改進的混合高斯模型算法--閱讀整理

1、改進的混合高斯模型混合高斯背景模型中出現(xiàn)的以下問題: 1) 無法完整準確地檢測大并且運動緩慢的運動目標，運動目標的像素點不集中，只能檢測到運動目標的部分輪廓，無法提取出目標對象的完整區(qū)域; 2) 無法將背景顯露區(qū)域與運動目標區(qū)域很好地區(qū)分開;3) 當運動目標由靜止緩慢轉(zhuǎn)化為運動時，易將背景顯露區(qū)檢測為前景， 出現(xiàn)“影子” 現(xiàn)象; 4) 在有樹枝擺動等復(fù)雜場景中對噪聲的處理效果不佳，對環(huán)境的適應(yīng)性較差0、改進混合高斯模型的運動目標檢測算法 華媛蕾，劉萬軍改進的幀差法：背景更新率的選?。核惴鞒虉D： 背景模型替換1、 基于改進混合高斯模型的背景提取與更新 王丹，劉懷運動目標靜止后快速融合到背景模型

2、中計算量大、耗時長是混合高斯模型的不足之處，混合高斯模型方法需把當前像素點與高斯模型匹配，耗費了大量的計算時間及內(nèi)存空間。對視頻進行預(yù)先判斷，若背景相對簡單，視頻初始階段不包含目標，則可采用均值法( 取10幀20 幀的像素均值進行背景采集) ; 若背景相對復(fù)雜，則采用改進的混合高斯模型進行背景提取，即簡化每個像素所建立的高斯分布函數(shù)的個數(shù)，使其數(shù)量達到自我調(diào)節(jié)的狀態(tài)。高斯模型個數(shù)為K=3，設(shè)置權(quán)重權(quán)限，若權(quán)重小于閾值，則刪除該高斯模型背景突變：連續(xù)數(shù)幀（2030幀）與背景差超過一定閾值，則判斷目標融入背景，加快更新速率背景發(fā)生緩慢變化： 2、 混合交通流視頻檢測中區(qū)域選擇更新 混合高斯背景模型

3、研究 李志慧 勞云騰 王殿海 祁宏生與1的原理一樣，劃分運動區(qū)域與非運動區(qū)域，然后再更新背景3、 基于記憶的混合高斯背景建模 齊玉娟，王延江，李永平對環(huán)境突變問題，主要針對存在光照突變或全局變化場景而提出, 不適合對局部突變場景建模, 如室內(nèi)場景中門的打開/關(guān)閉等。4、 基于自適應(yīng)學(xué)習(xí)速率混合高斯模型的背景消除_趙曉雄動態(tài)背景學(xué)習(xí)速率的改進，通過置信度來評判學(xué)習(xí)速率的替換5、 一種改進的混合高斯模型背景估計方法 蔣明分兩個階段更行背景：處 理 “重疊的高斯分布”：檢測 i 、 j 兩個高斯分布均值的差值，如果差值小于一定閾值T， 則認為兩個高斯分布重疊目標區(qū)域與非目標區(qū)域更新：避免緩慢和滯留目

4、標融為背景問題6、 一種自適應(yīng)調(diào)整K-的混合高斯背景建模和目標檢測算法 韓明，劉教民高斯分量個數(shù)更新：（1） 新增高斯分量（2） 刪除過期的高斯分量 （3） 合并相鄰高斯分量合并更新：自適應(yīng)調(diào)整 的改進模型參數(shù)更新方法： 7、 基于模型切換的自適應(yīng)背景建模方法 左軍毅，潘泉在空間上的自適應(yīng)選取和在時間上的自適應(yīng)切換。墓于高斯混合模型和時間平均模型的雙模型切換式運動目標檢測算法被用于實驗研究。選擇區(qū)域監(jiān)測點作為代表，來判斷是否更新8、 改進混合高斯模型的運動目標檢測與跟蹤算法 黃蘇雨，熊建強目標離開，則清空模板；本文提出了一種基于反饋信息的背景更新算法具體跟新算法沒有9、 混合高斯模型和 LBP

5、 紋理模型相融合的背景建模 劉泉志，胡福喬但是高斯混合模型也只是模擬了單個像素點在時間序列上的分布，而沒有考慮到在一幀圖像中存在的空間上的關(guān)聯(lián)性。最近鄰法則？想法：臨近像素點的高斯模型很相似，從而判斷有沒有運動目標出現(xiàn)，或者從時間上來看，前后時間上混合高斯模型的相近性，來判斷有無目標出現(xiàn)或者遠離，也可以是運動->靜止或者靜止->運動狀態(tài)。而本文是計算前景和背景概率值，利用所得概率值結(jié)合紋理模型來間接的判斷前景和背景。 10、 應(yīng)用改進混合高斯模型的運動目標檢測 張燕平，白云球 -分塊思想分塊思想：首先對視頻幀做分塊處理，用每塊的均值來代替這個塊內(nèi)的各點像素值，然后再對每塊的均值建模

6、。運動目標消失處理：根據(jù)前一幀檢測到的結(jié)果采用一個最小而且能夠完全把目標覆蓋的長方形標記它，當后一幀標記的長方形的中心和前一幀標記的長方形的中心重合（或者兩者差值在一個很小的范圍之內(nèi)）時，則選擇只更新運動目標區(qū)域外的區(qū)域，否則對整幀圖像全部更新。算法流程：從運動到長時間靜止的目標人可以被檢測到，不被融入到背景模型中。11、 改進單高斯模型的視頻前景提取與破碎目標合并算法 黃大衛(wèi) 與上文分塊思想類似前景不參與更新，劃分為快，塊的大小為4*4更新策略：破碎目標合并：“比對就近”算法比較兩個目標區(qū)域之間的最近距離，距離小于一定閾值，則認為是一個目標，進行合并。對于連通區(qū)域的計算，采用邊緣檢測，從而減少計算量。12、 一種基于高斯混合模型的運動目標檢測改進算法 陳世文，蔡念加權(quán)更新均值和方差：13、 基于紋理特征的混合高斯背景建模算法研究 馮 璞 ，李玉患，李 勃 ，游旭晨 2016年5月要提取像素周圍5* 5 圖像塊的均值、標準差、最大值 、最小值和當前像素值 ，然后再用混合高斯模型節(jié)能型建模。14、 基于顯著性檢測和高斯混合模型的早期視頻煙霧分割算法 賈陽 林高華 201615、 結(jié)合三幀差分與改進混合高斯模型的運動目標 廖武 趙新民 2016年2月思想：想用三