Joumal of Computer Applications
计算机应用,
2013
,
33( 5) : 1394 - 1397, 1400
ISSN 1001-9081
CODENJYIIDU
2013-05-01
http://www.joca.cn
文章编号:
1001 - 9081
(2013
)05
- 1394
-04
doi:10.
3724/SP.
J.
1087.2013:01394
改进的混合高斯模型及阴影消除方法
陈雷张荣国
I\
胡静刘烧
2
(1.太原科技大学计算机科学与技术学院,太原
030024;
2.
合肥工业大学机械与汽车工程学院,合肥
23
∞
09)
(
*通信作者电子邮箱
rιzh@
163.
com)
摘
要:为了有效减少运动目标检测中混合高斯模型的计算量和提高阴影消除的准确性,提出了一种选择性地
更新混合高斯模型和基于亮度变化消除阴影的方法。首先,在各个高斯分布进行更新之前,先将其权值与不属于背
景的高斯分布的比重进行比较,若前者较大,则此,高斯分布不更新,反之则更新;然后,在阴影消除时,将亮度的变化程
度作为阴影检测阅值的一个因子,以使其随亮度变化自适应地做出调整。最后,将该方法与传统方法在室内外视频
条件下进行了实验对比,结果表明该方法的计算时间约为传统方法的
113
,
阴影消除更加准确。
关键词:运动目标检测;自适应;背景减除;阂值;混合高斯模型;阴影消除
中固分类号
:TI
号
9
1.
41
文献标志码
:A
Im
proved Gaussian mixture model and shadow elimination method
CHEN
Le
i
1
,
ZHANG
Rong
♂
101·
,
HU
Jingl
,
LIU
KUE12
(1.
Sc/wol
01
Computer Science
and
Techrwlogy,
Tai
严皿
n
Uniærsity
01
Scie
时
eα
nd
Technology, Taiyuan
Shα
nxi
030024
, China;
2. Sc
/wol
~川
lechanical
α
nd
Automotive Engineering, Hefei Uniærsity
01
Techrwlogy, Hefei Anhui
230009
,
Ch
阳)
Abstract:
To
reduce the computation of Gauss mixture model effectively and improve the accuracy of shadow elimination
in moving object detection, an algorithm which updated the model selectively and eliminated the shadow
by
the change
of
brightness was proposed. Firstly, the weight of the Gauss distribution and the rate of those that did not belong to the
background were compared before updating the Gauss distribution
, if the former was larger, then did not update
it
, otherwise,
updated it; Secondly, the range of brightness change was chosen
to
be a threshold factor of shadow detection, so that the
threshold could be adjusted adaptively according to the change of brightness. Finally, compared this
algori
由
m
with the
traditional ones thrüugh experiments
on
indoor and outdoor videos, the experimental results show that the time consumption of
the algorithm is about one-third of the traditional ones
, the accuracy of shadow eliminating is improved and the efficiency of the
algorithm is confirmed.
Key
words:
moving object detection; adaptive; background subtraction; threshold; Gaussian mixture model; shadow
elimination
0
引言
运动目标检测是人体运动视觉川分析中的重要研究课
题,对目标分类、跟踪、识别与理解有着重要作用,经典方法有
光流法
[2)
、帧间差法
[3
-4)
以及背景减除法
[5
-6)
。背景减除法
可造应多模态背景,检测出的目标较完整,应用较广;
Stauffer
等
[5)
利用、混合高斯模型解决了背景建模和背景更新两个关
键问题,缺点是计算量大,在初期易检测失败;
KaewTr
aK
ulPong
等
[7)
根据模型匹配次数采用两种学习率和参
数更新方式,解决了初期检测失败问题,计算量仍较大;白向
峰等问
-9)
利用偏差均值作为匹配时的阔值参数来简化方差计
算,可对背景像素点的?昆合高斯模型仍持续地更新,实时性
差;王典等[皿]采取在某高斯分布的权值足够大后,在一定帧
数内不再更新,以去除背景点的模型持续更新,但不能检测到
间隔帧数内的背景变化,背景易被误判为运动目标
;Zivkovic
等
[ll)
采取高斯分布个数自适应选择来简化计算,但每当新的
高斯分布出现时都要分配存储空间,效果并不明显。在运动
收稿日期
:2012-10-24
;修回日期
:2012-12-11
。
目标检测中阴影容易被检测为目标,影响了检测结果,必须进
行抑制,有基于模型和属性两种方法。文献
[7J
在红、绿、蓝
(R(Red)
、
G(
Green)
、
B(
Bl
ue)
)彩色空间进行了阴影消除,但
亮度变化需限制在较小范围内,且对这一范围未给出合适的
设置方法;文献
[10
J
及贾棋等[l
2)
基于色调、饱和度、亮度
(H
(Hue)
、
S
(
Saturation)
、
V(
Value))
模型消除阴影,不足同上;
王宁等
[13
-15)
采用了基于属性的方法,计算复杂度较高,实时
性不强。
本文针对混合高斯模型计算量大的问题,提出利用高斯
分布的权值选择性地更新模型,并提出在
RGB
空间中利用亮
度变化信息自适应地控制阴影检测阔值,最后通过实验进行
了验证。
1
传统方法
1.
1
混合高斯模型
混合高斯模型用多个高斯分布的组合来表示背景像素值
分布,其样本通过下式获得:
基金项目:国家自然科学基金资助项目
(51075113)
;太原科技大学博士基金资助项目
(20122015)
。
作者简介:陈雷(1
981
- )
,男,山东荷泽人,硕士,主要研究方向:图像处理、计算机视觉;
张荣国(1
964
一)
,男,山西太原人,教授,博士,主
要研究方向:计算机图形学与辅助设计、图形图像处理、模式识别;
胡静(
1977
…)
,女,山西大同人,副教授,硕士,主要研究方向:图形图像处
理、优化算法;
如
tl~
昆(
1963
斗,男,陕西汉中人,教授,博士,主要研究方向:现代设计方法。