目标检测中背景建模方法总结
转自:http://www.cnblogs.com/ronny/archive/2012/04/12/2444053.html
背景建模或前景检测的算法主要有:
1. Single Gaussian (单高斯模型)
Real-time tracking of the human body
2. 混合高斯模型(Mixture of Gaussian Model)
An improved adaptive background mixture model for real-time tracking with shadow detection
3. 滑动高斯平均(Running Gaussian average)---Single Gaussian
Real-time tracking of the human body
对于单高斯和混合高斯估计大家都熟悉,这里不再累述(混合高斯在现有的背景建模算法中应该算是比较好的,很多新的算法或改进的算法都是基于它的一些原理的不同变体,但混合高斯算法的缺点是计算量相对比较大,速度偏慢,对光照敏感);
4. 码本 (CodeBook)
Real-time foreground–background segmentation using codebook model
Real-time foreground-background segmentation using a modified codebook model
对与Codebook算法,曾经做过实验,效果还可以,后来也有多种变体,没有进一步的进行研究,但算法对光照也敏感);
5. 自组织背景检测( SOBS-Self-organization background subtraction)
A self-Organizing approach to background subtraction for+visual surveillance
对于自组织背景建模算法即SOBS算法,该算法对光照有一定的鲁棒性,但MAP的模型比输入图片大,计算量比较大,但是可以通过并行处理来解决算法的速度问题,可以进行尝试;
6. 样本一致性背景建模算法 (SACON)
A consensus-based method for tracking
A consensus-based method for tracking-Modelling background scenario and foreground appearance
SACON-Background subtraction based on a robust consensus method
SACON算法是基于统计的知识,代码实现过,并做过实验,效果还可以,但没有进一步的分析;
7. VIBE算法
vibe
ViBe-A Universal Background Subtraction
VIBE算法是B哥的一个大作,网上有现成的算法可用,但已申请了专利,用于做研究还是可以的,该算法速度非常快,计算量比较小,而且对噪声有一定的鲁棒性,检测效果不错;
8. 基于颜色信息的背景建模方法(Color)
A statistical approach for real-time robust background subtraction and shadow detection
基于颜色信息的背景建模方法,简称Color算法,该算法将像素点的差异分解成Chromaticity差异和Brightness差异,对光照具有很强的鲁棒性,并有比较好的效果,计算速度也比较快,基本可以满足实时性的要求,做了许多视频序列的检测,效果比较理想;
9. 统计平均法
10. 中值滤波法( Temporal Median filter)
Automatic congestion detection system for underground platform
Detecting moving objects,ghost,and shadows in video streams
统计平均法和中值滤波法,对于这两个算法,只对统计平均法做了实现,并进行了测试,算法的应用具有很大的局限性,只能算是理论上的一个补充;
11. W4方法
W4.pdf
W4算法应该是最早被用于实际应用的一个算法,这个大家可以去查看相关的资料,这里不再细说;
12. 本征背景法
A Bayesian computer vision system for modeling human interactions
本征背景法没实现过,看很多文献有讲解,然后该算法又是基于贝叶斯框架,本人一直对贝叶斯框架不感冒,理论上很Perfect,实际应用就是Shit(无意冒犯贝氏粉丝,如有冒犯,请绕路,勿吐口水);
13. 核密度估计方法
Non-parametric model for background subtraction
最后就是核密度估计算法,该算法应该是一个比较鲁棒的算法,可以解决很多算法参数设置方面的问题,无需设置参数应该是算法的一大优势。
个人观点:SOBS、Color、VIBE、SACON、PDF等可以进行深入的了解,特别是近年来出现的Block-based或Region-Based、Features-Based、基于层次分类或层次训练器的算法可以进行深入的研究。
目标检测中背景建模方法总结相关推荐
- 目标检测中背景建模方法
FROM: http://www.cnblogs.com/ronny/archive/2012/04/12/2444053.html 最近一直在做前景检测方面的研究,刚开始主要是做一些工程性的应用,为 ...
- 目标检测中背景建模方法 [转]
最近一直在做前景检测方面的研究,刚开始主要是做一些工程性的应用,为了解决工程方面的问题,下了不少功夫,也看了不少最近国内外的文章.一直想做个总结,拖着拖着,终究却写成这篇极不成功的总结. 背 ...
- OpenCV中背景建模方法mog2——Adaptive GMM算法小结
GMM是网上到处可见且用得最多的背景建模算法,论文上很多相关概率公式,又看了很多博客对于GMM的解释,直到现在还总是觉得很难理解其中的真谛,从各方面整理一下目前自己所理解的内容,如果有理解偏差,欢迎指 ...
- 常见的目标检测中的背景建模方法总结
最近一直在做前景检测方面的研究,刚开始主要是做一些工程性的应用,为了解决工程方面的问题,下了不少功夫,也看了不少最近国内外的文章.一直想做个总结,拖着拖着,终究却写成这篇极不成功的总结.(文章下载:h ...
- 常见的目标检测中的背景建模方法
Author: JW. ZHOU 2014/6/13 最近一直在做前景检测方面的研究,刚开始主要是做一些工程性的应用,为了解决工程方面的问题,下了不少功夫,也看了不少最近国内外的文章.一直想做个总结, ...
- Background Subtraction and Modeling 常见的目标检测中的背景建模方法漫谈
转载者的话: 最近一直在看background subtraction and modeling.正如如下链接的第一个回帖所说,背景建模虽然最近研究不是很热,但对视频的处理至关重要,甚至直接影响一个系 ...
- 目标检测中的知识蒸馏方法
目标检测中的知识蒸馏方法 知识蒸馏 (Knowledge Distillation KD) 是模型压缩(轻量化)的一种有效的解决方案,这种方法可以使轻量级的学生模型获得繁琐的教师模型中的知识.知识蒸馏 ...
- 目标检测中的性能提升方法综述
文章目录 一.多尺度检测 1.什么是多尺度检测? 2.降低下采样率与空洞卷积 3.多尺度训练 4.优化Anchor尺寸训练 5.深层与浅层特征融合 6.SNIP,尺度归一化 7.TridentNet, ...
- 检测到目标服务器启用了trace方法_综述:目标检测中的多尺度检测方法
↑ 点击蓝字 关注极市平台作者丨SFXiang来源丨AI算法修炼营编辑丨极市平台 极市导读 本文从降低下采样率与空洞卷积.多尺度训练.优化Anchor尺寸设计.深层和浅层特征融合等多个方面入手,对目标 ...
最新文章
- 牛津教授揭秘AI革命及其前沿进展
- 解决SQL Server 2000 错误15023:当前数据库中已存在用户或角色
- [译]管理IIS日志的存储
- SAP Cloud for Customer ABSL的一些优化
- Unity 3D学习笔记之一 界面介绍
- 大疆无人机高程不准_大疆消费级无人机快速倾斜摄影测量实践
- 前端开发1之Node.js以及npm开发环境搭建
- k1658停运到什么时候_商洛一小区电梯停运10余天,高层业主:我可太难啦
- System类的概述和方法使用
- 在线分数加减乘除计算器
- Linux unit 5
- 无线鼠标全国产化电子元件推荐方案
- Selenium WebDriver 数据驱动测试框架
- 寒江独钓windows 内核安全编程学习笔记(双机调试)
- 后退一步 小程序_微信小程序:如何利用navigateBack退出小程序
- 3.1 埃拉托色尼筛选
- Xrm.WebApi 多对多关系处理
- 彗星mysql_为什么彗星被认为是一个“脏雪球”?
- Linux--JVM内存设置
- Initialization failed for ‘https://start.spring.io