背景モデル低コスト化のためのヒストグラムの指数加重更新法  [in Japanese] Exponentially Weighted Update of Histogram for Background Modeling Reducing Memory Usage  [in Japanese]

Access this Article

Search this Article

Author(s)

Abstract

本論文では指数加重移動平均法を用いたヒストグラムによる背景モデル構築手法を提案し,背景モデル構築にかかるメモリ使用量の低減を図る.提案手法は時間の経過に伴って,指数的に増加する重みを用いて背景モデルを更新することで,過去に観測し更新に利用した観測値の背景モデルへの影響を時間経過とともに無視できる背景モデル構築を実現する.提案手法によるメモリ使用量の低減の有効性を検証するために,提案手法を背景差分法に適用し,従来手法であるカーネル密度推定を用いた背景差分法との比較を行う.比較実験から提案手法が比較手法と同程度の前景検出精度を有しつつ,メモリ使用量の観点で低コスト化が図れていることを示す.

In this paper, we propose a background model by using an exponentially weighted updating method. We realize to reduce memory usage for construction of background model. Our background model is represented as a histogram according to pixel values. Our model uses an exponential increasing weight for updating our model. In our model, recently observed pixels have a bigger influence on the background model than older ones. Therefore, our model gradually ignores the effect of old-observed value on a background model without retaining past pixel values. We apply our method to background subtraction for comparing with conventional methods using kernel density estimation. In experiments, we confirmed that the detection accuracy of our background model is comparable to that of conventional methods.

Journal

  • The Journal of the Institute of Image Electronics Engineers of Japan

    The Journal of the Institute of Image Electronics Engineers of Japan 45(2), 191-200, 2016

    The Institute of Image Electronics Engineers of Japan

Codes

  • NII Article ID (NAID)
    130006078476
  • NII NACSIS-CAT ID (NCID)
    AA12563298
  • Text Lang
    JPN
  • ISSN
    0285-9831
  • NDL Article ID
    027307240
  • NDL Call No.
    YH247-1186
  • Data Source
    NDL  J-STAGE 
Page Top