Feel Physics | in Mixed Reality - Education | Blog

Physics Education with Mixed Reality (HoloLens)

【要旨日本語訳】An Improved Adaptive Background Mixture Model for Real- time Tracking with Shadow Detection

An Improved Adaptive Background Mixture Model for Real- time Tracking with Shadow Detection

影の検出を伴うリアルタイム追跡のための適応的背景の重ね合わせモデルの改良

P.KaewTraKulPong and R. Bowden

P.ケウトラクルポンとR.ボーデ

Vision and Virtual Reality group,

画像認識とVRのグループ

Department of Systems Engineering,

システムエンジニア部門

Brunel University, Middlesex, UB8 3PH, UK.

ブルーネル大学、ミドルエセックス、英国

Abstract

要旨

Real-time segmentation of moving regions in image sequences is a fundamental step in many vision systems including automated visual surveillance, human-machine interface, and very low-bandwidth telecommunications.

動画における動いている領域のリアルタイム分割は、自動監視システム・人間的インターフェース・低速帯域テレビ電話を含む多くの画像処理システムにおいて、基本的な一歩である。

A typical method is background subtraction.

典型的な方法は背景差分である。

Many background models have been introduced to deal with different problems.

異なる問題を扱う多くの背景モデルが紹介されてきた。

One of the successful solutions to these problems is to use a multi-colour background model per pixel proposed by Grimson et al [1,2,3].

これらの問題に対して成功した解決法の一つは、グリムソンらによって提案されたピクセル毎のカラー背景モデルを使うやり方である。

However, the method suffers from slow learning at the beginning, especially in busy environments.

しかしながらこの方法は、最初の学習が遅いため特にせわしない環境において、うまくいかない。

In addition, it can not distinguish between moving shadows and moving objects.

加えて、この方法は動いている影と動いている物体とを区別できない。

This paper presents a method which improves this adaptive background mixture model.

本論文は適応的背景混合モデル改良する方法を提案する。

By reinvestigating the update equations, we utilise different equations at different phases.

更新方程式を調べることで、異なる段階において異なる方程式を活用する。

This allows our system learn faster and more accurately as well as adapt effectively to changing environments.

これにより、より早くかつより正確に学習することができ、同時に環境の変化に効果的に適応するシステムを実現する。

A shadow detection scheme is also introduced in this paper.

影検知方法も本論文で提案する。

It is based on a computational colour space that makes use of our background model.

背景モデルを使うことのできるのは、計算された色空間に基づく。

A comparison has been made between the two algorithms.

我々のアルゴリズムとグリムソンらのアルゴリズムとを比較した。

The results show the speed of learning and the accuracy of the model using our update algorithm over the Grimson et al’s tracker.

我々のつくったアルゴリズムを使う場合の学習する速さとモデルの正確さは、グリムソンらの追跡機を上回るという結果を示した。

When incorporate with the shadow detection, our method results in far better segmentation than that of Grimson et al.

影の検知を伴う場合、我々の手法はグリムソンらの手法よりもかなり良い分割をした。