Moving Object Real-time Detection and Tracking Method Based on Improved Gaussian Mixture Model
Image credit: Shanliang Zhu摘要
In order to improve the reliability of moving objects detection and tracking, this paper presents a method for moving object real-time detection and tracking based on Vibe and Gaussian mixture model (GMM). This method uses the “Virtual” background model that is trained by video sequence instead of the first frame image for background modeling. And then the foreground object is extracted based on the pixel classification. Finally, according to the morphological method, the clearer moving targets are conducted to realize the real-time detection and tracking. The experimental results show that, in comparison with the current mainstream background subtraction techniques, our approach effectively works on a wide range of complex scenarios, with faster detection speed and more reliable detection results.
类型
出版物
2018 4th International Conference on Data-Driven Control and Learning Systems
Authors
正教授
博士，教授，硕士生导师，人工智能技术海洋场景化应用山东省工程研究中心副主任，青岛市人工智能海洋技术创新中心副主任，青岛科技大学数学与交叉研究院副院长。山东赛区数学建模竞赛专家组成员、山东省数学会理事、山东省应用统计学会理事、人工智能海洋学专业委员会委员。近年来，主持或参与国家自然科学基金、省自然基金、省教改项目等各类教学科研项目20多项，在国内外期刊发表学术论文80余篇，其中被SCI、EI检索70余篇，参编教材1部。指导学生参加全国大学生数学建模竞赛、中国研究生数学建模竞赛、美国大学生数学建模竞赛等各类竞赛获国家一等奖9项、国家二等奖29项、国家三等奖13项、山东省一等奖37项、山东省二等奖12项、山东省三等奖7项。指导本科生参加国家大学生创新计划项目4项。
Authors
Authors
Authors
Authors
Authors
正教授
教授，博士生导师，哈尔滨工业大学博士后。数据科学与信息技术研究中心主任，人工智能海洋技术场景化应用山东省工程研究中心主任，青岛市人工智能海洋技术创新中心主任，青岛科技大学数学与交叉研究院院长。美国佐治亚理工学院高级访问学者、香港中文大学高级访问学者、北京交通大学高级访问学者；山东省数学会常务理事、山东省应用统计学会常务理事、人工智能海洋学专业委员会常务委员。近年来，主持或参与国家自然科学基金、国防科工委、电子工业部、省自然基金、省重点科研计划、省高校科研计划、省优秀中青年科学家基金、青岛市科技发展计划项目等各级各类科研项目40多项。