电子测量技术 第３６卷第１Ｏ期 ２０１３年１０月 ＥＬＥＣＴＲ０ＮＩＣ ＭＥＡＳＵＲＥＭＥＮＴ ＴＥＣＨＮＯＬ０ＧＹ 基 于高 斯混合模型的运动目标检测方法研究 马德智 李巴津 董志学 （１．内蒙古工业大学工程训练中心呼和浩特０１００５１；２．内蒙古工业大学信息工程学院呼和浩特０１００５１； ３．内蒙古工业大学信息工程学院呼和浩特０１００５１） 摘要：在研究比较常用的各种运动目标检测方法的基础之上，结合静止场景运动目标检测的特点，采用基于背景减 除法的高斯混合模型方法进行运动目标检测，即采用高斯混合模型进行背景建模、背景减除法确定目标前景区域，并 通过图像平滑、二值化处理、去噪等方法对图像进行后处理，最终得到目标前景图像。该方法具有运算量小、处理速度 较快的特点。实验结果表明，所设计的嵌人式运动目标检测系统能够检测出较完整的前景区域并判断出目标前景，能 够满足静止场景下运动目标检测的需求。 关键词：运动目标检测；高斯混合模型；背景减除法 中图分类号：ＴＰ３９１．４１ 文献标识码：Ａ 国家标准学科分类代码：５２０．６０４０ Ｍｏｖｉｎｇ ｏｂｊ ｅｃｔ ｄｅｔｅｃｔｉｏｎ ｂａｓｅｄ ｏｎ ｍｉｘｔｕｒｅ Ｇａｕｓｓｉａｎ ｍｏｄｅｌ Ｍａ Ｄｅｚｈｉ Ｉ．ｉ Ｂａｊｉｎ Ｄｏｎｇ Ｚｈｉｘｕｅ （１．Ｅｎｇｉｎｅｅｒｉｎｇ Ｔｒａｉｎｉｎｇ Ｃｅｎｔｅｒ，Ｉｎｎｅｒ Ｍｏｎｇｏｌｉａ Ｕｎｉｖｅｒｓｉｔｙ ｏｆ Ｔｅｃｈｎｏｌｏｇｙ，Ｈｏｈｈｏｔ ０１００５１，Ｃｈｉｎａ； ２．Ｃｏｌｌｅｇｅ ｏｆ ｌｍｆｏｒｍａｔｉｏｎ Ｅｎｇｉｎｅｅｒｉｎｇ，Ｉｎｎｅｒ Ｍｏｎｇｏｌｉａ Ｕｎｉｖｅｒｓｉｔｙ ｏｆ Ｔｅｃｈｎｏｌｏｇｙ，Ｈｏｈｈｏｔ ０１００５１，Ｃｈｉｎａ； ３．Ｃｏｌｌｅｇｅ ｏｆ ＩｍＩｏｒｍａｔｉｏｎ Ｅｎｇｉｎｅｅｒｉｎｇ，Ｉｎｎｅｒ Ｍｏｎｇｏｌｉａ Ｕｎｉｖｅｒｓｉｔｙ ｏｆ Ｔｅｃｈｎｏｌｏｇｙ，Ｈｏｈｈｏｔ ０１００５１，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：Ｂａｓｅｄ ｏｎ ｃｏｍｐａｒａｔｉｖｅ ｓｔｕｄｙ ｏｆ ｖａｒｉｏｕｓ ｔｒａｄｉｔｉｏｎａｌ ｍｅｔｈｏｄｓ ｏｆ ｍｏｖｉｎｇ ｔａｒｇｅｔ ｄｅｔｅｃｔｉｏｎ，ｔｈｅ ｔａｒｇｅｔ ｆｏｒｅｇｒｏｕｎｄ ｉｍａｇｅ ｉｓ ｏｂｔａｉｎｅｄ ｔｈｒｏｕｇｈ ｔｈｅ ｍｅｔｈｏｄ ｏｆ Ｇａｕｓｓｉａｎ ｍｉｘｔｕｒｅ ｍｏｄｅｌ ｂａｓｅｄ ｏｎ ｂａｃｋｇｒｏｕｎｄ ｓｕｂｔｒａｃｔｉｏｎ ｔｏ ｄｅｔｅｃｔ ｔｈｅ ｍｏｖｉｎｇ ｔａｒｇｅｔ，ｗｈｉｃｈ ｕｓｅ ｔｈｅ Ｇａｕｓｓ ｍｉｘｔｕｒｅ ｍｏｄｅｌ ｆｏｒ ｂａｃｋｇｒｏｕｎｄ ｍｏｄｅｌｉｎｇ，ｔｈｅ ｍｅｔｈｏｄ ｏｆ ｂａｃｋｇｒｏｕｎｄ ｓｕｂｔｒａｃｔｉｏｎ ｔｏ ｄｅｔｅｒｍｉｎｅ ｔｈｅ ｔａｒｇｅｔ ｆｏｒｅｇｒｏｕｎｄ ａｒｅａ，ａｎｄ ｔｈｅｎ ｔｈｅ ｉｍａｇｅ ａｒｅ ａｆｔｅｒ－ｐｒｏｃｅｓｓｅｄ ｂｙ ｔｈｅ ｍｅａｓｕｒｅｓ ｏｆ ｉｍａｇｅ ｓｍｏｏｔｈｉｎｇ，ｂｉｎａｒｉｚａｔｉｏｎ ａｎｄ ｎｏｉｓｅ ｒｅｄｕｃｔｉｏｎ．Ｔｈｅ ｍｅｔｈｏｄ ｈａｓ ｔｈｅ ｓｍａｌｌ ａｍｏｕｎｔ ｏｆ ｃｏｍｐｕｔｉｎｇ，ｐｒｏｃｅｓｓｉｎｇ ｓｐｅｅｄ．Ｔｈｅ ｅｘｐｅｒｉｍｅｎｔ ｓｈｏｗｓ ｔｈａｔ ｔｈｅ ｄｅｔｅｃｔｉｎｇ ｓｙｓｔｅｍ ｏｆ ｅｍｂｅｄｄｅｄ ｍｏｖｉｎｇ ｔａｒｇｅｔ ｄｅｓｉｇｎｅｄ ｉｎ ｔｈｉｓ ｐａｐｅｒ ｃａｎ ｄｅｔｅｃｔ ｃｏｍｐｌｅｔｅ ｔｈｅ ｆｏｒｅｇｒｏｕｎｄ ａｒｅａ ａｎｄ ｄｅｔｅｒｍｉｎｅ ｔｈｅ ｔａｒｇｅｔ ｆｏｒｅｇｒｏｕｎｄ，ｍｅａｎｗｈｉｌｅ ｍｅｅｔｉｎｇ ｔｈｅ ｍｏｖｉｎｇ ｔｈｅ ｄｅｍａｎｄ ｏｆ ｔａｒｇｅｔ ｄｅｔｅｃｔｉｏｎ ｕｎｄｅｒ ｓｔａｔｉｃ ｓｃｅｎｅ． Ｋｅｙｗｏｒｄｓ：ｍｏｖｉｎｇ ｔａｒｇｅｔ ｄｅｔｅｃｔｉｏｎ；Ｇａｕｓｓｉａｎ ｍｉｘｔｕｒｅ ｍｏｄｅｌ；ｂａｃｋｇｒｏｕｎｄ ｓｕｂｔｒａｃｔｉｏｎ １ 引 言 敏感，因此时间差分法适用于动态变化场景，但不能完整的 提取出目标前景区域，容易产生空洞现象，且对噪声敏感。 运动目标检测是从图像序列中去除静止的背景区域， 检测并提取出运动前景。目前，常用的运动目标检测方法 有背景减除法、时间差分法、光流法３种。背景减除法是目 同时差分时间间隔的选择将直接影响检测效果的好坏，若 物体的运动速度较快，则需选择较小的时间差，反之，则需 选择较大的时问差。若所选的差分时间间隔不合适，则可 能出现由于２帧图像中没有重叠而被判为２个运动目标和 由于２帧图像几乎完全重叠而被判为无运动目标的情 前最简单最常用的运动目标检测方法之一，它通过对当前 帧图像与背景图像的差分图像进行阈值判断来检测目标前 景区域，背景减除法的计算速度快，检测到的目标前景区域 况 。光流法可以在摄像机运动的情况下实现运动目标的 完整，但对场景光照变化和噪声影响等较敏感，对环境的变 检测，但大多数光流法计算复杂，不适用于无专门硬件支持 化适应度不高…。时间差分法是指对前后时间间隔较小的 的应用环境 ］。 ２幅图像进行差分，并通过阈值化来提取图像中的目标前 相比较而言，背景减除法在实现上更为容易，检测效果 更为可靠，为了改善其存在的背景获取、背景更新等问题， 景区域，进而区分背景和运动物体的一种技术，时间差分法 的计算量较小，运算速度较快，只对运动物体敏感 。由２ 幅时间间隔较小的图像差分得到的差分图像对光照变化不 收稿日期：２０１３－０７ 采用基于背景减除法的高斯混合模型方法对运动目标进行 检测。 ・ ４７ ・ 第３６卷 电 子 测 量技术 一 舞 ２运动目标检测方法 ２．１预处理 与像素ｚ 相匹配的高斯分布的参数更新公式如式（７） 所示： 一一 一Ｎ 一Ｎ ∑ （１一口）叫 一１＋ａ （１一ｌＤ） 一１＋Ｐ ＝∑ ～ （７） 通常，从摄像头获取的图像是彩色图像，它由Ｒ、Ｇ、Ｂ ３ 个单色调配而成，各种单色都人为的从０～２５５分成了２５６ 个级。根据Ｒ、Ｇ、Ｂ的不同组合，获取的彩色图像可以表示 ２５６×２５６×２５６—１６ ７７７ ２１６种颜色。在进行运动目标检 测的过程中，可以直接对彩色图像进行处理，也可以将彩色 （１一１０） ．＋ｐ（ｘ 一 ） 式中：ａ为用户定义的学习率，Ｐ为参数学习率。 若任何高斯分布都不能与像素，３７ 匹配，说明出现了新 图像转换为灰度图像，然后再对灰度图像进行处理，由于彩 色图像文件的存储量较大，且在处理彩色图像时需要占用 大量的机器资源，为了便于后续处理，可将彩色图像转换成 不含彩色信息的灰度图像 ］。彩色图像转换为灰度图像的 公式如式（１）所示。 Ｙ一０．２９９×Ｒ＋０．５８７×Ｇ＋０．１１４ＸＢ （１） 式中：Ｒ为红色分量，Ｇ为绿色分量，Ｂ为蓝色分量，将其分 别乘以相应的系数，相加之后便得到灰度值Ｙ。，●●●●● 、●●●●Ｌ ２．２运动目标检测 ｗ“ 所介绍的运动目标检测方法是在对采集到的视频图像 进行了预处理的基础之上，采用高斯混合模型和背景减除 法相结合的方法进行运动目标检测，其检测过程可由以下 ４个步骤组成。 第１步，参数初始化。计算一段时问内视频序列图像中 每一像素值 的均值 。和方差ｄ：，用ｔｚ。和 ：来初始化高斯 混合模型中Ｍ个高斯分布参数。其中均值 。和方差ｄ：可由 式（２）和式（３）得到，第ｉ个高斯分布的均值和权重取值如 式（４）和式（５）所示。 （２） （３） 一２５５×（ｉ／Ｍ），ｉ一１，２，…，Ｍ （４） 训，一１／Ｍ，ｉ一１，２，…，Ｍ （５） 第２步，参数更新。需要对高斯分布的参数和各高斯 分布的权重进行更新，并根据权重把各高斯分布排序。 在获得新的图像时，需要将当前帧的像素与高斯混合模 型中Ｍ个高斯分布分别匹配，若新获取的像素ｚ 与其中 某个高斯分布满足式（６），则认为该像素Ｘ 与这个高斯 分布匹配。 ，３７ 一 一１ ｌ≤２．５ａ１． １（６） 式中：胁， 为第ｉ个高斯分布的均值， 为第ｉ个高斯分 布在ｔ一１时刻的标准差。 ・ ４８ ・ 的分布，则需要用新的高斯分布替换权重最小的高斯分布， 新的高斯分布的均值为 ，初始化一个较大的标准差 和 一个较小的权重 。，其余的高斯分布保持相同的均值和方 差，但权重会衰减，用式（８）对权重进行更新 ］。 硼 一（１一ａ）ｗ一 （８） 第３步，背景选取。在高斯混合模型中，背景和前景均 由高斯分布来描述，因此判断哪些分布表述背景，哪些分布 描述前景至关重要。高斯混合模型对背景和前景一视同仁 的建立模型，通过其参数学习机制，用权重较大的高斯分布 来描述出现频率较高的背景像素值，用权重较小的高斯分 布来描述前景。高斯混合模型至少应包含３个高斯分布，每 个像素点至少需用２个高斯分布来描述背景，１个高斯分布 来描述前景 。用权重与方差的比值 来判别高斯分布 ｔ．ｔ 是否为背景分布，比值越大为背景分布的可能性就越大，否 则其为背景分布的可能性就越小，比值最小的分布将被新 的分布取代。若用ｉ，，ｉ 一，ｉ 表示各高斯分布在ｔ时刻按 由大到小的排列次序，前个 分布满足式（９），则这 个 １．￡ 分布被认为是背景分布，其余的高斯分布被认为是前景分 布。 ≥０ （９） 式中：０为权重阈值，用来描述背景的高斯分布权重之和的 最小值。 第４步，前景检测。前景检测就是将当前输入帧图像与 背景图像进行比较，通过判断输入像素值与相应背景像素 值之差与阈值Ｔ的大小关系来判定该像素是否为前景像 素 ］，其中Ｔ一２．５ａ一。。像素值 若满足式（１０）就认为该 像素为前景像素，即若当前像素值ｚ 和每个表示背景的高 斯分布均值之差的绝对值都大于所设定的阈值丁，则被判 为前景像素，否则ａＴ 将被判为背景像素。 （１０）
