张 超 吴小培* 周建英 戚培庆 王营冠 吕 钊

①(安徽大学计算智能与信号处理教育部重点实验室 合肥 230039)

②(中国科学院上海微系统与信息技术研究所 上海 200050)

1 引言

当今信息化社会的各领域对智能视频系统均有着广泛而紧迫的应用需求，运动目标检测正是智能视频系统中各种智能分析处理的基础。目前，常用的运动目标检测算法主要有背景差分法[1]、帧间差分法[2]和光流法[3]。其中，光流法计算较复杂，一般用于背景变化的场景。帧间差分法实时性强，对于动态环境具有较好的适应性，但其提取的目标前景内部易出现空洞。背景差分法可以得到相对完整的目标，且算法复杂度较低，但现实场景往往存在光照或背景的变化，这种情况下背景差分法的效果同样不佳。

针对现实世界中极为常见的多模态背景特性，文献[4]提出了高斯混合建模(Gaussian Mixture Modeling, GMM)方法。该方法在每个像素位置使用多个高斯模型进行建模，并且利用时间序列上的像素值不断进行模型参数更新，以期克服背景和光照变化等因素给运动目标检测带来的不利影响。文献[5]证明了高斯混合建模较其他方法具有的性能优势和应用可行性。

尽管比其他方法更能有效应对多模态场景，高斯混合建模同样有其局限[6]，如初始阶段算法收敛性能不佳、对低速目标以及复杂背景条件下的目标检测效果变差等。国内外学者一直在寻求对高斯混合建模进行有针对性地改进，文献[7]提出考察空……