基于匹配反馈量改进GMM的前景检测算法

• 作者: 李超 王宏伟
• 来源期刊: 计算机工程与设计
• 学科: 工学
• 关键词: 混合高斯模型 背景模型 匹配 反馈量 学习速率
• 年，卷（期）: 2015,（5）
• 所属期刊栏目: 智能技术
• 页码范围: 1337-1341
• 页数: 5页
• 分类号: TP391.41
• 字数: 3575字
• 语种: 中文
• DOI: 10.16208/j.issn1000-7024.2015.05.043

摘要

传统混合高斯模型在进行运动目标检测时，由于背景模型阈值和模型学习速率均采用固定参数，不能有效适应复杂变化的场景。为解决该问题，提出一种基于匹配反馈量改进混合高斯模型的前景检测算法。通过对模型控制参数进行研究分析，提出一种根据各像素点匹配情况对背景模型阈值进行动态调整，并根据反馈量自适应调节学习速率的策略。实验结果表明，该方法应对复杂变化的视频监控场景时可以有效、准确、快速地提取前景目标。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王宏伟	辽宁工程技术大学电气与控制工程学院	16	57	4.0	7.0
2	李超	辽宁工程技术大学电气与控制工程学院	21	46	4.0	5.0