选择性更新的混合高斯模型与自适应阴影消除方法

"改进的混合高斯模型及阴影消除方法 (2013年)，作者：陈雷、张荣国、胡静、刘烧" 本文详细探讨了一种针对运动目标检测中混合高斯模型（GMM）计算量大以及阴影消除准确性问题的改进策略。混合高斯模型是背景建模中的常见方法，它通过组合多个高斯分布来表示复杂的背景。然而，这种模型在处理动态场景时，尤其是有阴影存在的场景，会增加计算负担并可能导致误检。 作者提出了一种选择性的高斯分布更新机制。在每个高斯分布更新前，比较其权值与背景中非高斯分布的权重。如果当前高斯分布的权重大于非背景权重，则该分布保持不变，避免了不必要的更新，从而减少了计算量。这种方法有助于保持模型的稳定性，减少对正常背景变化的响应。 同时，他们引入了基于亮度变化的阴影消除技术。在阴影检测过程中，将亮度变化的程度作为检测阈值的调节因素。通过这种方式，阈值可以自适应地调整，以应对光照条件的变化，提高阴影识别的准确性。这种方法有助于区分阴影和真实运动目标，减少误检。 实验部分，研究者将改进方法与传统的混合高斯模型和阴影消除方法在室内外视频数据集上进行了对比。结果显示，新方法的计算时间约为传统方法的1/3，且在阴影消除效果上更优，证实了该方法的有效性和效率提升。 关键词涵盖了运动目标检测、自适应算法、背景减除、阈值设定、混合高斯模型和阴影消除，体现了论文的核心研究领域。中国分类号为“TI79.41”，文献标志码为“A”，表明这是一篇工程技术领域的学术论文，发表在《计算机应用》2013年第33卷第5期。 这篇论文提供了一种创新的混合高斯模型更新策略和阴影消除技术，对于实时监控和运动目标检测的系统设计具有重要参考价值，能有效提高系统的性能和效率。