运动检测是智能视频监控系统中的一项关键技术，背景去除对于运动检测来说是必不可少的一个步骤，所以一个好的背景去除方法有着其重要的意义。

为此，国内外的研究人员提出许多方法，例如，[1]利用最近 n 帧的中值作为背景模型，但该方法的前景会污染背景，无法做到完全分离去除；[2]对每个像素构建一个模型，使得能适应场景中的光照变化，但是其不能很好地处理多模态背景的情况；[3]把像素分布看作高斯分布，对背景建模；[4]在此基础上用K 个高斯混合模型(Gaussian Mixture Model, GMM)表示像素分布，解决了像素的多峰分布的问题，克服了光照变化、树枝晃动等因素造成的影响。但它仍存在如下缺点：

(1)现有的混合高斯背景建模方法固定高斯分布的个数，通常为 3 个~ 5 个。每个高斯模型对应着场景的一个状态，固定高斯分布的个数会产生多余的高斯分布，照成系统资源的大量浪费。

(2)现有的混合高斯背景建模算法更新速度过慢，不能实时的反应实际背景的变化，例如当静止的物体缓慢运动时会不断移出背景，检测结果就会出现“鬼影”或者拖影。

[5]在混合高斯模型的基础上采用分层的思想，比较输入像素与两层背景模型的分布关系来消除“鬼影”，该算法存在参数多不易调节的缺点。[6]使用粒子滤波反馈的目标运动信息来指导混合高斯背景建模，因为粒子滤波算法时间复杂度比较高，所以该算法比较耗时。

在上述方式的基础上又产生一种有效的在线背景减法方法，它可以应用于具有前景和背景变化的实用视频。不同于以往常用的高斯分布或拉普拉斯分布模型，该方法用高斯分布(MoG)的具体混合模型对每个帧的前景进行建模，并通过框架对其进行在线更新。特别地，MoG模型在每一帧中都是通过前几帧的学习前景/背景知识来规范的。这使得在线MoG模型具有很强的鲁棒性、稳定性和自适应的前景和背景变化。该模型可作为一种简洁的概率映射模型，可以很容易地用EM算法求解。进一步将仿射变换算子嵌入到所建议的模型中，该模型可以自动调整以适应各种视频背景变换，使该方法对相机的运动更加稳健。利用子采样技术，可以将所提方法平均速度提高到每秒250帧以上，满足实际视频处理任务的实时背景减法要求。与先进的在线和离线背景下的减影方法相比，在合成和真实视频上的广泛实验证实了所提方法的优越性。

2. 研究的基本内容与方案

1基本内容与目标

本次毕业设计内容是基于MATLAB完成视频或者图像的背景去除。MATLAB是 Matrix Laboratory 的缩写，是一款由美国 MathWorks 公司出品的商业数学软件。是一种适用于算法开发、数据可视化、数据分析以及数值计算的高级技术计算语言和交互式环境。它将数值分析、矩阵计算、科学数据可视化以及非线性动态系统的建模和仿真等诸多强大功能集成在一个易于使用的视窗环境中，为科学研究、工程设计以及必须进行有效数值计算的众多科学领域提供了一种全面的解决方案，并在很大程度上摆脱了传统非交互式程序设计语言（如C、Fortran）的编辑模式，代表了当今国际科学计算软件的先进水平。

在本次毕业设计中，我要具体要完成下面的内容来实现毕设的目标。

（1）调研，了解现阶段国内外背景去除技术，查阅相应的文献资料；