基于最优k均值聚类的时空动态背景模型

摘要：

为了还原动态背景像素值的真实分布,本文提出了基于最优k 均值聚类的时空背景模型. 首先采集每个像素点不同时刻的相邻像素信息,然后对采集到的所有样本像素值进行多次k 均值聚类,并计算对应的轮廓系数找到最优k 值,建立初始背景概率模型. 由于最优k 值反映了数据真实分布的个数,其值越大说明动态背景变化越快,因此最后根据最优k 值计算更新速率对背景模型进行实时更新. 本文在CDnet2014提供的动态背景数据集上进行了相应的实验,实验结果表明本文提出的模型对运动目标检测的效果要优于ViBe、EFIC、AAPSA 等目前已有的算法.

关键词：动态背景建模、运动目标检测、k均值聚类、轮廓系数

所属期刊栏目：40

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金项目61272109,61502350 资助

在线出版日期：2019-05-31（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：413-419