中国学术期刊网络出版总库
  关闭
基于充分统计量的在线背景减除方法  
   推荐 CAJ下载 PDF下载
【英文篇名】 Online background subtraction based on sufficient statistics
【下载频次】 ★☆
【作者】 袁舟; 钱徽; 陈鹏; 朱淼良;
【英文作者】 Yuan Zhou Qian Hui Chen Peng Zhu Miaoliang (College of Computer Science and Technology; Zhejiang University; Hangzhou 310027; China);
【作者单位】 浙江大学计算机科学与技术学院;
【文献出处】 华中科技大学学报(自然科学版) , Journal of Huazhong University of Science and Technology(Natural Science Edition), 编辑部邮箱 2011年 S2期  
期刊荣誉:中文核心期刊要目总览  ASPT来源刊  中国期刊方阵  CJFD收录刊
【中文关键词】 在线算法; 收敛性; 高斯混合; 背景减除; 充分统计量; 运动目标;
【英文关键词】 online algorithm; convergence; Gaussian mixture; background subtraction; sufficient statistics; moving objects;
【摘要】 提出了一种使用高斯混合背景模型和充分统计量的在线背景减除算法——在线k-means算法.该算法不同于EM(期望最大化)算法的硬分配,而是使用k-means的软分配,使用充分统计量能够更有效地统计数据的变化,并且提高在线算法的速度和收敛性.实验结果表明:在实时监控应用中,在线k-means算法能有效检测运动目标,且计算速度和收敛速度快于在线EM算法,需要的空间更少.
【英文摘要】 New online k-means algorithm based on sufficient statistic and Gaussians mixture model(GMM) for real-time segmentation of background subtraction was proposed.This algorithm,with software assignment of k-means instead of hardware assignment in EM algorithm,can advance the computational speed and the convergence rate.Experiments show that the online k-means algorithm could effectively detect moving objects,improves the computation and convergence rate,and requires less space.
【基金】 国家自然科学基金资助项目(90820306)
【更新日期】 2012-03-14
【分类号】 TP391.41
【正文快照】 在监视系统的应用中,监视器一般固定在某个位置上来观察场景,而能否有效地检测到场景中的运动对象是视频检测系统的重点.一般的背景减除过程是首先建立一个背景模型并估计该模型的参数,然后将获得的背景模型和当前的场景进行比较,若某个像素的差值超过一定的阈值,则认为是运动?

xxx
【读者推荐文章】中国期刊全文数据库
【相似文献】
中国期刊全文数据库
中国优秀硕士学位论文全文数据库
中国博士学位论文全文数据库
中国重要会议论文全文数据库
中国重要报纸全文数据库
中国学术期刊网络出版总库
点击下列相关研究机构和相关文献作者,可以直接查到这些机构和作者被《中国知识资源总库》收录的其它文献,使您全面了解该机构和该作者的研究动态和历史。
【文献分类导航】从导航的最底层可以看到与本文研究领域相同的文献,从上层导航可以浏览更多相关领域的文献。

工业技术
  自动化技术、计算机技术
   计算技术、计算机技术
    计算机的应用
     信息处理(信息加工)
      模式识别与装置
       图像识别及其装置
  
 
  CNKI系列数据库编辑出版及版权所有:中国学术期刊(光盘版)电子杂志社
中国知网技术服务及网站系统软件版权所有:清华同方知网(北京)技术有限公司
其它数据库版权所有:各数据库编辑出版单位(见各库版权信息)
京ICP证040431号    互联网出版许可证 新出网证(京)字008号