基于充分统计量的在线背景减除方法

• 作者: 朱淼良 袁舟 钱徽 陈鹏
• 来源期刊: 华中科技大学学报（自然科学版）
• 学科: 工学
• 关键词: 在线算法 收敛性 高斯混合 背景减除 充分统计量 运动目标
• 年，卷（期）: 2011,（z2）
• 所属期刊栏目: 机器学习、算法与系统仿真
• 页码范围: 378-381
• 分类号: TP399
• 语种: 中文

摘要

提出了一种使用高斯混合背景模型和充分统计量的在线背景减除算法——在线k-means算法.该算法不同于EM(期望最大化)算法的硬分配,而是使用k-means的软分配,使用充分统计量能够更有效地统计数据的变化,并且提高在线算法的速度和收敛性.实验结果表明:在实时监控应用中,在线k-means算法能有效检测运动目标,且计算速度和收敛速度快于在线EM算法,需要的空间更少.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈鹏	浙江大学计算机科学与技术学院	54	249	8.0	13.0
2	朱淼良	浙江大学计算机科学与技术学院	112	1981	21.0	41.0
3	钱徽	浙江大学计算机科学与技术学院	25	253	8.0	15.0
4	袁舟	浙江大学计算机科学与技术学院	1	2	1.0	1.0