基于高斯混合模型的光照自适应背景减法

杨文涛,郑国柱,郑立新,杨雪

(1.华中科技大学电子科学与技术系,湖北 武汉 430074；2.School of Electronic Engineering,Columbia University,NewYork,USA)

随着社会的不断发展,智能化的监控系统在工业生产、交通监控、银行安全等各个领域起着越来越重要的作用,实时视频监控系统越来越受到青睐. 在实时视频监控系统的应用中,从视频序列准确地实时获得运动的物体非常关键,要求运动物体检测算法有足够快的处理速度和良好的提取效果.目前有很多典型算法实现视频序列中的运动物体提取,如高斯混合模型[1-8]、时间差分法[9-10]、非参数模型[11]、中值滤波法[12]等算法,每种算法都有自己的优点和不足.

本文中提出基于高斯混合模型的带有光照自适应的背景减法,对快速光照变化下的前景提取有较好的处理效果. 采用每次只关心适合设定条件的那部分包含背景的单高斯分布,只更新感兴趣的那部分高斯分布,另一部分不感兴趣的高斯分布在高斯混合模型中的权重很小,几乎不影响像素点场景的整体分布和背景分布,可以忽略其对背景提取的影响,这样可以在不影响背景更新的情况下减少要更新的高斯分布. 由于引入了背景图像光照补偿,由光照变化引起的输入视频图像亮度的变化而引起的前景提取错误的情况可以得到更好的处理.

1 算法分析

1.1算法思想为了在光照快速变化时能得到更好的分割效果,并且减少运算量,本文中考虑用一种改进的基于高斯混合模型的背景减法. 对每……