孟晓燕，董增寿，武 霞

(太原科技大大学电子信息工程学院，太原 030024)

前景目标的检测是指从视频序列中将发生变化的区域从相对静止的背景图像提取出来的过程。在智能监控研究中，运动目标能否准确并且及时有效地检测出来对后续进行目标分类、跟踪、行为理解等处理起到非常关键的作用。

前景目标的检测方法有：帧差法[1-3]、光流法[4-5]和背景减除法[6-8]，其中背景减除法是目前较为普遍的检测方法。它的基本思想是利用背景的参数模型来近似背景图像的像素值，将当前读入的视频帧与背景图像进行比较来判断哪些是前景区域，哪些是背景区域，所以能否准确地检测出前景区域与背景模型建立的好坏是密切相关的。很多专家学者为此进行了大量的研究，例如，文献[9]利用前n帧的像素中值作为背景模型，虽然算法简单易于实现，但是背景模型会被检测到的前景污染；文献[10]用单个模型来描述每个像素点，这种方法虽然可以在一定程度上克服场景中光照变化带来的干扰，但是处理复杂场景的能力太差；文献[11]把像素分布看作是高斯分布，对其背景建模，并在此基础上用K个高斯混合模型(Gaussian Mixture Model，GMM)表示像素分布，克服了光照变化等造成的影响，解决了像素多峰分布的问题。但是它仍然存在如下缺点：(1)混合高斯背景建模方法通常用固定个数的高斯分布来描述场景，这样会产生一些不必要的模型，造成资源的浪费。(2)现在使用的匹配更新机制使得混合高斯建模速度过慢，不能够反映实际背景的变化。……