背景建模是视频监控中检测运动目标的一种常用方法。针对固定场景的视频,给出了一种视频运动目标检测算法。利用混合高斯建模的背景差分法,在复杂背景条件下提取出运动目标,在OpenCV库函数的支持下进行编程测试,算法可以准确地检测运动目标。实验结果表明该算法的有效性、优越性和可行性。

成功的高斯分布视频序列中运动目标检测与跟踪是计算机视觉研究领按下式更新，即

域的一个重要课题，在机器人导航、交通监测、学图像处医

f l ( - pl.+p, I 1 ),1 X l JI i .

理等领域都有广泛应用。国内外学者对此进行了大量研究， 提出了许多算法。文献[】 1采用单高斯模型作为背景模型，该模型虽然简单，但其分布比较复杂而且需要精细的参数设

{2= 1 0" l p)--1 O. (- ) i+ (t I ) ' i t 0. 2 b (￣| II)I 1 et O1=(- to . )i +

其中； t v为用户定义的学习率， s O sl,决定背景更新速度。P为参数学习率，近似为 P 。 若没有任何高斯分

定。文献[】到混合高斯模型， 2中提而且有文献[】4发展为 3[】目前常用的表现形式。 本文给出了自适应高斯模型建模，由多个高斯分布组成，以在包括运动目标的视频中自适应地提取背景模型，可 对背景模型的描述更加准确。最终通过 O e C实现对目标 pn V的准确检测和跟踪。

布与 X匹配，则将权重最小的高斯分布用新的高斯分布代 i替。新分布的均值为 )i差为最大初始差， (方，权重为最小初始权重。其余高斯分布保持不变，但权值按‘ I ) 1 e(l进 =(- to. )I I行更新。 2 3背景检测 .

2 .运动目标检测运动目标检测是视频图像跟踪中的重要环节。目前常用的运动检测算法有光流法，间差法和背景差法。光流法运帧算量较大，不适合实时处理。帧间差法虽实时性好，检测目但 标内部容易产生空洞。背景差法克服了上述方法的缺点，但对动态场景的变化较为敏感。本文在背景差法的基础上，提

混合高斯模型的参数更新后，将组成混合高斯模型的 K个高斯分布按 t由大到小排列，最有可能描述稳定背景过 (i I.

t

程的高斯分布位于前面，而出背景暂态扰动产生的分布位于后面。若前 B个分布满足：b

出自适应混合高斯背景模型的概念。2 1高斯背景建模 .背景图像的每一个像素分别用由 K个高斯分布构成的混合高斯模型来建模，即K

B=agmib ( ) r n( _ ) T

则认为前 B个分布是背景分布，其余为前景分布。其中T为预定的阈值。背

景分布确定之后，当前输入的图像与将背景模型相比较，若当前像素值X和每个背景高斯分布满足：

PX) ( i X,Il, ( t= (。 tJl 1 D川( I, ), ii l=

f一 il 25 1或 1 Xt . I . . 1 - . 1

式中： K为高斯模型中高斯分布的个数，常取 3; 通~5 XtK

1>o< r L b,

l

…

为t时刻的像素值；。 ( ( o n=1表示在 t )时刻第 i个高斯i 1=

就认为当前像素为前景，即运动物体。这样就将运动目标从背景中检测出来。

分布的权值；和盯。 分别表示第 i 个高斯分布的均值和方差：表示概率密度函数。

3 .计算机视觉类库 0 e C p n V简介开放源代码的计算机视觉类库 0 eC ( t p n p n V I e O e nl S uc o ue s nLba ) oreC mp t Vio i r由英特尔公司位于俄罗斯的 r i ry研究实验室所开发，它是~套可免费获得的、由一些 C函数和 c+类所组成的库，+用来实现一些常用的图像处理及计算

2 2模型参数更新 .为使模型不断贴近当前像素值的分布，常更新高斯分布自身的参数和各分布的权重。将每一新捕获帧的像素值置 Xl 与混合高斯模型中的 K个高斯分布分别匹配。若新像素值

作者简介：罗国强，,东韶关人，士，究方向：图形处理，能视频监控。男广硕研智一

3— 2