李旭健+张丛静

摘 要：在计算机视觉应用中，复杂场景运动目标检测是视频监控、目标追踪的基础，也是智能视频监控领域的研究热点之一。针对现有运动目标检测算法中阴影干扰和参数初始化粗糙的问题，在混合高斯背景建模的基础上采用HSV颜色空间替换原有的RGB颜色模式，并提出一种结合K均值算法与EM算法的参数初始化方法。实验表明，该算法可以有效抑制场景中运动物体的阴影干扰，检测结果更加精确，对复杂场景下的运动目标有较好的检测效果。

关键词关键词：混合高斯模型；目标检测；EM算法；HSV颜色空间

DOIDOI：10.11907/rjdk.161863

中图分类号：TP312

文献标识码：A ：1672-7800（2016）008-0010-03

0 引言

新一代智能视频监控技术的应用范围越来越广，涉及计算机视觉、模式识别、人工智能、图像处理等各个领域，其中运动目标的实时检测是一个基础而又关键的环节[1]。目前，在固定摄像头的监控系统中，主要采用的检测技术有光流法、帧差法和背景差法。Stauffer基于背景差法最早提出用混合高斯建模来描述渐变的动态背景，对图像中像素采用固定数量的高斯分布，该方法能适应缓慢的光照变化，有较好的自适应能力[2]。

由于RGB颜色空间对运动目标的阴影识别能力很差，所以传统的混合高斯算法无法有效地抑制阴影，目标检测效果不是很理想。而HSV空间对运动目标阴影有很好的识别能力，能有效抑制阴影的干扰。因此本文采用HSV混合高斯建模替代原有的RGB颜色模式，并针对传统EM算法对初始化敏感和运行速度慢的问题，提出一种结合K均值算法与EM算法参数初始化的改进算法。……