Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
SLX-Digitalkonferenz: Zukunftswerkstatt 2024

Mehr Umsatz mit Top-Kontakten

Am 7. Mai erfahren Sie, wie Vertriebsteams Leadgenerierung, Leadnurturing und Leadstrategien effizient steuern können.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Predicting 30-Day Emergency Readmission Risk Kapitel lesen Erstes Kapitel lesen

2017 | OriginalPaper | Buchkapitel

Pixel Features for Self-organizing Map Based Detection of Foreground Objects in Dynamic Environments

verfasst von : Miguel A. Molina-Cabello, Ezequiel López-Rubio, Rafael Marcos Luque-Baena, Enrique Domínguez, Esteban J. Palomo

Erschienen in: International Joint Conference SOCO’16-CISIS’16-ICEUTE’16

Verlag: Springer International Publishing

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

Among current foreground detection algorithms for video sequences, methods based on self-organizing maps are obtaining a greater relevance. In this work we propose a probabilistic self-organising map based model, which uses a uniform distribution to represent the foreground. A suitable set of characteristic pixel features is chosen to train the probabilistic model. Our approach has been compared to some competing methods on a test set of benchmark videos, with favorable results.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel Object Recognition by Machine Vision System of Inspection Line
Nächstes Kapitel Reliable Workspace Monitoring in Safe Human-Robot Environment
Fußnoten
Literatur
1.
Li, L., Huang, W., Gu, I.Y.H., Tian, Q.: Statistical modeling of complex backgrounds for foreground object detection. IEEE Trans. Image Process. 13(11), 1459–1472 (2004)CrossRef
2.
López-Rubio, E., Luque-Baena, R.M., Dominguez, E.: Foreground detection in video sequences with probabilistic self-organizing maps. Int. J. Neural Syst. 21(03), 225–246 (2011)CrossRef
3.
López-Rubio, F.J., López-Rubio, E.: Features for stochastic approximation based foreground detection. Comput. Vis. Image Underst. 133, 30–50 (2015)CrossRef
4.
Maddalena, L., Petrosino, A.: A self-organizing approach to background subtraction for visual surveillance applications. IEEE Trans. Image Process. 17(7), 1168–1177 (2008)MathSciNetCrossRef
5.
Stauffer, C., Grimson, W.: Adaptive background mixture models for real-time tracking. In: Proceedings of IEEE International Conference on Computer Vision and Pattern Recognition, pp. 246–252, Fort Collins, Colorado (1999)
6.
Toyama, K., Krumm, J., Brumitt, B., Meyers, B.: Wallflower: principles and practice of background maintenance. In: IEEE International Conference on Computer Vision, ICCV, pp. 255–261, Kerkyra, Greece (1999)
7.
Wren, C., Azarbayejani, A., Darrell, T., Pentl, A.: Pfinder: real-time tracking of the human body. IEEE Trans. Pattern Anal. Mach. Intell. 19(7), 780–785 (1997)CrossRef
Metadaten
Titel
Pixel Features for Self-organizing Map Based Detection of Foreground Objects in Dynamic Environments
verfasst von
Miguel A. Molina-Cabello
Ezequiel López-Rubio
Rafael Marcos Luque-Baena
Enrique Domínguez
Esteban J. Palomo
Copyright-Jahr
2017
Buch
International Joint Conference SOCO’16-CISIS’16-ICEUTE’16

Print ISBN: 978-3-319-47363-5

Electronic ISBN: 978-3-319-47364-2

Copyright-Jahr: 2017

DOI
https://doi.org/10.1007/978-3-319-47364-2_24