薛 茹，黄 操

(1.西藏民族学院 信息工程学院，陕西 咸阳712082;2.长安大学 信息工程学院，陕西 西安710064)

责任编辑:时 雯

1 背景建模

背景减法是视频监控中常用的运动目标检测方法，它通过当前帧的像素和背景模型中的相应像素比较，将视频图像中的运动目标提取出来，由此可见背景模型直接影响背景减法获得运动目标的质量[1]。最简单的背景模型是为每个像素做高斯分布[2]，然而，单高斯分布对于摆动的树木、光线变化等动态背景并不得心应手。因此，Stauffer和Grimson用高斯混合模型[3]表达动态背景的变化，并用参数估计技术更新背景模型，由于外界环境变化的不确定性，用高斯分布建立精确的背景模型是不可能的。为了克服因快速变化的背景引起的参数估计错误而导致的背景模型的不精确性，Elgammal和Harwood等人提出了非参数模型[4]方法，通过像素的观测值用核密度估计技术预测当前像素的概率密度函数，这种方法能适应背景的迅速变化，使其迅速检测运动目标。但是，在光线变化和树木摆动的情况下，这种方法需要长时间纪录观测像素，占用大量内存。为了克服该问题，文献[5]提出用码本的方法建立基于像素统计的模型，该方法用压缩的方式在内存有限的情况下表示图像序列，通过比较当前帧和背景帧的颜色和亮度差进行检测，该方法用聚类分析构建背景模型，为每个像素建立包含一个或多个码元的码本。以上都是针对单个像素建立背景模型，而基于像素区域的背景建模也受到了关注。……