Full metadata record
DC FieldValueLanguage
dc.contributor.author施立宸en_US
dc.contributor.authorShih, Li-Chenen_US
dc.contributor.author莊仁輝en_US
dc.contributor.author林泓宏en_US
dc.contributor.authorChuang, Jen-Huien_US
dc.contributor.authorLin, Horng-Horngen_US
dc.date.accessioned2014-12-12T02:43:35Z-
dc.date.available2014-12-12T02:43:35Z-
dc.date.issued2013en_US
dc.identifier.urihttp://140.113.39.130/cdrfb3/record/nctu/#GT070156640en_US
dc.identifier.urihttp://hdl.handle.net/11536/75567-
dc.description.abstract監控設備不斷的發展進步,物件檢測效能上亦必須相對應的提升。而在物件檢測的技術上,背景相減法(Background Subtraction)在該技術上佔有舉足輕重的地位。目前以背景相減法技術來說,主流的背景模型為高斯混合模型(GMM),該模型有許多相關的論文被提出。高斯混合模型可以對前景判斷保持一定的精確度,但其在監控設備不斷的進步下卻仍無法作出高解析度即時的前景偵測。本篇論文針對高斯模型不足之處發展出一套基於單像素上的背景模型,此模型解決高斯混合模型在模型更新上運算耗時的問題,並克服了高斯混合模型描述的限制,並可完整描述測量時間內每個顏色分布範圍的背景機率值。此外,由於此演算法製作簡易,因此可在定點運算(fixed-point)下進行,在不需其它加速模組的協助(CUDA、Intel SIMD或是Intel IPP library),以及不採用多執行緒或取樣(Sub-sampling)的情況下,我們的演算法可以在1920×1080全彩影像下,硬體設備為Intel Core i7 3.4GHz CPU達到23.25 fps的速度。而我們的實驗結果也顯示,我們的演算法計算速度比GMM快上約3.7倍,並且能作出與GMM相近的結果。zh_TW
dc.language.isozh_TWen_US
dc.subject背景相減法zh_TW
dc.subject無母數模型zh_TW
dc.subject背景模型zh_TW
dc.subject混合高斯模型zh_TW
dc.subjectBackground subtractionen_US
dc.subjectNon-parametric modelen_US
dc.subjectBackground modelen_US
dc.subjectGaussian-mixture modelen_US
dc.title基於無母數直方圖之快速背景模型建構zh_TW
dc.titleEfficient Background Modeling Using Nonparametric Histogrammingen_US
dc.typeThesisen_US
dc.contributor.department多媒體工程研究所zh_TW
Appears in Collections:Thesis


Files in This Item:

  1. 664001.pdf
  2. 664002.pdf

If it is a zip file, please download the file and unzip it, then open index.html in a browser to view the full text content.