2.765

2022影响因子

(CJCR)

  • 中文核心
  • EI
  • 中国科技核心
  • Scopus
  • CSCD
  • 英国科学文摘

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于记忆的混合高斯背景建模

齐玉娟 王延江 李永平

齐玉娟, 王延江, 李永平. 基于记忆的混合高斯背景建模. 自动化学报, 2010, 36(11): 1520-1526. doi: 10.3724/SP.J.1004.2010.01520
引用本文: 齐玉娟, 王延江, 李永平. 基于记忆的混合高斯背景建模. 自动化学报, 2010, 36(11): 1520-1526. doi: 10.3724/SP.J.1004.2010.01520
QI Yu-Juan, WANG Yan-Jiang, LI Yong-Ping. Memory-based Gaussian Mixture Background Modeling. ACTA AUTOMATICA SINICA, 2010, 36(11): 1520-1526. doi: 10.3724/SP.J.1004.2010.01520
Citation: QI Yu-Juan, WANG Yan-Jiang, LI Yong-Ping. Memory-based Gaussian Mixture Background Modeling. ACTA AUTOMATICA SINICA, 2010, 36(11): 1520-1526. doi: 10.3724/SP.J.1004.2010.01520

基于记忆的混合高斯背景建模

doi: 10.3724/SP.J.1004.2010.01520
详细信息
    通讯作者:

    王延江

Memory-based Gaussian Mixture Background Modeling

More Information
    Corresponding author: WANG Yan-Jiang
  • 摘要: 混合高斯模型(Gaussian mixture model, GMM)可对存在渐变及重复性运动的场景进行建模, 被认为是最好的背景模型之一. 然而, 它不能解决场景中存在的突变, 如门的打开/关闭等. 为解决此类问题, 受人类认知环境方式的启发, 本文将人类记忆机制引入到背景建模, 提出一种基于记忆的混合高斯模型(Memory-based GMM, MGMM). 每个像素都要经过瞬时记忆、短时记忆和长时记忆三个空间的传输和处理. 本文提出的基于记忆的背景模型能够记住曾经出现的背景, 从而能更快地适应场景的变化.
  • 加载中
计量
  • 文章访问数:  2760
  • HTML全文浏览量:  40
  • PDF下载量:  1499
  • 被引次数: 0
出版历程
  • 收稿日期:  2009-12-18
  • 修回日期:  2010-06-12
  • 刊出日期:  2010-11-20

目录

    /

    返回文章
    返回