第２ ２卷 第 ７期 ２１ ０ ２年 ７月
计 算 机 技 术 与 发 展
ＣＯＭＰ ＵＴＥ Ｔ Ｒ ＥＣＨＮＯＬ ＯＧＹ ＡＮＤ ＤＥＶＥＬ ＯＰＭＥ ＮＴ
Ｖｏ． ２ Ｎｏ ７ Ｊ２ ．
Ｊｌ ２ １ ｕｙ ０２
基 于 改进 的混 合 高斯 模 型 的运 动 目标 提 取
杨 宁 ， 杨 敏
ｓｎｉｖ ｏｔｅａｊｓ ｎ ｏ ｔｅｌａ ｉｇ ａ ．ｎｔｉｐｐｒｉ ｒｖｄａａｔ ｅ ｌｏ ｔｍ ｉ ｐｔｏｗ ｒ ｏ ｍｏｉｇｏｊ ｔ ｘ ａｔ ｎ Ｔ ｅ ｅ ｓ ｅｔ ｈ ｄｕｔ ｔ ｆｈ ｅｒ ｎ ｔ Ｉ ｈ ｓ ａｅ， ｏ ｅ ｐ ｖ ｇｒ ｉ ｔ ｍｅ ｎ ｒｅ ｍｐ ｄ ｉ ａ ｉ ｈ ｓ ｕ ｆｒ ａｄｆｒ ｖｎ ｂｅ Ｗ ｉ ． ｈ ｃｅ ｃ ｏ ｍａ ｒ ｍ ｒｖｍｅｔ ｓ ｅｎ ｍｂｒ ｆｍ ｘｕｅＧ ｕｓ ｏ ｏ ｎｎｓａｄｔｅｄｓｒ ｎ ｔ ｆ ｄ ｎ Ｔ ｅｅｐ ｒ ｎ ｅｕｔ ｓｏ ａ ｅ ｊ ｐｏ ｅ ｎ ｕ ｅ ｉｔｒ ａ ｓａ ｃｍｐ ｅ ｔ ｎ ｉｃｍｉａ ｉ ｏ ． ｘｅｉ ｔ ｓｌ ｈ ｗ ｔ ｔ ｏｉ ｉｔ ｈ ｏ ｉ ｎ ｈ ｉ ｎ ｃ￣ ｈ ｍｅ ｒ ｓ ｈ ｔ ｈ
ｉ ｒ ｖ ｇ ｒｔ ｍ ｓ ｂ ｔ ｒ ｔ ａ ａ ｉ ｏ ａ ｇ ｒｔ ｍ ｎ ｂ ｔ ｄ ｐ ｂ ｌ ｙ ａ ｏ ｕ ｉ ｇ ｓ ｅ ｄ． ｍｐ ｏ ｅ ａ ｏ ｉ ｄ ｌ ｈ ｉ ｔ ｎ ｔ ｄ ｔ ｎ ａ ｏ ｉ ｅ ｅ ｈ ｒ ｉ ｌｌ ｈ ｉ ｏ ａ ａ ｔ ｉ ｔ ｎｄ ｃ ｍｐ ｔ ｐ ｅ ｈ ａ ｉ ｎ
（ 南京 邮电 大学 自动化 学 院 ， 苏 南京 ２０４ ） 江 １０６
摘 要： 背景提 取技 术是 图像 与视频 处理 中的关 键技 术 文中对 静态背 景下 运动 目标 的 提取 算法 进行 了研究 。混 合高 斯
算 法在 近年得 到 了广泛 的关注 ， 算法 使用 固定个 数 的分布建 模 ， 实际 中不能 满 足最 优模 型 ， 但是 在 并且 模 型对 学 习率 的调 整 比较 敏感 。文 中提出 改进 的 自适应 算法 提取 前景运 动 目标 ， 中主要 针对 模型 中 的混 合高 斯分 布 的个数 及 学 习判别 准 其 则进行 了改 进 。实验证 明 ， 改进算 法相 比传 统算法 有着 较好 的 自适 应性并 且检 测效率 较高 。 该 关键 词 ： 景建模 ； 背 运动 目标提 取 ； 混合高 斯模 型 ； 图像 分析 序列
Ｋｅ ｏ ｄ ：ａｋｒｕ ｄｍｏ ｅｉｇ ｍｏｉｇｏｊ ｔ ｘ ａｆ ｎ； ｘ ｒ ｕｓ ｎｍｏｅ；ｅｕｎｉ ｇ ｎｌｓ ｙｗ ｒ ｓｂ ｇｏ ｎ ｄ ｌ ； ｖｎ ｂｅ ｆ ｃｏ ｍｉｔ ｅＯａｓｉ ｄ ｌｓｑ ｅｔ ｉ ｅａａ ｉ ｃ ｎ ｃｅ ｉ ｕ ａ ｌ ａ ｍａ ｙｓ
型 法 是 Ｃ ｒ ｔ ｆ ｒ Ｗ ． ． ．Ｇ ｉｓｎ 提 出 的 一 ｈ ｓＳ ｕｆ 和 ｉ ａ ｅ Ｅ Ｌ ｒ ｏ ｍ
频 处理 的第一步 就是从视频序列 中分离 出所要观察 的
ห้องสมุดไป่ตู้
ＡｂｔａｔＢ ｃ ｇｏ ｎ ｘ ａｔ ｎｉ ａｋｙｓ ｐｆｒｍａｅａｄｖｄｏｐｏｅｓ ｇｔｃｎ ｌｇ ．ｎｔｉ ｐｐｒｔｅｍｏ ｉｇｏｊｃ ｘｒｃｏ ｓ ｃ ： ａｋｒｕ ｄｅ ｔ ｃｏ ｅ ｔ ｏ ｇ ｎ ｉ ｒｃｓｉ ｈ ｏｏ ｙ Ｉ ｓ ａｅ， ｖｎ ｂｅｔ ｔ ｔ ｎｉ ｒ ｒｉ ｓ ｅ ｉ ｅ ｎ ｅ ｈ ｈ ｅ ａｉ ｎ
ｍｏ ｅ ａ ｈ ｐ ｘ ｌａ ｆｘ ｕ ｅ ｆ ｃ ｍｐ ｎ ｎ ｓ ｗｈ ｃ ｓ ｎ ｔｏ ｔ ｌｉ ｅ ｍ ｆ ｄ ｔ ｉ ｎ ａ ｄ ｃ ｄ ｌ ｃ ｉ ｅ ｅ ｎ ｍｂ ｒ ｏ ｏ ｏ ｅ ｔ ， ｉｈ ｉ ｏ ｐ ｍａ ｎ ｔｒ ｏ ｅ ｅ ｏ ｎ ｏｍｐ ｔ ｔ ｎ ｉ ． ｄ ｔ ｅ ａｇ ｒｔ ｍ ｓ ｅ ｉｄ ｉ ｃｔ ｕａ ｏ ａ ｔ ｉ ｌ ｍｅ Ａｎ ｏ ｉ ｈ ｌ ｈ ｉ
Ｏ 引 言
在许多视频监控 系统及 多媒体应 用系 统 中， 视 对
杂场景 中的 目标提取 ； 线性 预测法使 用采样 协方 差来 估计参数 ， 算法运算复杂 ； 核密度 估计算法本身并没有 用 到相关数据分布 的先验知识 ， 能够较 好地适 用于变 化的场景 中 ， 然而算法需要 占用大量内存 ； 混合 高斯模
中 圈分 类号 ：Ｐ１ Ｔ３ 文献标 识码 ： Ａ 文章编号 ：６３ ６９ （０２ ０ — ００ ０ １７ —２ Ｘ ２ １）７ ０ ２— ４
Ｍｏ ｉｇＯｂｅ ｔ ｘｒｃｉｎＢ ｓｄ ｏ ｍｐ ｏ ｅ ｖｎ ｊｃ ｔａ ｔ ａｅ ｎ Ｉ ｒ ｖｄ Ｅ ｏ
Ｇ ａ ｓａ ｉｔ ｅ Ｍ ｏ ｌ ｕｓｉ ｎ Ｍ ｘ ｕｒ ｄｅ
ＹＡＮＧ ｎ ＹＡＮＧ ｉ Ｎｉ ｇ， Ｍ ｎ
（ ｏｌ ｅｏ ｕｏ ｔ ｎ Ｎ ｎｉｇＵ ｉｅ ｉ ｆ ｏｔ ａｄＴ ｌ ｏ ｍｕ ｉ ｔ ｎ ， ａｊ ｇ２ ０ ４ ， ｈｎ ） Ｃ ｌ ｇ ｆ ｔｍａ ｏ ， ａｊ ｎｖｒ ｔ ｏ ｓ ｎ ｅ ｃ ｍ ｎ ａ ｏ ｓＮ ｎｉ １０ ６ Ｃ ｉａ ｅ Ａ ｉ ｎ ｓｙ Ｐ ｓ ｅ ｃｉ ｎ
ｔｅ ｓ ｉ ａ ｋ ｒｕ ｄ ｉ ｔｄｅ Ｉ ｅ ｅ ｔｙ ａｓ ｔｅ Ｇａ ｓｉｎ ｍｉｔｒ ｏ ｔｍ ｅ ｅｖ ｘｅ ｓｖ ｔｅ ｔ ｎ． ｅ ｔａ ｉ ｏ ａ ｇ ｒｔｍ ｈ ｍｆ ｂ ｃ ｇｏ ｎ ｓｓｕ ｉｄ． ｎ ｒｃ ｎ ｅ ｒ ｕ ｓａ ｘｕｅ Ｍｇ ｆｈ ｒｃ ｉｅ ｅ ｔｎｉｅ ａｔｎｉ ｃ ｈ ｉ ｄ ｏ Ｔｈ ｒｄｔ ｎ ｌａ ｏｉ ｉ ｌ ｈ