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 ...

目标检测中背景建模方法总结

目标检测中背景建模方法总结相关推荐

最新文章

热门文章