基于FPGA的混合高斯背景建模实现

孙 猛，袁小龙，王丽红

（北京交通大学 电子信息工程学院，北京 100044）

运动目标检测是计算机视觉领域的一个重要研究方向，是各种后续高级处理，如目标分类、行为理解等的基础，在安全监控、智能交通等领域都有着广泛的应用。一个鲁棒性的运动目标检测方法有利于后期的特征提取、目标跟踪等步骤。

常见的三种目标检测方法是背景差分法、帧间差分法和光流法[1]。其中背景差分法最常用，它通过当前帧图像与参考背景图像相减检测运动目标，该方法的关键在于创建和维护一个可靠的背景。有很多不同的背景模型被研究人员提出，Haritaoglu等人利用最小、最大强度值和最大时间差为场景中的每个像素进行统计建模，并且进行周期性的背景更新[2]；Stauffer和 Grimson采取为每个像素点进行混合高斯建模的方法构建自适应的混合高斯背景模型，该模型能够在线更新模型参数和权重，鲁棒性地克服了光照变化、树枝晃动等因素造成的影响[3]；Stauffer和 Grimson算法采用固定的更新率来更新各高斯分布函数的参数，这样会降低对运动目标检测的灵敏度；Kaew-TraKulPong等人提出了改进的混合高斯背景建模算法[4]，有效地改善了这一问题；OpenCV依据这个改进的算法提供了实现混合高斯背景模型的函数库[5]。

基于自适应混合高斯背景模型的背景差分法对静态背景场合下的运动目标检测有良好的鲁棒性，但由于算法的计算量巨大，在PC上只能达到较低的帧率，远不能满足实时性要求。……