블럭내 경계변화율을 이용한 혼합 가우시안 모델 속도향상 방법

초록

본 논문에서는 변화하는 환경에서 유연성을 갖고 배경을 학습하는 혼합 가우시안 모델의 연산속도를 향상시키는 법을 제안한다. 혼합 가우시안 모델은 서서히 변화하는 환경과, 반복적인 변화에 강하다는 장점이 있다. 하지만 각각의 픽셀이 여러 개의 가우시안 모델을 갖고 있기 때문에 영상시퀀스에서 매 프레임마다 많은 양의 연산을 필요로 한다. 그래서 고해상도의 영상이나 실시간 처리가 필요한 환경에서는 낮은 데이터 처리속도로 인해 사용하는데 어려움이 따른다. 우리는 이러한 단점을 보완하기 위해 영상을 블럭으로 구분하고 블럭내의 경계변화율을 계산하여 변화율이 큰 블럭과 그렇지 않은 블럭을 분리하여 불필요한 연산을 줄여서 연산속도를 향상시키는 방법을 제안한다. 이 방법은 연산속도 향상으로 인해 혼합 가우시안 모델과 다른 알고리즘과의 결합사용도 가능하게 한다.