电力监控系统中运动目标检测算法研究

ＥｌｅｃｔｒｉｃＰｏｗｅｒＳｃｉｅｎｃｅａｎｄＥｎｇｉｎｅｅｒｉｎｇ

电力科学与工程

Ｖｏｌ􀆰３４，Ｎｏ􀆰５Ｍａｙ，２０１８

ｄｏｉ：１０􀆰３９６９／ｊ􀆰ＩＳＳＮ􀆰１６７２－０７９２􀆰２０１８􀆰０５􀆰０１０

电力监控系统中运动目标检测算法研究

王　青，杨耀权

（华北电力大学控制与计算机工程学院，河北保定０７１００３）

摘　要：针对传统运动目标检测算法在实际应用场景中适应性较差、检测效果不太理想的问题，提出了一种融合三帧差分法与背景减除法的改进算法。首先，在三帧差分法的基础上，引入Ｃａｎｎｙ边缘检测对其进行改进，以获取运动目标的完整轮廓；然后将目标轮廓和基于混合高斯模型的背景减除法提取的中间帧的运动前景相或，经过孔洞填充等一系列形态学处理，最终实现运动目标检测。仿真实验结果表明，改进的算法能够适应复杂的环境，将电力监控系统中的运动目标完整、准确地提取出来。

关键词：运动目标检测；三帧差分法；背景减除法；边缘检测；混合高斯模型中图分类号：ＴＰ３９１　　文献标识码：Ａ　　文章编号：１６７２－０７９２（２０１８）０５－００５３－０５

Ｒｅｓｅａｒｃｈｏｎｍｏｖｉｎｇｔａｒｇｅｔｄｅｔｅｃｔｉｏｎａｌｇｏｒｉｔｈｍｉｎ

ｐｏｗｅｒｍｏｎｉｔｏｒｉｎｇｓｙｓｔｅｍ

ＷＡＮＧＱｉｎｇ，ＹＡＮＧＹａｏｑｕａｎ

（ＳｃｈｏｏｌｏｆＣｏｎｔｒｏｌａｎｄＣｏｍｐｕｔｅｒＥｎｇｉｎｅｅｒｉｎｇ，ＮｏｒｔｈＣｈｉｎａＥｌｅｃｔｒｉｃＰｏｗｅｒＵｎｉｖｅｒｓｉｔｙ，Ｂａｏｄｉｎｇ０７１００３，Ｃｈｉｎａ）

Ａｂｓｔｒａｃｔ：Ａｉｍｉｎｇａｔｔｈｅｐｒｏｂｌｅｍｓｏｆｐｏｏｒａｄａｐｔａｂｉｌｉｔｙａｎｄｕｎｓａｔｉｓｆａｃｔｏｒｙｄｅｔｅｃｔｉｏｎｒｅｓｕｌｔｓｏｆｔｈｅ

ｔｒａｄｉｔｉｏｎａｌｍｏｖｉｎｇｔａｒｇｅｔｄｅｔｅｃｔｉｏｎａｌｇｏｒｉｔｈｍｓｉｎｐｒａｃｔｉｃａｌａｐｐｌｉｃａｔｉｏｎｓｃｅｎａｒｉｏｓ，ａｎｉｍｐｒｏｖｅｄａｌｇｏｒｉｔｈｍｐｒｏｐｏｓｅｄ．Ｆｉｒｓｔｏｆａｌｌ，ｔｈｅｔｈｒｅｅ⁃ｆｒａｍｅｄｉｆｆｅｒｅｎｃｅｍｅｔｈｏｄｗａｓｉｍｐｒｏｖｅｄｂｙＣａｎｎｙｅｄｇｅｄｅｔｅｃｔｉｏｎｏｐｅｒａｔｏｒｔｏｏｂｔａｉｎｔｈｅｃｏｍｐｌｅｔｅｏｕｔｌｉｎｅｏｆｔｈｅｍｏｖｉｎｇｔａｒｇｅｔ．Ｓｅｃｏｎｄｌｙ，ｔｈｅｃｏｎｔｏｕｒｓｏｆｔｈｅｍｏｖｉｎｇｔａｒｇｅｔｐｅｒｆｏｒｍｅｄＯＲｏｐｅｒａｔｉｏｎｗｉｔｈｔｈｅｍｏｔｉｏｎｆｏｒｅｇｒｏｕｎｄｏｆｔｈｅｍｉｄｄｌｅｆｒａｍｅｗｈｉｃｈｗｅｒｅｅｘｔｒａｃｔｅｄｂｙｍｏｒｐｈｏｌｏｇｉｃａｌｐｒｏｃｅｓｓｉｎｇｓｕｃｈａｓｈｏｌｅｆｉｌｌｉｎｇ，ｔｈｅｍｏｖｉｎｇｔａｒｇｅｔｄｅｔｅｃｔｉｏｎｗａｓｆｉｎａｌｌｙａｃｈｉｅｖｅｄ．Ｔｈｅｓｉｍｕｌａｔｉｏｎｅｘｐｅｒｉｍｅｎｔａｌｒｅｓｕｌｔｓｓｈｏｗｔｈａｔｔｈｅｉｍｐｒｏｖｅｄａｌｇｏｒｉｔｈｍｃａｎａｄａｐｔｔｏｔｈｅｃｏｍｐｌｅｘａｃｃｕｒａｔｅｌｙ．

ｔｈａｔｃｏｍｂｉｎｅｄｔｈｅｔｈｒｅｅ⁃ｆｒａｍｅｄｉｆｆｅｒｅｎｃｅｍｅｔｈｏｄａｎｄｔｈｅｂａｃｋｇｒｏｕｎｄｓｕｂｔｒａｃｔｉｏｎｍｅｔｈｏｄｗａｓ

ｔｈｅｂａｃｋｇｒｏｕｎｄｓｕｂｔｒａｃｔｉｏｎｍｅｔｈｏｄｂａｓｅｄｏｎｔｈｅＧａｕｓｓｉａｎｍｉｘｔｕｒｅｍｏｄｅｌ，ａｎｄａｆｔｅｒａｓｅｒｉｅｓｏｆｅｎｖｉｒｏｎｍｅｎｔｗｅｌｌａｎｄｅｘｔｒａｃｔｔｈｅｍｏｖｉｎｇｔａｒｇｅｔｓｉｎｔｈｅｐｏｗｅｒｍｏｎｉｔｏｒｉｎｇｓｙｓｔｅｍｃｏｍｐｌｅｔｅｌｙａｎｄＫｅｙｗｏｒｄｓ：ｍｏｖｉｎｇｔａｒｇｅｔｄｅｔｅｃｔｉｏｎ；ｔｈｒｅｅ⁃ｆｒａｍｅｄｉｆｆｅｒｅｎｃｅｍｅｔｈｏｄ；ｂａｃｋｇｒｏｕｎｄｓｕｂｔｒａｃｔｉｏｎｍｅｔｈｏｄ；ｅｄｇｅｄｅｔｅｃｔｉｏｎ；Ｇａｕｓｓｉａｎｍｉｘｔｕｒｅｍｏｄｅｌ

收稿日期：２０１８－０４－０２

作者简介：王　青（１９９２—），女，硕士研究生，主要研究方向为数字图像处理；

杨耀权（１９６２—），男，教授，主要研究方向为智能测控技术、数字图像处理。

５４

电力科学与工程

２０１８年

０　引言

　　随着我国经济的蓬勃发展，社会的不断进步，人们开始更多地关注其生活、工作环境中的安全问题。智能视频监控系统应运而生，并在安防领域、军事领域、交通领域以及医学领域得到了广泛地应用［１］。在安全事故易发的电力行业，视频监控系统可用于特定区域的非法入侵、周界防范检１　理论分析

１􀆰１　帧间差分法

帧间差分法［９］主要通过分析比较视频序列里

连续几帧图像间的差异，对运动目标的存在与否进行判断：假若视频序列里从未出现运动物体，则帧与帧之间的差异几乎为零；当视频序列里出现运动物体时，运动物体所处的位置在帧与帧之间测，以保障变电站、发电站等的公共安全；通过对危险的设备仓库进行警戒线穿越检测、报警，以保障工作人员的人身安全；对输电线进行破损、下坠检测，防止破损的输电线引燃周边野草，造成不必要的人员伤亡和经济损失等。

运动目标检测算法的准确性一直是国内外学者研究的重点。在电力监控系统中，常见的目标检测算法［２～４］主要有：帧间差分法和背景减除法。针对这两种主流目标检测算法的局限性，科研人员提出了一系列改进算法。文献［５］通过依次提取背景减除法与帧间差分法的运动前景，并将二者进行逻辑“或”运算，避免了目标检测中“孔洞”和“鬼影”的产生。文献［６］通过将帧间差分法与高斯混合模型相结合，消除了实际场景中噪声、光线变化等因素对目标检测的影响，提高了目标检测的准确度。文献［７］将帧间差分法引入ＶｉＢｅ背景建模算法，用以快速消除目标检测中的鬼影现象，使得检测结果更加精确。文献［８］通过判定视频序列各个像素点的运动情况，建立理想的背景模型，用以降低局部运动、噪声等对目标检测精度的影响。

目前，电力监控系统中运动目标检测算法的研究已相对成熟，能够满足人们的基本需求。但是，现实应用场景中的光线明暗、背景变化、目标间遮挡以及周围环境存在的噪声等都会对目标检测的准确性产生不利影响。针对上述存在的问题，提出了一种改进的运动目标检测算法。首先使用Ｃａｎｎｙ边缘检测算子，对经典三帧差分法进行改进；然后，将该方法的检测结果与基于混合高斯模型的背景减除法的检测结果相或，从而实现目标检测。通过进行仿真实验，验证了该改进算法用于提取电力监控系统中运动目标的有效性与实用性。

会存在较大差异，依据此原理可实现运动目标检测。其中，三帧差分法的应用最为广泛，该方法通过依次选取视频里的３帧图像，并对其进行两两差分处理，可以去除运动目标在视频相邻帧间的显露部分，使提取出来的目标轮廓更为精确。具体实现步骤如下（１）取的图像进行灰度化处理依次选取视频序列里连续的：

，得到灰度图像３帧图像，ｆ并对选ｙｋ－１（ｘ，

（２）），ｆｋ（ｘ，ｙ）和ｆｋ＋１（ｘ，ｙ到差分图像对邻近的每组灰度图像进行两两差分处理）。

ｄ，得ｋ（ｘ，ｙ）与ｄｋ＋１下：

（ｘ，ｙ）。公式描述如ｄｄｋ（ｘ，ｙ）＝｜ｆｋ（ｘ，ｙ）－ｆｋ－１（ｘ，ｙ）｜

（１）（３）ｋ＋１（ｘ，ｙ）＝｜ｆｋ＋１（ｘ，ｙ）－ｆｋ（ｘ，ｙ）｜（２）

差分图像二值化选择一个合适的阈值，获得对应的二值图像Ｔ，将步骤（２）Ｂ中得到的Ｂｘ，ｙ）。

ｋ（ｘ，ｙ）与ｋ＋１（Ｂｋ（ｘ，ｙ）＝

{１，０，ｅｌｓｅ

ｄｋ（ｘ，ｙ）≤Ｔ

（３）Ｂｋ＋１(ｘ，ｙ)

＝{０，（４）将Ｂ１，ｄｅｌｓｅ

ｋ＋１

（ｘ，ｙ）≤Ｔ（４）

ｋ（ｘ，ｙ）和Ｂｋ＋１从而得到运动目标Ｒ１，（（Ｂｘｘ，，ｙｙ）。

）进行逻辑“与”运算，ｋ１Ｒｋ１（ｘ，ｙ）＝

{ｋ（ｘ，ｙ）∩Ｂｋ＋１（ｘ，ｙ）

（５）

１􀆰２　背景减除法

０，ｅｌｓｅ

背景减除法的基本思想［１０，１１］是：首先，依次读

取视频序列中的每一帧图像，并将当前帧ｆｋ和更新后的背景帧ｂ（ｘ，ｙ）

ｄｋ－１（ｘ，行阈值分割）；然后，得到二值图像，选择合适的阈值ｙ）相减ＲＴ，，获取差分图像ｋ（ｘ，ｙ对ｄｋ（ｘ，ｙ）进ｋ２形态学处理，从而实现运动目标检测（ｘ，ｙ），经过一系列。公式描述如下：

第５期王　青，等：电力监控系统中运动目标检测算法研究

　５５

ｄｋ（ｘ，ｙ）＝｜ｆｋ（ｘ，ｙ）－ｂｋ－１（ｘ，ｙ）｜Ｒｋ２（ｘ，ｙ）＝

　　背景减除法适用于固定场景中运动目标的检背景变化等因素的影响。因此，该算法的难点在于建立和维护理想的背景模型，即算法在实现过程中需要对背景图像进行实时更新。

{１，ｅｌｓｅ

０，ｄｋ（ｘ，ｙ）≤Ｔ

（６）（７）

点，反之判定其为前景点。

２　本文算法

　　本文提出的改进算法的具体实现主要包括２个步骤：第一，引入Ｃａｎｎｙ边缘检测算子对经典三帧差分法进行改进，以提取运动目标的完整轮廓；第二，将该改进算法和背景减除法进行融合。测，检测的准确性会受到现实场景中的光线明暗、

目前，比较常见的背景建模方法［１２］主要包括：中值背景建模、均值背景建模、单高斯分布模型以及混合高斯分布模型。鉴于混合高斯模型对于复杂的应用场景具有良好的适应能力，所以本文将采用该方法对背景图像进行实时更新。混合高斯背景建模的步骤［１３－１６］如下所示：

（１）图像的信息模型初始化（２）Ｉ匹配判定，将混合高斯模型的参数初始化。根据所选取视频序列中第一帧。按照公式（８），将ｔ时刻的像素值。ｔ型进行匹配，分别和已经建立的，假使符合匹配条件Ｋ（一般取值，就判定该点是背３～５）个高斯模景点。

｜Ｉｔ（ｘ，ｙ）－μｉ，ｔ－１（ｘ，ｙ）｜＜２􀆰５σｉ，ｔ－１（ｘ，ｙ）

１式中时刻的均值和标准差：μｉ，ｔ－１和σｉ，ｔ－１分别为第。

ｉ个高斯分布在（８）

ｔ－

（３）的参数均值参数更新μ。，更新符合匹配条件的第方差σ２ｉ个模型ｉ，ｔｉ，ｔ以及权重ωｉ，ｔ代表学习速率。

，式中的αμｉ，ｔ＝（１－α）μｉ，ｔ－１＋αＩｔσ２２２

（９）

ｉ，ｔ＝（１－α）σｉ，ｔ－１＋α（Ｉｉ，ｔ－μｉ，ｔ⁃ｉ）

（１０）（４）ωｉ，ｔ＝（１－α）ωｉ，ｔ－１＋α

（１１）

操作如果新像素与任何模型均不匹配：如果此刻模型的数目已经到达所允许的最，则进行下述大数目，则删掉模型集合中重要性最小的单模型；反之（５）模型遵循优先级待模型参数更新完毕后，则增加一个新模型。

ω，将各个像素点的Ｋ个ｉ，ｔ将前Ｂ个模型称作背景图像的最佳描述／σｉ，ｔ，由大到小依次罗列。公式描，并述如下：

Ｂ＝ａｒｇ（ｍｉｎ∑ｂ

ｋ＝１ωｋ＞Ｔ１）

（１２）

式中：Ｔ１的取值范围为０􀆰５＜Ｔ（６）述依次匹配根据公式，假若匹配成功（８），分别将Ｉ１＜１。

ｔ与得到的Ｂ个最佳描，就判定该像素是背景

２􀆰１　改进的三帧差分法

经典三帧差分法虽然能够快速地将电力监控系统中的运动目标轮廓提取出来，但是，使用该算法提取出来的运动目标依然存在着边缘不清晰、轮廓不连续的问题。针对该算法的局限性，引入Ｃａｎｎｙ下：

边缘检测算子对其进行改进，具体实现如（１）ｙ（２））与利用经典三帧差分法获得两张差分图像择阈值计算差分图像的灰度平均值图像ｄｄｋ（ｘ，ｋ＋１（ｘ，ｙ）。

Ｔ，对其进行阈值分割，得二值图像Ｇｋ（ｘ，Ｂｙ）；选ｙ）。公式描述如下：

ｋ１（ｘ，

Ｇｋ（ｘ，ｙ）＝

ｄｋ（ｘ，ｙ）＋{２

ｄｋ＋１（ｘ，ｙ）

（１３）Ｂｋ１（ｘ，ｙ）＝

１，

０，Ｇｋ(ｘ，ｙ)≤Ｔｅｌｓｅ

（１４）

（３）得到依次对前２张边缘图像２帧视频图像进行ＣＣａｎｎｙ边缘提取，（４）将２张边缘图像逻辑ｋ－１（“ｘ，异或ｙ）和”运算Ｃｋ（ｘ，，获得异或图

ｙ）。像Ｘｋ（ｘ，ｙＸ）。

ｋ式中：⊕表示异或运算符（ｘ，ｙ）＝Ｃｋ－１。

（ｘ，ｙ）Ｃｋ（ｘ，ｙ）

（１５）

（５）“形态学处理与”将异或图运算，并将运算结果进行腐蚀Ｘｋ（ｘ，ｙ）与二值图Ｂｋ１（ｘ，ｙ）逻辑，最终得到目标轮廓Ｃ、膨胀等一系列　Ｃ，ｙ）＝Ｘｋ（ｘ，ｙ）。

ｋ（ｘｋ（ｘ，ｙ）∩Ｂｋ１（ｘ，（１６）

比较清晰　虽然改进的三帧差分法提取出来的目标轮廓ｙ）

、完整，但是该改进算法依然存在着传统帧差法的缺陷，即检测出来的目标会出现“空洞”现象。所以，本文将在该改进算法的基础之上，结合背景减除法，最终实现电力监控系统中运动目标的检测。

２􀆰２　改进的运动目标检测算法

针对传统帧间差分法只能够检测出运动目标的大体轮廓，而背景减除法的具体实现依赖于理

５６

电力科学与工程

２０１８年

想模型的建立的缺点，为了提高目标检测的准确性与完整性，消除单独使用这两种算法存在的缺陷，提出一种改进的运动目标检测算法。

改进算法的基本思想是：依次使用本文提出的结合边缘检测的三帧差分法和基于混合高斯模型的背景减除法对视频序列进行处理，得到运动然后，将这２张图像进行逻辑“或”运算，得到二值图像Ｒｋ（ｘ，ｙ）；最后，对二值图像进行包括腐蚀、膨目标的边缘图像Ｃｋ（ｘ，ｙ）和前景图像Ｒｋ２（ｘ，ｙ）；

胀以及孔洞填充在内的一系列形态学处理，从而提取出运动目标（ｘ，ｙ）。＝公式描述如下Ｃ，ｙ）∪Ｒ：

Ｒｋｋ（ｘｋ２（ｘ，ｙ）

（１７）

３　实例分析

　性　，本文选取采集自某电厂为了验证改进的运动目标检测算法的有效１０ｋＶ配电室的一段视频作为测试视频。

Ｍｉｃｒｏｓｏｆｔ仿真实验是在Ｗｉｎｄｏｗ１０操作系统中、

仿真实验的内容包括ＶｉｓｕａｌＳｔｕｄｉｏ：依次使用经典三帧差分法２０１３开发环境下进行的。、结合Ｃａｎｎｙ边缘检测的三帧差分法、基于混合高斯模型的背景减除法以及本文提出的改进的运动目标检测算法对采集的测试视频进行处理，并将运动目标提取出来。实验仿真结果如图１所示。

通过分析图１（ｂ）的实验仿真结果，可以得出，使用经典三帧差分法只能够提取出运动目标的大体轮廓。比较图１（ｂ）的２幅图像，能够发现左图检测到的目标轮廓明显比右图更加清晰、完整，这是因为当运动目标所处位置在视频序列连续几帧中变化相对明显时，使用该算法可以比较完整地将目标轮廓提取出来；当运动目标在视频序列连续几帧图像中存在大量重叠区域时，使用该算法提取的目标轮廓会存在很多不连续点。

图１（ｃ）是使用改进的三帧差分法获得的仿真实验结果。由于该方法是在求得灰度平均值图像的基础上进行的阈值分割，并且引入了Ｃａｎｎｙ边缘检测，所以提取出来的轮廓比较清晰。通过比较图１（ｂ）和图１（ｃ）的实验仿真结果可以得出，使用改进的三帧差分法对测试视频中的运动目标进行提取，能够将目标轮廓较清晰、完整地提取出来，克服了使用经典三帧差法提取出的运动目标存在轮廓不明显、边缘不清晰的问题。

图１　不同算法的检测结果

图１（ｄ）是使用基于混合高斯模型的背景减除法得到的实验仿真结果。该方法通过使用混合高斯模型对背景图像进行实时更新，在理想环境下能够实现运动目标的完整提取；然而在复杂的实际应用场景中，往往不能及时反映现实场景的变化，容易将物体运动过程中产生的背景显露区域检测为前景，导致提取出来的运动目标出现“拖影”现象，经过一系列形态学处理后，会使得运动目标的部分形体缺失。通过将图１（ｄ）与图１（ｂ）、图１（ｃ）比较，可以得出：使用该方法提取出来的运动目标虽然比较完整，但是由于目标“拖影”经形态学处理掉了，使得目标的整体轮廓并不完整。

图１（ｅ）是使用本文算法得到的仿真实验结果。该方法通过将图１（ｃ）和图１（ｄ）的检测结果进行“或”运算，然后对运算结果进行孔洞填充等形态学处理，使得所提取的目标完整、轮廓清晰。将图１（ｅ）与图１（ｃ）的检测结果进行比较，该方法弥补了单独使用改进的三帧差分法，得到的目标

第５期王　青，等：电力监控系统中运动目标检测算法研究

Ｐｒｏｃｅｓｓｉｎｇ，２０１１，２０（６）：１７０９－１７２４．

　５７

存在“空洞”的缺陷；将图１（ｅ）与图１（ｄ）进行比较，该方法克服了单独使用背景减除法，获取的目标不完整的问题；通过进行孔洞填充，弥补了单纯将２者进行“或”运算得到的目标内部存在一些孔洞的问题。

［５］　刘玉婷，席庆彪，刘慧霞．一种基于帧间差的快［６］　苏剑臣，李策，杨峰．基于边缘帧差和高斯混合［７］　魏洪涛，李瑾，吴细秀．融合帧差和ＶｉＢｅ的运动

目标检测算法［Ｊ］．计算机应用研究，２０１７，３４（５）：１５６５－１５６７．

２０１８（３）：１－２．２０１４，３１（７）：３６－４０．

速ＵＡＶ运动目标检测方法［Ｊ］．计算机仿真，

模型的行人目标检测［Ｊ］．计算机应用研究，

３　结论

　　本文首先引入Ｃａｎｎｙ边缘检测算子对经典三帧差分法进行改进，弥补了经典三帧差分法对于运动过快或过慢的物体，检测出来的结果往往存在着边缘不清晰的缺陷的问题，能够将目标轮廓清晰、完整地提取出来；将改进后的三帧差分法和基于混合高斯模型的背景减除相融合，既可以克服三帧差分法提取出来的运动目标存在“空洞”的问题，又能够弥补传统混合高斯模型自适应性差、检测出来的目标不完整的缺点。仿真实验结果表明，改进的算法能够适应复杂的环境，将电力监控系统中的运动目标准确、完整地提取出来，并为之后电力安全防护系统的构建打下基础。

参考文献：

［１］　韩兴平力系统中的应用，王飞，许自纲［Ｊ］．．电力科学与工程数字视频监控技术在电，２００８，

［２］　柯天兵２４（９）：，李永倩５５－５８．

与跟踪算法研究．电力系统视频监控中目标检测［Ｊ］．电力科学与工程，２０１４，

［３］　代科学３０（１）：４２－４６．检测减背景技术的研究现状和展望，李国辉，涂丹，等．监控视频运动目标

［Ｊ］．中国图象图形学报，２００６，１１（７）：９１９－９２７．

［４］　ＢＡＲＮＩＣＨｕｎｉｖｅｒｓａｌｓｅｑｕｅｎｃｅｓｂａｃｋｇｒｏｕｎｄＯ，ＤＲＯＯＧＥＮＢＲＯＥＣＫＭＶ．ＶｉＢｅ：ａ

［Ｊ］．

ＩＥＥＥｓｕｂｔｒａｃｔｉｏｎＴｒａｎｓａｃｔｉｏｎｓａｌｇｏｒｉｔｈｍｏｎｆｏｒＩｍａｇｅ

ｖｉｄｅｏ［８］　刘仲民的视频序，何胜皎列运动，目胡文瑾标检，测等［．Ｊ］．基于背景减除法计算机应用，

［９］　陈宝远２０１７，３７，霍智超（６）：１７７７，陈光毅－１７８１．差分运动目标检测算法，［Ｊ］．等．应用科技一种改进的三帧，２０１６，

［１０］　杜倩４３（２）：１０－１３．

京：华北电力大学．安防监控中的视频分析技术研究，２０１２．

［Ｄ］．北

［１１］　周同［Ｊ］．雪液晶与显示，朱明．视，２０１７，频图像３２中（１）：的运４０动－目４７．标检测［１２］　张应辉目标检，测刘养硕［Ｊ］．．计基于帧差法和背景差法的运动

算机技术与发展，２０１７，２７［１３］　（２）：范文超２５模型的运动目标检测，－李晓宇２８．

，魏凯，［等Ｊ］．．基于改进的高斯混合

计算机科学，２０１５，

［１４］　４２ＣＵＩ（５）：２８６－２８８．

ｏｎＷＰ，ＳＨＥＮＪＺ．Ｍｏｖｉｎｇｔａｒｇｅｔｄｅｔｅｃｔｉｏｎｂａｓｅｄ

ＴｅｃｈｎｏｌｏｇｙｉｍｐｒｏｖｅｄａｎｄＧａｕｓｓｉａｎＤｅｖｅｌｏｐｍｅｎｔ，ｍｉｘｔｕｒｅｍｏｄｅｌ２０１２，［Ｊ］．３７（４）：Ｃｏｍｐｕｔｅｒ［１５］　郭伟－１２４．

１１８型的运动目标检测算法，高媛媛，刘鑫焱．改进的基于混合高斯模

［Ｊ］．计算机工程与应用，２０１６，５２（１３）：１９５－２００．

［１６］　华媛蕾检测算法，刘万军［Ｊ］．．计算机应用改进混合高斯模型的运动目标

，２０１４，３４（２）：５８０－５８４．