An improved mixed gaussian-based background modelling method for fast gesture segmentation of mobile terminals
An improved mixed gaussian-based background modelling method for fast gesture segmentation of mobile terminals
复制标题
DOI：
10.3166/ts.35.243-252
复制
发表时间：
2018-12
影响因子：
1.9
通讯作者：
Chengfeng Jian;Tao Lu;Xiaoyu Xiang;Meiyu Zhang
中科院分区：
文献类型：
--
作者：
Chengfeng Jian;Tao Lu;Xiaoyu Xiang;Meiyu Zhang
The gesture segmentation of mobile terminals faces two major problems: the segmentation effect is constrained by complex background, and the timeliness is dampened by the limited resources of mobile devices. To solve these problems, this paper puts forward a detection method based on improved mixed Gaussian background modelling. The first step is to improve the distribution of the mixed Gaussian background model. The number of Gaussian distributions was controlled adaptively to reduce system computing load and storage. Then, the learning rate was controlled in light of special scene change rate, aiming to enhance the adaptability of gesture segmentation to environmental changes. The experimental results show that the proposed method can rapidly eliminate environmental interferences, achieve effective hand segmentation and realize good computing performance, despite the massive changes to the background scene. RÉSUMÉ. La segmentation des gestes des terminaux mobiles se heurte à deux problèmes majeurs: l’effet de la segmentation est limité par un arrière-plan complexe et la rapidité est freinée par les ressources limitées des terminaux mobiles. Pour résoudre ces problèmes, le présent document propose une méthode de détection basée sur une modélisation améliorée d’arrièreplan gaussien mixte. La première étape consiste à améliorer la distribution du modèle d’arrière-plan gaussien mixte. Le nombre de distributions gaussiennes a été contrôlé de manière adaptative afin de réduire la charge de calcul et le stockage du système. Ensuite, le taux d'apprentissage a été contrôlé à la lumière d'un taux de changement de scène particulier, dans le but d'améliorer la capacité d'adaptation de la segmentation des gestes aux changements environnementaux. Les résultats expérimentaux montrent que la méthode proposée permet d’éliminer rapidement les interférences environnementales, de réaliser une segmentation gestuelles des mains efficace et d’atteindre de bonnes performances informatiques, malgré les modifications massives apportées à la scène d’arrière-plan.
