李伟杰

摘要：背景建模及运动目标的提取是运动目标检测的研究热点和经典难题。基于传统的背景建模方法，提出一种基于自适应的改进GMM方法的背景建模新算法以获得高效和准确的分割结果。为了得到良好的背景模型，模型里各高斯分布的均值和方差需要根据场景的变化进行对应的更新。首先改进了前景构图方法，然后对高斯分布均值和方差的参数更新机制进行改进，提高了算法的精确性。仿真的结果显示：改进后的算法具有更好的抗干扰能力，能够应对背景的变化，减少误检和漏检现象的发生。

关键词：背景建模；运动目标检测；改进GMM；参数更新机制

1.概述

运动目标检测是从视频图像中把运动目标检测出来，是计算机视觉的重要分支之一。背景减除是目前使用的主要方法，但是当背景中包含阴影、波动的水面、无关的运动物体，甚至发生摄像头抖动、光照变化，建立准确的背景模型十分困难，所以背景模型的建立和更新成为研究热点和难点。为了解决上述问题，研究人员提出了改进方法。文献[1]利用HSV建立模型，很好地消除光照和阴影的干扰。文献[2]在图像的背景区域和前景区域使用不同的参数更新速率，解决了由于更新速度过慢而出现的“虚影”情况。文献[3]融入改进帧差法的混合高斯建模，很好地去除噪声的干扰。文献[4]对视频帧进行分块处理，使用块的像素均值进行背景建模，该算法的运算量小，检测效果好。文献[5]混合高斯模型中融入三帧差分法，能够较好地处理长期静止的物体突然运动引起的误检问题，并且对于阴影抑制有较好的效果。……