基于混合高斯模型的运动目标检测算法

梅娜娜，王直杰

（东华大学信息科学与技术学院，上海201620）

0 引 言

交通场景中运动目标检测是计算机视觉研究领域中的一个重要课题，是进行目标跟踪［1］和行为理解的基础，在智能视频监控、机器人导航和医学处理等诸多领域有着广泛应用［2］。目前，视频图像中运动目标检测的主要方法有光流法［3］、帧间差分法［4］、背景减差法等［5－6］。光流法是对序列图像运动场的分析和估计，由于其计算复杂，抗噪性能差且耗时，通常不适用于复杂背景的实时检测。帧间差分法利用相邻两帧进行差分来提取运动目标区域［7］。该算法复杂度低，计算速度较快，且对光线、天气等外界因素不敏感，但由于运动目标速度的不确定性，易造成运动目标内部出现空洞现象，通常难以捕捉到它的完整轮廓。背景减差是目前较为普遍的检测方法，它通过图像序列当前帧和背景参考模型相减的原理，能够检测出较为完整的运动目标，目前常规的背景模型初始化方法有如下几种:选取无运动目标的场景拍摄为初始背景；统计直方图法；统计中值法；多帧图像平均法；选择平均法。在固定的摄像机监控下，背景状态不是完全的静止，而是呈现出多态性。譬如外界飞鸟的闯入，摇晃的树枝等等，这些动的物体并不能看作是运动目标，而应归入背景模型中去。对此，文献［8］提出了混合高斯方法对背景进行建模，较好的解决了光线变化和动态背景的干扰。

混合高斯方法能实时更新参考背景，有效地克服了普通背景建模中存在的以下问题:动态背景造成的微小扰动；……