高斯背景建模 matlab,高斯背景建模整理 – 要饭的
OpenCV 中高斯背景建模相关论文
BackgroundSubtractorMOG:
Paper : An Improved Adaptive Background Mixture Model for Real-time Tracking with Shadow Detection
Website : http://personal.ee.surrey.ac.uk/Personal/R.Bowden/publications/avbs01/avbs01.pdf
创新点 :用EM初始化每个高斯模型的参数。
BackgroundSubtractorMOG2:
Paper : Improved adaptive Gausian mixture model for background subtraction
Website :http://www.zoranz.net/Publications/zivkovic2004ICPR.pdf
创新点: 把混合高斯模型数量K变成自适应的了,而不像以前是一个固定值(一般3-5个)
Paper : Efficient Adaptive Density Estimapion per Image Pixel for the Task of Background Subtraction.
Paper: Recursive unsupervised learning of finite mixture models
EM 算法: 可被看作为一个逐次逼近算法:事先并不知道模型的 参数 ,可以随机的选择一套参数或者事先粗略地给定某个初始参数λ0 ,确定出对应于这组参数的最可能的状态, 计算 每个训练样本的可能结果的 概率 ,在当前的状态下再由样本对参数修正,重新估计参数λ ,并在新的参数下重新确定模型的状态,这样,通过多次的迭代,循环直至某个收敛条件满足为止,就可以使得模型的参数逐渐逼近真实参数。
形象比喻:食堂的大师傅炒了一份菜,要等分成两份给两个人吃,显然没有必要拿来天平一点一点的精确的去称分量,最简单的办法是先随意的把菜分到两个碗中,然后观察是否一样多,把比较多的那一份取出一点放到另一个碗中,这个过程一直迭代地执行下去,直到大家看不出两个碗所容纳的菜有什么分量上的不同为止。
背景建模方法: 基于color特征,基于纹理
背景建模的挑战:
1) 渐进的光线变化;
2) 光线的突然变化
3) 动态的背景
4) 前景与背景很相似
5) 前景的阴影
6) 初始化数据并不是纯背景
7) 视频噪声
相关网址:
单高斯背景建模:
单高斯背景建模认为,对于一个背景图像,其中每个像素的亮度分布满足高斯分布,这样我们就可以对背景中的每个像素建模,模型参数包括:均值和方差。
对于一幅给定的图像G,如果 Exp(-(IG(x,y)-u(x,y))^2/(2*d^2)) > T,认为(x,y)是背景点,反之是前景点。
同时随着时间的变化,背景中的每个像素也会发生缓慢的变化,这就需要我们不断的更新每个像素的背景模型参数:u(t+1,x,y) = a*u(t,x,y) + (1-a)*I(x,y),其中a表示学习率,a越大,表示背景变化越缓慢。
混合高斯背景建模:
由于一般视频是多模态的,背景的像素值会在多个像素值处波动,因此采用多个高斯模型来表示背景像素比较鲁棒。每个高斯模型都有权重。
每当新的像素输入到高斯模型,都要对模型中的参数进行更新。
欢迎加入我爱机器学习QQ14群:336582044
微信扫一扫,关注我爱机器学习公众号
高斯背景建模 matlab,高斯背景建模整理 – 要饭的相关推荐
- 背景差分法 matlab程序,背景差分法matlab实现
difTerencemethod:vehiclecount 1 引言 随着交通需 求的增长 , 交通系统也 日益复杂 , 为了给交通管理提供实时准确的车辆信息 , 本文通过分析与 比较选用了 MATL ...
- 天然肠衣数学建模matlab代码,数学建模天然肠衣搭配问题.doc
数学建模天然肠衣搭配问题 2011高教社杯全国大学生数学建模竞赛 承 诺 书 我们仔细阅读了中国大学生数学建模竞赛的竞赛规则. 我们完全明白,在竞赛开始后参赛队员不能以任何方式(包括电话.电子邮件.网 ...
- 病毒传播数学建模matlab分析,数学建模MATLAB之分析法(一)
[toc] 本篇分别有主成分分析,层次分析,聚类分析,因子分析的简单介绍以及在MATLAB(2018a)上使用的简单介绍 ( 附源码 ) 主成分分析 主成分分析-百度百科 简单讲:主成分分析就是取出几 ...
- 高斯随机信号matlab,高斯随机信号生成初探.ppt
高斯随机信号生成初探 BPSK误码率仿真(n=30) QPSK误码率仿真(n=10) QPSK误码率仿真(n=30) 分析~3 在低SNR部分,三种方法产生的噪声对系统性能影响不大,而在高SNR部分, ...
- 数学建模matlab体会,数学建模心得体会
数学建模心得体会一年一度的全国数学建模大赛在今年的9 月21 日上午8 点拉开战幕,各队将在3 天72 小时内对一个现实中的实际问题进行模型建立,求解和分析,确定题目后,我们队三人分头行动,一人去图书 ...
- matlab 高斯脉冲整形,matlab高斯脉冲波形
曲线的图形表示的详细过程(可用 Matlab.Excel 等...高斯脉冲源时域波形与频域波形: 1.00 1 0.80 0... ('Impulse Response of Gaussian Fil ...
- 大饺子能包馅建模matlab代码,数学建模之包饺子,用数学改善生活的幸福度
点击播放 GIF 0.0M 关注我,让我成为你的专属小太阳吧 " "年者,禾熟之名,每岁一熟,故以岁为名". " 我们把"年"当作收获的象征 ...
- opencv背景建模(混合高斯模型)
背景建模 帧差法 由于场景中的目标在运动,目标的影像在不同图像帧中的位置不同.该类算法对时间上连续的两帧图像进行差分运算,不同帧对应的像素点相减,判断灰度差的绝对值,当绝对值超过一定阈值时,即可判断为 ...
- python opencv 背景建模 混合高斯模型
本文转载自别人博客 混合高斯模型:在进行前景检测前,先对背景进行训练,对图像中每个背景采用一个混合高斯模型进行模拟,每个背景的混合高斯的个数可以自适应.然后在测试阶段,对新来的像素进行GMM匹配,如果 ...
最新文章
- 项目需求(20-30万)|人体三维动作重构
- linux mint 19 与windows时间不同步
- awk详细教程:第二部分
- Mysql函数访问oracle,Oracle与MySql函数
- mysql 搭建日志服务器_一、架构01-搭建日志服务器Rsyslog
- 二次元风格Kratos-pjax主题 WordPress主题
- mediawiki 编辑php代码,mediawiki_1.25配置wikieditor编辑器
- 『MCSE 2008系统管理视频』Unit 5 域用户与组的管理 第2讲 mcse 2008
- 2022年全栈开发者需要熟悉了解的知识列表
- java 微信多公众号管理_微信公众号开发:支持对多个公众号的管理
- 物联网发展的尴尬境况:理想与现实仍有差距
- 小锤子要出来?老罗傲娇属性不再
- linux配置文件密码加密工具,Linux下利用openssl对文件进行加密和解密
- 用前端技术实现2d动画和特效(canvas)
- 谷歌drive收费_Google Drive的系统设计分析
- HTTP1.1协议中文版-RFC2616
- iphone怎么迁移数据_如何将数据从旧iPhone迁移到新iPhone
- 学习拓展中国剩余定理小结
- 互联网开发之神器:经典加解密函数Discuz authcode
- 苹果锻造者Jonathan Ive