ACCUEIL

Consignes aux
auteurs et coordonnateurs
Nos règles d'éthique
Auteurs : soumettez
votre article en ligne
Autres revues >>

Traitement du Signal

0765-0019
Signal, Image, Parole
Nouvel éditeur en 2019
 

 ARTICLE VOL 35/3-4 - 2018  - pp.243-252  - doi:10.3166/ts.35.243-252
TITRE
Une Méthode de Modélisation Améliorée d'Arrière-plan à Base de Gaussien Mixte pour la Segmentation par Gestes Rapides de Terminaux Mobiles

TITLE
An improved mixed gaussian-based background modelling method for fast gesture segmentation of mobile terminals

RÉSUMÉ

La segmentation des gestes desterminauxmobiles se heurte à deuxproblèmes 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, dansle but d'améliorer la capacité d'adaptation dela 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.



ABSTRACT

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 ofthe mixed Gaussian background model. The number ofGaussian distributions was controlled adaptivelyto reduce system computing load and storage. Then, the learning rate was controlled in light of special scene change rate, aiming to enhance the adaptabilityofgesture 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.



AUTEUR(S)
Chengfeng JIAN, Tao LU, Xiaoyu XIANG, Meiyu ZHANG

MOTS-CLÉS
modèle gaussien mixte, modélisation d’arrière-plan, taux d'apprentissage, segmentation gestuelle.

KEYWORDS
mixed gaussian model, background modelling, learning rate, gesture segmentation.

LANGUE DE L'ARTICLE
Anglais

 PRIX
• Abonné (hors accès direct) : 7.5 €
• Non abonné : 15.0 €
|
|
--> Tous les articles sont dans un format PDF protégé par tatouage 
   
ACCÉDER A L'ARTICLE COMPLET  (173 Ko)



Mot de passe oublié ?

ABONNEZ-VOUS !

CONTACTS
Comité de
rédaction
Conditions
générales de vente

 English version >> 
Lavoisier