基于改进的GMM参数估计的目标检测方法

• 作者: 吴岳忠 文志强 李世锋
• 来源期刊: 重庆工商大学学报（自然科学版）
• 学科: 工学
• 关键词: 目标检测 GMM 参数估计 EM算法 差分进化
• 年，卷（期）: 2013,（5）
• 所属期刊栏目: 信息科学
• 页码范围: 30-36
• 页数: 7页
• 分类号: TP391.41
• 字数: 3987字
• 语种: 中文

摘要

背景减除法通过计算当前帧与背景模型的差来实现运动目标的检测,因此背景建模是背景减除法的关键；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,有效的提高了在光线强度变化,物体摇摆等复杂场景下建模的准确性；但它也有其固有缺点,针对利用传统EM算法进行GMM模型参数估计时,易陷入解空间的局部最优的缺陷,采用基于最大惩罚的EM参数估计,对传统的EM算法进行改进；另外,在检测不需要满足实时性时,提出了一种基于差分进化算法的GMM参数估计法；最后把改进的GMM参数估计方法应用于基于GMM模型的运动目标检测当中进行验证,并得到很好的检测效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	吴岳忠	湖南工业大学计算机与通信学院	19	128	6.0	10.0
2	文志强	湖南工业大学计算机与通信学院	54	527	9.0	21.0
3	李世锋	湖南工业大学计算机与通信学院	2	8	2.0	2.0