复杂背景下的自适应前景分割算法

摘要：

复杂背景下的运动前景分割是计算机视觉领域研究的一个重点研究问题.为了对复杂背景下的运动前景进行有效分割,提出了一种复杂背景下自适应前景分割算法.该算法的背景模型是由一系列聚类和聚类的权重构成.每个聚类表示背景的一个历史状态,并能够根据背景的变化,自适应创建、更新或删除聚类,使得背景模型能够准确反映出场景的变化.每个聚类权重是根据聚类的大小和更新时间自动确定的.为了自动确定该方法的重要阈值,还提出一种基于非参数密度估计的阈值估计方法,并在不同的场景下与多个背景建模方法进行了比较,实验结果表明,该算法是有效的.

关键词：背景差、核密度、阈值估计

所属期刊栏目：16

分类号：TP391.41(计算技术、计算机技术)

资助基金：国家自然科学基金项目60673127;国家高技术研究发展计划863项目2007AA01Z404

在线出版日期：2011-04-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：37-43