| 改进的Online EM背景减除算法 |
| |
| 引用本文： | 王炜,钱徽,陈鹏,金卓军.改进的Online EM背景减除算法[J].计算机工程,2011,37(4):201-202. |
| |
| 作者姓名： | 王炜 钱徽 陈鹏 金卓军 |
| |
| 作者单位： | 浙江大学计算机科学与技术学院,杭州,310027 |
| |
| 基金项目： | 国家自然科学基金资助重点项目，浙江省科技重大攻关计划基金资助项目 |
| |
| 摘 要： | 为有效提取复杂场景中的运动前景,提出基于贝叶斯理论的Dirichlet共轭先验,结合在线最大似然估计(Online EM)改进基于高斯混合模型参数的背景减除算法.改进算法避免了陷入局部最值,在线自适应地调整高斯个数,并生成运动全景图,实验结果表明,该算法能有效提高前景检测率.
|
| 关 键 词： | 背景减除 Dirichlet共轭先验 在线最大似然估计 贝叶斯理论 高斯混合模型 全景图 |
Improved Online EM Algorithm for Background Subtraction |
| |
| WANG Wei,QIAN Hui,CHEN Peng,JIN Zhuo-jun.Improved Online EM Algorithm for Background Subtraction[J].Computer Engineering,2011,37(4):201-202. |
| |
| Authors: | WANG Wei QIAN Hui CHEN Peng JIN Zhuo-jun |
| |
| Affiliation: | (College of Computer Science and Technology,Zhejiang University,Hangzhou 310027,China) |
| |
| Abstract: | With the challenge of extracting moving foreground objects from dynamic background, this paper introduces an improved background subtraction algorithm based on Gaussian Mixture ModeI（GMM） by using Dirichlet conjuagate prior and Online EM in Bayes framew6rk. It avoids converging to a local maximum of the log-likelihood function, selects the numbers of Gaussian adaptively and outperforms the panorama. Experimental results demonstrate that the improved algorithm can increase the detection rate for foreground effectively. |
| |
| Keywords: | background subtraction Dirichlet conjuagate prior Online EM Bayes theory Gaussian Mixture Model（GMM） panorama |
| 本文献已被 CNKI 维普 万方数据 等数据库收录！ |
| 点击此处可从《计算机工程》浏览原始摘要信息 |
|
点击此处可从《计算机工程》下载全文 |
|
