基于增量非负矩阵分解的自适应背景模型

• 作者: 徐晨 潘彬彬 董怀琴 陈文胜
• 来源期刊: 深圳大学学报（理工版）
• 学科: 工学
• 关键词: 应用数学 非负矩阵分解 背景建模 增量学习 特征提取 满秩分解 前景提取
• 年，卷（期）: 2016,（5）
• 所属期刊栏目: 电子与信息科学
• 页码范围: 511-516
• 页数: 6页
• 分类号: TP391
• 字数: 2734字
• 语种: 中文
• DOI: 10.3724/SP.J.1249.2016.05511

摘要

提出一种基于增量非负矩阵分解的自适应背景模型,以处理动态背景变化.当有新的数据流到达时,利用增量非负矩阵分解有效地更新背景模型.实验结果表明,与非负矩阵分解相比,增量非负矩阵分解不仅运算时间更少,而且能够提取出更好的前景.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	徐晨	深圳大学智能计算科学研究所	49	405	12.0	18.0
2	陈文胜	深圳大学数学与统计学院	10	25	3.0	4.0
3	董怀琴	深圳大学数学与统计学院	1	1	1.0	1.0
4	潘彬彬	深圳大学数学与统计学院	1	1	1.0	1.0