An end-to-end deep learning background subtraction with updating background modeling

カテゴリ: 研究会(論文単位)

論文No: PI20057,IIS20068

グループ名: 【C】電子・情報・システム部門 知覚情報/【D】産業応用部門 次世代産業システム合同研究会

発行日: 2020/10/20

タイトル(英語): An end-to-end deep learning background subtraction with updating background modeling

著者名: 豊 帆(九州大学),峰松 翼(九州大学),島田 敬士(九州大学),内山 英昭(九州大学),谷口 倫一郎(九州大学)

著者名(英語): FAN FENG(Kyushu University),Tsubasa Minematsu(Kyushu University),Atsushi Shimada(Kyushu University),Hideaki Uchiyama(Kyushu University),Rin-ichiro Taniguchi(Kyushu University)

キーワード: 背景差分法|背景更新|前景検出|background subtraction|background updating|foreground detection

要約(日本語): 背景モデルの更新機能を持たない従来の深層学習ベース背景差分法では，学習データセットに含まれない未知シーンにおいて，大きな背景変動に追従できず前景検出精度が低下する問題がある．本研究では，背景モデルの更新機能の導入した深層学習ベース背景差分法を提案する．提案手法によって，背景の変動に応じて，背景モデルが更新され誤認識が抑えられることを示す．

要約(英語): The conventional deep background subtraction method without background updating is sensitive to unseen videos where backgrounds change frequently. In this paper, we propose a deep background subtraction method with background updating. Our proposed method can reduce the misdetection of foregrounds by introducing a feedback loop for updating our background model.

原稿種別: 英語

PDFファイルサイズ: 1,211 Kバイト