇｓｅｄ．ｍｐｏｅａｏｉｄｌｈｉｔｎｔｄｔｎａｏｉｅｅｈｒｉｌｌｈｉｏａａｔｉｔｎｄｃｍｐｔｐｅｈａｉｎ
（南京邮电大学自动化学院，苏南京２０４）江１０６
摘要：背景提取技术是图像与视频处理中的关键技术文中对静态背景下运动目标的提取算法进行了研究。混合高斯
算法在近年得到了广泛的关注，算法使用固定个数的分布建模，实际中不能满足最优模型，但是在并且模型对学习率的调整比较敏感。文中提出改进的自适应算法提取前景运动目标，中主要针对模型中的混合高斯分布的个数及学习判别准其则进行了改进。实验证明，改进算法相比传统算法有着较好的自适应性并且检测效率较高。该关键词：景建模；背运动目标提取；混合高斯模型；图像分析序列
Ｋｅｏｄ：ａｋｒｕｄｍｏｅｉｇｍｏｉｇｏｊｔｘａｆｎ；ｘｒｕｓｎｍｏｅ；ｅｕｎｉｇｎｌｓｙｗｒｓｂｇｏｎｄｌ；ｖｎｂｅｆｃｏｍｉｔｅＯａｓｉｄｌｓｑｅｔｉｅａａｉｃｎｃｅｉｕａｌａｍａｙｓ
型法是ＣｒｔｆｒＷ．．．Ｇｉｓｎ提出的一ｈｓＳｕｆ和ｉａｅＥＬｒｏｍ
频处理的第一步就是从视频序列中分离出所要观察的
ห้องสมุดไป่ตู้
ＡｂｔａｔＢｃｇｏｎｘａｔｎｉａｋｙｓｐｆｒｍａｅａｄｖｄｏｐｏｅｓｇｔｃｎｌｇ．ｎｔｉｐｐｒｔｅｍｏｉｇｏｊｃｘｒｃｏｓｃ：ａｋｒｕｄｅｔｃｏｅｔｏｇｎｉｒｃｓｉｈｏｏｙＩｓａｅ，ｖｎｂｅｔｔｔｎｉｒｒｉｓｅｉｅｎｅｈｈｅａｉｎ
ｍｏｅａｈｐｘｌａｆｘｕｅｆｃｍｐｎｎｓｗｈｃｓｎｔｏｔｌｉｅｍｆｄｔｉｎａｄｃｄｌｃｉｅｅｎｍｂｒｏｏｏｅｔ，ｉｈｉｏｐｍａｎｔｒｏｅｅｏｎｏｍｐｔｔｎｉ．ｄｔｅａｇｒｔｍｓｅｉｄｉｃｔｕａｏａｔｉｌｍｅＡｎｏｉｈｌｈｉ
Ｏ引言
在许多视频监控系统及多媒体应用系统中，视对
杂场景中的目标提取；线性预测法使用采样协方差来估计参数，算法运算复杂；核密度估计算法本身并没有用到相关数据分布的先验知识，能够较好地适用于变化的场景中，然而算法需要占用大量内存；混合高斯模
中圈分类号：Ｐ１Ｔ３文献标识码：Ａ文章编号：６３６９（０２０ — ０００１７ —２Ｘ２１）７０２— ４
ＭｏｉｇＯｂｅｔｘｒｃｉｎＢｓｄｏｍｐｏｅｖｎｊｃｔａｔａｅｎＩｒｖｄＥｏ
ＧａｓａｉｔｅＭｏｌｕｓｉｎＭｘｕｒｄｅ
ＹＡＮＧｎＹＡＮＧｉＮｉｇ，Ｍｎ
（ｏｌｅｏｕｏｔｎＮｎｉｇＵｉｅｉｆｏｔａｄＴｌｏｍｕｉｔｎ，ａｊｇ２０４，ｈｎ）Ｃｌｇｆｔｍａｏ，ａｊｎｖｒｔｏｓｎｅｃｍｎａｏｓＮｎｉ１０６ＣｉａｅＡｉｎｓｙＰｓｅｃｉｎ
ｔｅｓｉａｋｒｕｄｉｔｄｅＩｅｅｔｙａｓｔｅＧａｓｉｎｍｉｔｒｏｔｍｅｅｖｘｅｓｖｔｅｔｎ．ｅｔａｉｏａｇｒｔｍｈｍｆｂｃｇｏｎｓｓｕｉｄ．ｎｒｃｎｅｒｕｓａｘｕｅＭｇｆｈｒｃｉｅｅｔｎｉｅａｔｎｉｃｈｉｄｏＴｈｒｄｔｎｌａｏｉｉｌｈ