文献

J-GLOBAL ID：201702228484322502   整理番号：17A0102066

ロバスト主成分分析による移動目標検出の概要【JST・京大機械翻訳】

Survey of robust principal component analysis methods for moving-object detection

著者 (5件)： Cai Nian (School of Information Engineering, Guangdong University of Technology) ,  Zhou Yang (School of Information Engineering, Guangdong University of Technology) ,  Liu Gen (School of Information Engineering, Guangdong University of Technology) ,  Yang Zhijing (School of Information Engineering, Guangdong University of Technology) ,  Ling Yongquan (School of Information Engineering, Guangdong University of Technology)
資料名： Zhongguo Tuxiang Tuxing Xuebao  (Zhongguo Tuxiang Tuxing Xuebao)
巻： 21  号： 10  ページ： 1265-1275  発行年： 2016年 
JST資料番号： C2782A  ISSN： 1006-8961  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 目的:移動目標検出は多くのコンピュータビジョンにおいて重要な役割を果たす。背景モデリングは,移動目標検出における従来の方法である。しかし,多くの背景モデリング法はピクセルに基づくものであり,背景についての考え方は単純で,現実のビデオを扱うのは困難である。最近,ランクとスパース分解に基づくロバスト主成分分析を移動体検出に応用することはコンピュータビジョンの分野における研究ホットスポットになっている。本論文では,より多くの国内外の移動目標検出の研究者の主成分分析法を探索し,応用するために,本論文では,それらのシステムをレビューした。方法:最近の研究の進展に基づき、誤差抑制、BAYES理論、時間と空間情報、多特徴と多要素カップリングに基づき、各種国内外のロバスト主成分分析モデルに対して帰納を行い、そのメリットとデメリットを理論的に分析した。結果:本論文では、変化検出データセット(CHANGE DETECTION DATASET)における異なるシーンのビデオシーケンスを用いて、異なるアルゴリズムに対して比較実験を行った。実験結果から,第3の方法に属するDECOLORの検出効果は他のアルゴリズムよりも優れており,平均比較で得られた再現率,適合率,F-MEASUREはそれぞれ0.7,0.706と0.66であることが分かった。全体として,改良アルゴリズムは,最初のロバスト主成分分析法の欠陥を効果的に補償することができ,移動目標検出の精度を改善した。結論:ロバスト主成分分析は移動目標検出において多くの研究と応用成果を取得し、知能ビデオ監視応用領域に広い応用前景がある。しかし,ロバスト主成分分析に存在するいくつかの限界を深く研究する必要がある。前景の移動目標のビデオにおける事前知識は,ロバスト主成分分析に基づく移動目標検出の開発傾向である。Data from the ScienceChina, LCAS. Translated by JST【JST・京大機械翻訳】

シソーラス用語： *主成分分析 ,  画素 ,  録画装置 ,  コンピュータビジョン ,  *ロバスト性
準シソーラス用語： 事前知識 ,  前景 ,  適合率 ,  再現率 ,  ビデオシーケンス ,  変化検出 ,  空間情報 ,  移動体検出 ,  背景モデリング ,  *移動目標 , 【Automatic Indexing@JST】

著者キーワード (5件)： object detection ,  computer vision ,  background modeling ,  robust principal component analysis ,  review

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (4件)： ロバスト ,  主成分分析 ,  移動目標 ,  概要