詹 敏，邹小波

(华侨大学 工学院， 福建 泉州 362021)

一种改进的基于码本和高斯混合模型的视频背景分离*

詹 敏，邹小波

(华侨大学 工学院， 福建 泉州 362021)

文章提出一种基于改进的码本(CB)和高斯混合模型(GMM)的视频背景分离方法。该方法是以自适应的高斯混合模型背景为基础,为每个颜色像素构建混合高斯背景模型,可以对视频帧中每个像素的高斯分布数进行动态控制,并且通过CB(Codebook)算法得到每个像素的时间序列模型,从而对高斯分布的各参数进行学习。实验结果表明,该方法在背景分离的精确度和处理时间上都表现出优异的性能,此外还具有良好的适用性,对复杂场景的变化,可以有效快速地分离视频的前景和背景。

码本；高斯混合模型；背景分离；视频帧；高斯分布

0 引言

“背景”在不同的应用场合下是一个很难定义的问题。例如,若正在观测一个大型商场,那么或许来来往往的人流应该被认为是背景。通常情况下,背景被认为是在任何所感兴趣的时期内,场景中保持静止或周期运动的目标。 到目前为止,通过基于像素不断调整的方式来训练和更新背景颜色信息的背景建模技术是背景分离的关键所在。虽然视频背景分离已经取得了长足的进步,但是其在实时监控环境中的应用,大多数传统的方法还存在许多问题,所以其仍然是一个具有挑战性的任务。

目前最流行的估计背景颜色的统计方法是基于参数的高斯混合模型和基于非参数的核密度估计(KDE)[1]。……