基于改进K-均值聚类算法的背景建模方法

被引：14

作者：

杨会锋 ^{[1
]}

曹洁 ^{[1
]}

帅立国 ^{[2
]}

机构：

[1] 兰州理工大学计算机与通信学院

[2] 东南大学机械工程学院

来源：

电子测量与仪器学报 | 2010年 / 24卷 / 12期

关键词：

背景差; 背景建模; K-均值聚类; 背景更新;

D O I：

暂无

中图分类号：

TP391.41 [];

学科分类号：

080203 ;

摘要：

针对背景差法易受外界环境因素影响的缺点,提出了一种基于改进K-均值聚类的背景建模方法。通过比较任意样本与该像素位置处的子类中心之间的距离,对各个像素的观察值进行聚类,并在聚类过程中逐步确定其类别数。一段时间的学习之后,样本数最多的子类就构成了背景模型。仿真结果表明,该算法即使在运动目标存在的情况下也能准确的提取出实际的背景,而且显著地降低了系统的存储量。

引用

页码：1114 / 1118

页数：5

共 9 条

[1] 一种改进的k-means初始聚类中心选取算法 [J].