基於高斯混合模型之前景偵測應用於視覺監視之研究

Translated title of the thesis: Study on Gaussian Mixture Model Based Foreground Detection for Visual Surveillance
  • 劉 廷翰

Student thesis: Master's Thesis

Abstract

在視覺監視系統的應用中,如何從複雜多變的環境中精確且快速地分辨出背景與前景乃是一項重要且困難的課題。然而,在追求更加準確的偵測效果時,複雜的演算法會造成過度龐大的計算量而降低處理速度;反之,計算量較低之方法其精確度通常不符合要求。此外隨著科技的進步,攝影機所擷取之影像其解析度不斷上升,導致前景偵測計算量大幅度地增加。為克服上述困難,本論文旨在開發一套應用於工業環境中之即時前景偵測視覺系統,其中本論文以基於高斯混合模型法之背景減去法作為監視系統設計之基礎。高斯混合模型法之優點在於其精確度與計算速度之間有著良好的平衡且易於實作,並對於環境變化有一定程度之適應能力,因而被廣泛地應用於視覺監視系統當中。本論文針對其基本原理與近年來學者所提出之效能改進方法進行探究,並提出一基於自適應調整參數之計算速度改良方法。實驗結果顯示本論文所提出之方法確實能在高解析度影像當中以較高計算速度進行前景偵測,並獲得良好偵測結果。
Date of Award2017 Sep 8
Original languageChinese
SupervisorMing-Yang Cheng (Supervisor)

Cite this

'