文献

J-GLOBAL ID：202002223963789805   整理番号：20A0963322

修正走行平均に基づく適応背景モデリング法【JST・京大機械翻訳】

An Adaptive Background Modelling Method Based on Modified Running Averages

著者 (2件)： Algethami Nahlah (National University of Ireland Galway) ,  Redfern Sam (National University of Ireland Galway)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： SITIS  ページ： 40-49  発行年： 2019年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 背景モデリングは,ビデオ解析のための前景オブジェクトの検出において重要な役割を果たす。多くの背景差分法が,Gauss混合モデル(GMM)やRunニング平均のような過去20年間に提案されてきた。これらの画素ごとのアプローチは画素レベルで背景を更新するので,前景検出問題をもたらす可能性のある偽前景とバックグラウンド分類の傾向がある。例えば,遅い移動物体または間欠運動を伴うものは,背景モデルに誤って組み込まれる可能性がある。また,これらのモデルは,典型的には,初期化におけるクリーンな背景画像を仮定しており,それは,実世界シナリオで達成することが困難であり,「ブートストラッピング」チャレンジをもたらす。これらの問題は,解析操作として高レベルのオブジェクトトラッキング情報を用い,ピクセルごとのモデルにフィードバックすることによって対処することができる。本論文では,ロバストなトラッカーから導出された物体の動きのより高いレベルの知識を用いて,背景をモデル化する方法について述べた。実験結果は,著者らの方法が,ブートストラッピングと断続的なオブジェクト運動背景モデリング課題を有するシーンにおけるGMMと実行平均のような最新のバックグラウンド減算法の状態を良く,より優れていることを明らかにした。Copyright 2020 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： ブートストラップ ,  *画素 ,  移動体 ,  間欠運動 ,  ロバスト性 ,  走行
準シソーラス用語： 背景画像 ,  背景差分法 ,  物体追跡 ,  Gauss混合モデル ,  前景 ,  ビデオ分析 ,  背景モデル ,  背景モデリング ,  前景検出 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (3件)： 平均 ,  適応 ,  背景モデリング