一种改进的混合高斯模型运动目标检测算法.doc

一种改进的混合高斯模型运动目标检测算法 任克强，余启明，罗会兰 ( 江西理工大学 信息工程学院，江西 赣州 341000) 【摘 要】 针对传统混合高斯模型使用固定学习速率所带来的问题，提出了一种改进的运动目标检测算法。该算法采用自适应 的学习速率调整策略，在背景建模初期，采用较大的学习速率加快初始背景的建模，使得模型能更快地适应背景的变化; 背景形 成以后，根据目标运动的快慢动态调整学习速率，从而能够及时更新背景，消除运动目标的残留和拖影; 最后利用基于 HSV 颜色 空间的阴影检测算法消除运动阴影。实验结果表明，改进算法优于传统混合高斯模型，可以更准确地检测出运动目标，更好地 消除阴影，并具有较好的自适应性和稳健性。 【关键词】 运动目标检测; 混合高斯模型; 学习速率; 阴影抑制 【中图分类号】 TP391． 4 【文献标识码】 A Improved Algorithm of Moving Objects Detection Based on Gaussian Mixture Model REN Keqiang，YU Qiming，LUO Huilan ( School of Information Engineering，Jiangxi University of Science and Technology，Jiangxi Ganzhou 341000，China) 【Abstract】To solve the problem of traditional Gaussian mixture model using a fixed learning rate，an improved algorithm of moving objects detection is proposed． The algorithm adopts adaptive adjustment strategy for learning rate． Early in the background modeling，a larger learning rate is adopted to ac- celerate the background modeling，so as to make for the model adapting the change of backgrounds faster． After background is formed，the learning rate is dynamically adjusted by the moving speed of objects，which can update the background ttimely，and eliminate the residual objects and smear． Finally， moving shadows are eliminated by the shadow detecting algorithm based on HSV color space． The experimental results show that the improved algorithm is better than traditional Gaussian mixture model． It can more accurately detect moving targets and eliminate shadows preferably，and has better adaptabil- ity and robustness． 【Key words】moving objects detection; Gaussian mixture model; learning rate; shadow suppression 运动目标检测是计算机视觉领域中的一个重要内容， 其检测效果将会对目标跟踪与识别造成一定的影响［1］。 目前较为常用的运动目标检测方法有光流法［2］、帧间差 分法［3］和背景减法［4］。目前，常见的背景建模方法有均 值滤波、线性预测、W4 方法、高斯模型法［5 － 6］及核密度估 计法［7］等。 Stauffer 和 Grimson［5］提出的混合高斯建模( Gaussian Mixture Model，GMM) 是在户外运动目标检测中应用较多 的背景建模方法。刘鑫等［8］将 GMM 与帧间差分相结合 来更新高斯模型的学习速率，增强混合高斯模型处理运动 干扰和多层背景的能力。马义德等［9］提出均值与方差采 用不同的学习率，其中均值更新采用自适应的学习速率， 方差的学习率取固定值的方法，以解决 GMM 方法中均值 和方差自适应性慢等缺点，但对背景