講演抄録/キーワード |
講演名 |
2017-05-26 12:00
空間特徴を用いた混合ガウス分布モデルによる背景モデルの構築 ○鄭 侃・近藤利夫・深澤祐樹・佐々木敬泰(三重大) SIP2017-24 IE2017-24 PRMU2017-24 MI2017-24 |
抄録 |
(和) |
背景モデルを用いて監視ビデオから移動物体を検出する手法が多数提案されている.一般に混合ガウス分布が背景モデルの構築に広く利用されているが,背景が頻繁に変化するシーンにはうまく対応できない.本報告では,ピクセルの空間情報を特徴量として利用し,マルチレベルの混合ガウス分布により背景モデルを構築することで,背景変化への追従性の高い手法を提案している.提案手法の結果と評価用データセットの解であるGround TruthをF-measure手法で評価したところ, Precision RateとRecall Rateで,提案手法がGaussian Mixture Model(GMM)とLocal Binary Pattern(LBP)などの従来法を上回る精度の得られることが明らかになった. |
(英) |
Many methods for detecting a moving object from surveillance video using a background model have been proposed. Mixed Gaussian distribution is widely used to construct background models, but it can not cope well with scenes due to the frequent background changes. In this paper, we proposed a method with high followability to background change by using spatial information of pixels as feature, constructing a background model with mixed Gaussian distribution at multilevel. The results of the proposed method were compared with the Ground Truth of the data set and evaluated by the F - measure method, and it was confirmed that the precision rate and the recall rate of the proposed method exceed the conventional methods such as Gaussian Mixture Model (GMM) and Local Binary Pattern (LBP). |
キーワード |
(和) |
背景モデル / 移動物体検出 / 混合ガウス分布モデル / 空間特徴 / / / / |
(英) |
Background model / Moving object detection / Gaussian Mixture Model / Spatial information / / / / |
文献情報 |
信学技報, vol. 117, no. 49, PRMU2017-24, pp. 125-130, 2017年5月. |
資料番号 |
PRMU2017-24 |
発行日 |
2017-05-18 (SIP, IE, PRMU, MI) |
ISSN |
Print edition: ISSN 0913-5685 Online edition: ISSN 2432-6380 |
著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します.(許諾番号:10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) |
PDFダウンロード |
SIP2017-24 IE2017-24 PRMU2017-24 MI2017-24 |
研究会情報 |
研究会 |
PRMU IE MI SIP |
開催期間 |
2017-05-25 - 2017-05-26 |
開催地(和) |
名古屋工業大学 |
開催地(英) |
|
テーマ(和) |
医療・ヘルスケアのための生体信号・画像解析と理解 |
テーマ(英) |
|
講演論文情報の詳細 |
申込み研究会 |
PRMU |
会議コード |
2017-05-PRMU-IE-MI-SIP |
本文の言語 |
日本語 |
タイトル(和) |
空間特徴を用いた混合ガウス分布モデルによる背景モデルの構築 |
サブタイトル(和) |
|
タイトル(英) |
Background Modeling based on Gaussian Mixture Model using Spatial Features |
サブタイトル(英) |
|
キーワード(1)(和/英) |
背景モデル / Background model |
キーワード(2)(和/英) |
移動物体検出 / Moving object detection |
キーワード(3)(和/英) |
混合ガウス分布モデル / Gaussian Mixture Model |
キーワード(4)(和/英) |
空間特徴 / Spatial information |
キーワード(5)(和/英) |
/ |
キーワード(6)(和/英) |
/ |
キーワード(7)(和/英) |
/ |
キーワード(8)(和/英) |
/ |
第1著者 氏名(和/英/ヨミ) |
鄭 侃 / Kan Zheng / テイ カン |
第1著者 所属(和/英) |
三重大学 (略称: 三重大)
Mie University (略称: Mie Univ.) |
第2著者 氏名(和/英/ヨミ) |
近藤 利夫 / Toshio Kondo / コンドウ トシオ |
第2著者 所属(和/英) |
三重大学 (略称: 三重大)
Mie University (略称: Mie Univ.) |
第3著者 氏名(和/英/ヨミ) |
深澤 祐樹 / Yuki Fukazawa / フカザワ ユウキ |
第3著者 所属(和/英) |
三重大学 (略称: 三重大)
Mie University (略称: Mie Univ.) |
第4著者 氏名(和/英/ヨミ) |
佐々木 敬泰 / Takahiro Sasaki / ササキ タカヒロ |
第4著者 所属(和/英) |
三重大学 (略称: 三重大)
Mie University (略称: Mie Univ.) |
第5著者 氏名(和/英/ヨミ) |
/ / |
第5著者 所属(和/英) |
(略称: )
(略称: ) |
第6著者 氏名(和/英/ヨミ) |
/ / |
第6著者 所属(和/英) |
(略称: )
(略称: ) |
第7著者 氏名(和/英/ヨミ) |
/ / |
第7著者 所属(和/英) |
(略称: )
(略称: ) |
第8著者 氏名(和/英/ヨミ) |
/ / |
第8著者 所属(和/英) |
(略称: )
(略称: ) |
第9著者 氏名(和/英/ヨミ) |
/ / |
第9著者 所属(和/英) |
(略称: )
(略称: ) |
第10著者 氏名(和/英/ヨミ) |
/ / |
第10著者 所属(和/英) |
(略称: )
(略称: ) |
第11著者 氏名(和/英/ヨミ) |
/ / |
第11著者 所属(和/英) |
(略称: )
(略称: ) |
第12著者 氏名(和/英/ヨミ) |
/ / |
第12著者 所属(和/英) |
(略称: )
(略称: ) |
第13著者 氏名(和/英/ヨミ) |
/ / |
第13著者 所属(和/英) |
(略称: )
(略称: ) |
第14著者 氏名(和/英/ヨミ) |
/ / |
第14著者 所属(和/英) |
(略称: )
(略称: ) |
第15著者 氏名(和/英/ヨミ) |
/ / |
第15著者 所属(和/英) |
(略称: )
(略称: ) |
第16著者 氏名(和/英/ヨミ) |
/ / |
第16著者 所属(和/英) |
(略称: )
(略称: ) |
第17著者 氏名(和/英/ヨミ) |
/ / |
第17著者 所属(和/英) |
(略称: )
(略称: ) |
第18著者 氏名(和/英/ヨミ) |
/ / |
第18著者 所属(和/英) |
(略称: )
(略称: ) |
第19著者 氏名(和/英/ヨミ) |
/ / |
第19著者 所属(和/英) |
(略称: )
(略称: ) |
第20著者 氏名(和/英/ヨミ) |
/ / |
第20著者 所属(和/英) |
(略称: )
(略称: ) |
講演者 |
第1著者 |
発表日時 |
2017-05-26 12:00:00 |
発表時間 |
30分 |
申込先研究会 |
PRMU |
資料番号 |
SIP2017-24, IE2017-24, PRMU2017-24, MI2017-24 |
巻番号(vol) |
vol.117 |
号番号(no) |
no.47(SIP), no.48(IE), no.49(PRMU), no.50(MI) |
ページ範囲 |
pp.125-130 |
ページ数 |
6 |
発行日 |
2017-05-18 (SIP, IE, PRMU, MI) |
|