混合高斯模型背景法的一种改进算法

doi:10.3778/j.issn.1002-8331.2010.13.050

计算机工程与应用 ›› 2010, Vol. 46 ›› Issue (13): 168-170.DOI: 10.3778/j.issn.1002-8331.2010.13.050

• 图形、图像、模式识别 • 上一篇下一篇

混合高斯模型背景法的一种改进算法

刘静，王玲

湖南大学电气与信息工程学院，长沙 410082

收稿日期:2008-10-22 修回日期:2009-01-19 出版日期:2010-05-01 发布日期:2010-05-01
通讯作者: 刘静

Improved algorithm of Gaussian mixture model for background subtraction

LIU Jing，WANG Ling

College of Electrical and Information Engineering，Hunan University，Changsha 410082，China

Received:2008-10-22 Revised:2009-01-19 Online:2010-05-01 Published:2010-05-01
Contact: LIU Jing

摘要/Abstract

摘要： 针对混合高斯模型背景法的不足，提出了一种将混合高斯模型背景法与三帧差分法相结合的运动目标检测算法。利用三帧法快速检测出变化区域，提高了算法的灵敏度；引入目标是否存在的判决阈值，减低了算法的运算量；对目标区域和背景区域进行不同的混合高斯背景模型的更新策略，提高了模型的收敛速度。实验结果表明，改进的方法与混合高斯模型背景法相比其处理速度快，效果更好，适用于实时视频监控系统。

关键词: 运动目标检测, 混合高斯模型, 三帧差分法

Abstract: An algorithm for moving objects detection based on Gaussian mixture model and three-frame differencing is proposed to make up the deficiency of the background subtraction method based on mixture model of Gaussian.First，for improving the sensitivity，the three-frame differencing is used to rapidly detect the possible moving objects.Second，a threshold is used to judge if the moving objects exist that can ease the complexity of the calculations.Third，in order to increase the convergence speed，the model sets different update rate between moving objects area and background area.The experimental results indicate that the proposed method possesses faster processing speed and better effect.It can be used in real-time video surveillance system.

Key words: moving objects detection, Gaussian mixture model, three-frame differencing

中图分类号:

TP391

刘静，王玲. 混合高斯模型背景法的一种改进算法[J]. 计算机工程与应用, 2010, 46(13): 168-170.

LIU Jing，WANG Ling. Improved algorithm of Gaussian mixture model for background subtraction[J]. Computer Engineering and Applications, 2010, 46(13): 168-170.

[1]	王春丹，谢红薇，李亚旋，张昊. 融合改进的三帧差分和ViBe算法的运动目标检测[J]. 计算机工程与应用, 2020, 56(13): 199-203.
[2]	李超，孙俊. 基于机器视觉方法的焊缝缺陷检测及分类算法[J]. 计算机工程与应用, 2018, 54(6): 264-270.
[3]	孙凯，谢林柏. 结合W4算法和LBP模型的运动目标检测方法[J]. 计算机工程与应用, 2017, 53(5): 187-191.
[4]	高红红1，曹建荣1，2，李振宇1，杨红娟1，2，赵淑胜1. 基于背景分类的运动目标检测算法[J]. 计算机工程与应用, 2017, 53(21): 179-184.
[5]	孙朋1，2，夏飞1，2，3，张浩1，2，3，彭道刚1，2，马茜1，2，罗志疆1，2. 改进混合高斯模型在人体跌倒检测中的应用[J]. 计算机工程与应用, 2017, 53(20): 173-179.
[6]	赵晓梅1，孙建德1，张元元2. 基于分层匹配五元组Codebook的运动目标检测算法[J]. 计算机工程与应用, 2016, 52(7): 196-201.
[7]	贾建英，董安国. 基于联合直方图的运动目标检测算法[J]. 计算机工程与应用, 2016, 52(5): 199-203.
[8]	郭伟，高媛媛，刘鑫焱. 改进的基于混合高斯模型的运动目标检测算法[J]. 计算机工程与应用, 2016, 52(13): 195-200.
[9]	郭伟，刘鑫焱，肖振久. 基于边缘前景的混合高斯模型目标检测[J]. 计算机工程与应用, 2015, 51(18): 209-213.
[10]	张英烈1，夏梦2，陈临强1. 基于视频跟踪的体感游戏设计[J]. 计算机工程与应用, 2015, 51(17): 44-47.
[11]	茅正冲，徐昊，王丹. 几何活动轮廓模型在目标跟踪中的应用[J]. 计算机工程与应用, 2015, 51(13): 176-180.
[12]	吴桐1，2，王玲1. 基于帧差分块的混合高斯背景模型[J]. 计算机工程与应用, 2014, 50(23): 176-180.
[13]	叶芳芳1，2，许力1. 复杂场景下有效的遗弃物检测方法[J]. 计算机工程与应用, 2014, 50(16): 12-15.
[14]	邱光能，全惠敏. 基于对称差分和背景减的运动目标检测[J]. 计算机工程与应用, 2014, 50(13): 158-162.
[15]	张永，刘巧玲. 基于自适应阈值的运动目标检测方法[J]. 计算机工程与应用, 2014, 50(12): 166-168.

混合高斯模型背景法的一种改进算法

Improved algorithm of Gaussian mixture model for background subtraction

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics