单高斯背景模型运动目标检测方法 随着现代安防监控技术的发展，运动目标检测技术已逐 用于银行商店地铁站飞机场等场合的智能视频监控系 背景减除法是目前运动分割中最常用的一种方法，能够 最完全的特征数据，其基本思想是用当前图像与 建立好 景模型相减，之后根据阈值判断是否有运动物 因此，在背 除法的实际应用中，需要解决两个问题 ：一是采用什么样 型来有效表示图像序列中的背景及其变化；二是怎样消除 断为运动区域中的阴影 在对传统的单高斯背景模型建立和更新算法进行改进 础上，建立背景模型，有效提取运动信息

针对视频背景建模和运动目标检测，此处提出一种基于分块模型更新的单高斯背景建模方法。以替代传统方法中对单变量点的建模。由于块变量的平均更符合高斯分布特性，有利于发挥单高斯建模方法的优势，因此增强了算法应对复杂背景的能力，同时分块建模也有效降低了算法复杂性。针对破碎团块的合并问题，此处提出一种“比对就近”的策略，将相隔距离在设置阈值内的团块合并为一个目标。提方法的有效性。

针对传统单高斯背景模型(SGM)检测中背景模型不能很好地自适应背景变化等问题，提出了一种改进的单高斯背景模型检测的方法。该方法取前N 帧做均值建立初始背景模型，然后利用三帧差法计算得出背景作为本文需要处理的背景区域。同时，对帧差法获得的背景区域分区，划分出大面积静止区域、历史变化区域及该变化区域的历史轨迹区域。赋予大面积静止区和历史变化区固定更新率，同时历史变化区域的历史轨迹区域按照时间分布，给予线性衰减的更新率，在此基础上进行背景模型参数的更新，最终通过背景差分法得出运动的目标。实验表明，改进

针对传统单高斯背景模型(SGM)存在的背景模型不能很好地自适应背景变化、目标检测不完整的问题，提出了一种改进的单高斯背景模型运动目标检测算法，该方法结合单高斯背景模型和mean shift原理对运动目标进行检测。取前N帧视频样本的均值作为初始背景模型，对当前帧图像进行运动目标的初检测，根据单高斯背景模型更新原理用当前帧图像对检测为背景的点进行背景模型更新，对更新后的背景模型中不属于背景点的像素点进行mean shift修正，将进行mean shift修正后得到的背景模型作为最终的背景模型，再通过