首页|结合模糊熵和学习率自适应的GMM目标检测算法

结合模糊熵和学习率自适应的GMM目标检测算法

GMM TARGET DETECTION ALGORITHM COMBINING FUZZY ENTROPY AND ADAPTIVE LEARNING RATE

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
GMM算法在目标检测中采用固定的模型个数描述像素点的状态,固定的学习率更新背景.针对GMM算法的以上不足,提出一种自适应选取模型个数和学习率自适应环境变化的GMM算法.通过模糊理论将视频分为三个模糊子集,计算每一部分的模糊熵,根据视频模糊熵的最大值确定需要的模型个数.引入两帧视频的相关性度量视频帧之间的相关性,比较背景变化因子与背景变化系数确定不同的学习率.实验验证,改进算法能够消除噪声影响,有效地节约混合高斯模型的个数,能够自适应环境变化,提高检测准确率,降低检测耗时.

王德忠、李睿

展开 >

兰州理工大学计算机与通信学院 甘肃 兰州 730000

模糊熵 相关性 学习率 背景变化因子 背景平均变化系数

6176102818YF1GA060

2022

10.3969/j.issn.1000-386x.2022.08.028

计算机应用与软件
上海市计算技术研究所 上海计算机软件技术开发中心

计算机应用与软件

CSTPCD北大核心
影响因子：0.615
ISSN：1000-386X
年,卷(期)：2022.39(8)
  • 11