曾垂力

结合高斯混合模型和改进的LSBS的运动目标检测方法

曾垂力

（四川大学计算机学院，四川成都610000）

提出了一种综合混合高斯模型和改进LSBS的方法来进行目标跟踪检测。首先，通过混合高斯模型建立一个模糊的目标轮廓，其次，在此轮廓上运用改进LSBS来具体地检测出目标物体，该方法对不同的亮度图像检测不需要手动改写参数，使得算法可以运用于自动监督系统。最后，采用形态学滤波和连通区域面积检测进行去噪处理。实验结果表明，比起单独使用混合高斯或LSBS，该方法不仅能够更快速检测出目标物而且能够在光照亮度较暗的条件下依然能够准确地分辨出运动目标，增强了精确度，从而提高应用水平。

水平集；目标检测；混合高斯

0　引言

运动目标的检测在智能交通、视频监控、姿态识别等应用中起着非常关键的作用。很多目标检测都要用到基于阈值参数［1］或者混合高斯［2-3］等静态方法。由于阈值方法在亮度比较暗的环境中背景和目标物体的明亮度对比比较小且噪音会比较明显，因而在亮度比较暗的情况下检测会比较困难，因此设定一个合适的阈值将会比较麻烦。另一方面混合高斯等静态方法有时容易受到突然的光照变化产生很大噪音，而且在繁忙的场景下，运动物体大而慢时，运动效果不理想，且很多静态方法还是需要一些手动设置的阈值。

因此，本文将混合高斯和LSBS算法［4-5］有机结合起来，有效解决了上面一些问题。……