关健 词 ：混合高斯模型 ；运动 目 标检测 ；背景模型 ；噪声抑制 ；连通区域
Ｍｏ ｉｇｏｂ ｔ ｔｃｉｎ ｇ ｒ ｈ ｖｎ ｊｃ ｅｔ ｏｉ ｍ ｅ Ｄｅ ｏ Ａｌ ｔ
Ｂａ ｅ ｎ Ｉ ｐｒ ｖｅ ｕｓ ｉ ｎ Ｍ ｉ ｔ ｅＭ ｏ ｌ ｓ ｄ ０ ｍ ｏ ｄ Ｇａ ｓａ ｘ ｕｒ ｄｅ
针对该情况， 本文通过在混合高斯模型中引入背景学 习参数 ， 改进了背景模型更新方式， 并且结合像素的八连 通区域 ， 能够在复杂场景中完整地提取出运动 目标 ， 避免
高斯模型（ａｓａ ｘ ｒ Ｍ ｄｌ Ｇ Ｍ） Ｇ ｕｓ ｎＭｉｕｅ ｏｅ Ｍ 为每个像素建立 ｉ ｔ ， 个高斯模型， 很好地描述了复杂背景， 在实时监控和 目
ｄｍｏ ｓａｅｉｆ ｃｉｅ ｅｓｎｄｔｃｉｇｔｅ ｖｎ ｂｅｔｗｈｃｔｙｂｉ ｙｉ ｅｃｍｐｉ ｔｄｃｎ ｉｏ ． ｅ ｎｔ ｔ ｔｅ ｅｔ ｎｓ ｅ ｔ ｉｇｏｊｃｓ ｉｈｓ ｒ ｆ ｔ ｏ ｌａｅｏ ｄｔ ｎ ｒ ｓ ｖ ｉ ｅ ｎ ｈ ｍｏ ａ ｅ ｎｈ ｌ ｃ ｉ
ＳＵＮ ｉｇａ ，ＬＩＨ ｏ Ｙ － ｎｇ ｎｇ， ＺＨ ＡＮ Ｇ ｏ谈球吧 Ｈ ｎｇ— ｉ ｙ ｎｇ
（ ｌｇ ｆ ｒｎ ｕｉａＡ ｔｍａｉｎ Ｃｖｌ ｖａｉ ｉｅｓｙｏ＇ ｈｎ ， ｉｎｉ０ ３ ０ Ｃ ｉａ Ｃｏｌ ｅ Ａｅｏ ａ ｔ ｌ ｕｏ ｔ ， ｉｉＡ ｉ ｏ Ｕｎｖ ｒｉ ｆ ｉａ Ｔａｊ ３ ０ ０ ， ｈｎ ） ｅ ｏ ｃ ｏ ｔｎ ｔ Ｃ ｎ ［ ｂ ｔａ ｔ Ａ ｓｒｃ］Ｍ ｏｉｇｏｊｃｓｃｌｂｏ ｖ ￣ ｄｉｔａｋ ｒｕ ｄｏ ｅｙＧａ ｓｉ ｘｕｅＭｏ ｅ Ｇ ｖｎ ｂｅｔ ａｅｃｎ ｅ ｅ ｏｂｃ ｇｏ ｎ ｎ ｓ ｕｓ ｎＭｉｔｒ ｄ ｌ ＭＭ ） ｅ ｅ ｇ ｔ ｅｓ ｙｎ ｔｌ ｈ ｌ ｎ ｂ ａ （ ｗｈｎｔ ｙｍｉｈ ｔ ｉｇｓｌ ｉ ｔｅ ｈ ｂ ａ ｉ ｎ
ｐ ｒｍｅ ｒｓｎｒｄ ｃｄｔｐ ａｅ ｅ ｄｌ ｃｏｄｎ ｅｄｔｃｉｎｒｓｌｉｒｖｏ ｓ ａ ． ｒｏ ｅ，ｈ ｆｒ ｔ ｎｏ－ｄａｅ ｔ ｏｎ ｃｉｎ ａａ ｔ ｔｏｕ ｅ ｕ ｄｔ ｅ ａｃｒｉｇｔ ｔ ｅ ｔ ｅｕｔｎｐｅ ｉｕ ｍｅ Ｍｏｅ ｖｒｔｅｉ ｏｍａｉ ｆ ａｊｃｎ ｎ ｅｔ ｅ ｉｉ ｏ ｈ ｔ ｍｏ ｏｈ ｅ ｏ ｌ ｆ ｎ ｏ ８ ｃ ｏ
ｓｅ ｅｆｒ ｎｕ ｃｒ ｉｉ ． ｈ ｒｆｒ， ｅ ｍｅ ｏ ａｅ ｎｉ ｒｖ ｄＧＭＭｓｐｏ ｏｅ． ｏｏ ｔｉｏ ｌｅｏｊｃｓ ａｂ ｃ ｇｏ ｎ ａｎｎ ｃｎｏ ｎｅｔ ｎｔ ａ ａ ｍｅ Ｔ ｅｅｏｅ ａｎｗ ｔ ｄｂｓｄｏｍｐｏ ｅ ｈ ｉ ｒｐ ｓｄ Ｔ ｂａ ｃｍｐｅ ｂｅｔ ａｋ ｒｕ ｄｌ ｒｉｇ ｎ ｔ ， ｅ
文章编号：１０ －４８ ０２＿１ ＿ ５ 文献 ００ ３２（ １１＿ ６ ＿ ＿ ２ ） ０ ０ 标识码： Ａ
［ ｙｗｏ ｄ ｉＧａｓｉ ｘｕｅＭｏ ｅ（ Ｋｅ ｒ ｓ ｕ ｓ ｎＭｉｔｒ ａ ｄｌ ＧＭＭ）ｍｏ ｉｇｏ ｊｃｅｅｔ ｎ ｂ ｃｇｏｎ ｄｌｎ ｉ ｕｐｅｓ ｎ ｃ ｎ ｅｔ ｎａｅ ； ｖｎ ｂｅ ｔ ｔｃｉ ；ａｋ ｒｕ ｄｍｏ ｅ； ｏｓ ｓｐ ｒｓｉ ；ｏ ｎｃｉ ｒａ ｄ ｏ ｅ ｏ ｏ
的物体检 测效 果较差 ， 特别 是 当运 动物 体在 场景 中停滞 一 段时 间 ，会造 成漏检 。
频做进一步处理（ 编码、 目 标跟踪、目标分类、 目标行为 理解等） 的基础。运动 目标检测方法主要有光流计算法、
帧间差分 法和 背景 减除法 ３ ， 中，背景减 除法 是 目前 种 其 研 究最 多、 用最广 泛 的方法 。 应 文献 ［ 提 出的 自适应 混合 １ ］
ＤＯＩ １ ． ６ ／ｉ ｎ１０ —４ ８ ０２１ ． ５ ： Ｏ３ ９ｊｓ ．０ ０３ ２ ． １ ．８０ ９ ．ｓ ２ ４
运 动 目 检测 是视频 图像分 析 的重 要部 分 ， 是对视 标 也
和空 间上对像 素进行 建模 ， 减少 了环境 的干 扰 ， 强 了混 增
要：在运动 目标停滞 的情况下 ，传统的混合 高斯模型会将运动 Ｅ ｌ 标误判为背景 ，导致 目 标漏检 。为此 ，提出一种基于 改进混合高斯模
ａｅ ｓｕｉｉｅ ｏ ｓ ｐ ｒｓ ｏｓ ｓａ ｄ ｉ ｒ ｖ ｔ ｔｂｉｔｎ ｔｅ ｃ ｍｐｅ ｎｖｒｎ ｅ ｔ ｅ ｅａ ｘ ｅ ｉ ｎ ｓａ ｅ ｉ ｐｅ ｅ ｔｄ ａ ｄ ｔ ｅ ｕｔ ｒａ ｉ ｔｌ ｄ ｔ ｕ ｐ ｅｓ ｎ ｉｅ ｚ ｎ ｍｐ ｏ ｅ ｉ ｓ ｓ ａ ｌｙ ｉｈ ｏ ｌｘ ｅ ｉｏ ｍ ｎ ．Ｓ ｖ ｒ ｌｅ ｐ ｒｍｅ ｔ ｒｍ ｌｍ ｎｅ ｉ ｎ ｈｅｒ ｓ ｌ ｓ
型的 目 标检测算法 。引入背景学 习参数 ，结合前一帧 的检测结果 自适应地更新背景 ， 从而提取完整 的运动 目标 。利用像素 的八连通 区域信 息抑制噪声 ， 提高算法在复杂环境中的稳定性 。实验结果表 明，与传统检测方法相 比，该算法能够在复杂环境中准确地 检测 出短暂停滞 的
