基于并行框架的鲁棒自适应前景检测算法

摘要：

视频监控数据TB级的增长，从海量视频数据中高效准确的分离出视频监控场景中的运动物体，是计算机视觉领域的研究重点和挑战。提出了基于云平台的视频数据处理的并行计算框架及一种改进的基于混合高斯模型(GMM)的自适应前景提取算法，通过对混合高斯分布的自适应学习和在线 EM(期望最大化)算法获得最优参数组合，并将改进算法融合到视频处理并行计算框架。实验结果表明，该方法不但能大大提高视频处理的效率，并对复杂环境下准确提取前景目标也有良好的鲁棒性。

关键词：视频监控、并行计算、混合高斯模型、自适应学习、在线EM算法

分类号：TP3;TP1

资助基金：广西自然科学基金2013GXNSFAA019326

在线出版日期：2015-05-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：153-158