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。
推荐一篇综述文章:Evaluation of Background Subtraction Techniques for Video Surveillance
再推荐一个网站:http://www.changedetection.net/
转载于:https://www.cnblogs.com/jie5516/p/4493932.html
目标检测中背景建模方法 [转]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 ...
- 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
- 基于熵权法优劣解距离法_基于优劣解距离法的火电机组单辅机运行状态评估
- Java练习 SDUT-1230_平方和与立方和
- python笔试题110题_《Python程序设计》试题库
- 《系统集成项目管理工程师》必背100个知识点-21监控项目工作ITTO
- git提交过滤package.json_eclipse配置git环境以及使用git提交本地仓和远程仓
- java验证工具类(待验证)
- linux mint 14 shurufa
- Helm 3 完整教程(十四):Helm 函数讲解(8)数学计算函数
- Repeater双重绑定(子菜单前台代码:)
- 2.Magento请求分发与控制器(MVC)
- Linux动态库soname的使用(转载)
- 通过js操作jwplayer来播放暂停
- 主题:讲解三层代码讲解--第三课(*****) DATE:2004-05-28
- 网络广告CPS/CPC/CPV/CPM/CPA分别是什么意思
- 文件管理服务器win7,Win7如何取得文件管理所有权
- ubuntu 安装截图工具 Shutter,并设置快捷键 Ctrl+SuperL
- 【Blender Python】随手一记
- Wpf关于列表动态刷新的问题
- 下载XXX不安全,SmartScreen筛选器已阻止下载
- itunes在计算机中丢失,iTunes用户莫名丢失音乐文件 苹果将发布更新
热门文章
- 当你心情低落的时候就来看看
- 切换成root用户失败
- 程序员的另类境界:Rails创始人DHH驾驶保时捷赛车参加职业赛事
- python解决 bad operand type for unary -: ‘NoneType‘
- 入门微信小程序三(自定义组件)
- Revit技巧 | Revit中图元不可见怎么办?
- 从pyh看Python的工厂模式
- 于佳 计算机科学技术学院,计算机科学技术学院举行“倾听-点亮未来”师生座谈会...
- 【C++】3-1.19 带有默认参数值的函数
- Android 设置参数至kernel_ois为例