Memory-based Gaussian Mixture Background Modeling
Yujuan Qi, Yanjiang Wang, Yong-Ping LI · Acta Automatica Sinica · 2010
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. 关键词: 背景建模 / 混合高斯模型 / 记忆 / 基于记忆的混合高斯模型 / 运动目标分割 / 背景减除