文献

J-GLOBAL ID：202002220033516497   整理番号：20A1063324

動き検出のための前景マッチングと短期安定性測度を組み合わせた改良Gauss混合モデル化アルゴリズム【JST・京大機械翻訳】

An improved Gaussian mixture modeling algorithm combining foreground matching and short-term stability measure for motion detection

著者 (3件)： Zhang Chao (School of Computer Science and Technology, Anhui University, Hefei, China) ,  Wu Xiaopei (School of Computer Science and Technology, Anhui University, Hefei, China) ,  Gao Xiangping (School of Computer Science and Technology, Anhui University, Hefei, China)
資料名： Multimedia Tools and Applications  (Multimedia Tools and Applications)
巻： 79  号： 11-12  ページ： 7049-7071  発行年： 2020年 
JST資料番号： W1102A  ISSN： 1380-7501  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 深い学習は画像解析にうまく適用されているが,従来のGauss混合モデリング(GMM)法は,GPUや大量の訓練データなどの特殊化されたハードウェアのサポートを必要としないので,多モード運動検出のために依然として大きな可能性を持っている。GMMのフレームワークの下で,本論文は,遅い移動物体を検出するために前景マッチングと短期安定性測度を結合した。検出された前景画素を用いて構築され,更新された前景モデルは,入力画素における潜在的前景を適合させるための優先度を持っている。一方,画素レベルの安定性を測定し,動的前景過程を追跡したとき,統合前景が検出されることを確認した。前景マッチングと短期安定性測度の組合せは,低速移動物体に対するGMMの耐性を大いに改善する。定量的評価により,照明変化のような混乱運動を伴う種々の実際の環境下で,遅い移動物体をロバストに検出するために,提案したアルゴリズムの有効性を実証した。Copyright Springer Science+Business Media, LLC, part of Springer Nature 2019 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *アルゴリズム ,  *測度 ,  画素 ,  ハードウェア ,  移動体 ,  画像分析 ,  多モード ,  有効性 ,  カオス ,  ロバスト性 ,  優先度
準シソーラス用語： 訓練データ ,  *Gauss混合モデル ,  *前景 ,  照明変化 , 【Automatic Indexing@JST】

著者キーワード (4件)： 前景モデリング ,  Gauss混合モデリング ,  短期安定性測定 ,  動き検出

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (8件)： 動き検出 ,  前景 ,  マッチング ,  短期 ,  安定性 ,  測度 ,  Gauss混合モデル ,  アルゴリズム