背景减法——自组织算法

自组织背景减法是Maddalena于2008年发表的《A self-organizing approach to background subtraction for visual surveillance applications》中提出的，通过自组织的方法自动的生成一张神经网格背景模型。这个背景减法在2012年和2013年的Change detection背景减法比赛中均排名前列。

模型表示：

对输入视频的每个像素p都建立一个对应的神经图，每个神经图由n*n个权重向量组成。

=｛(p)， i,j=0,……n-1｝.

将所有的神经图放在同一张图中产生一张背景模型图中。如果一个视频分辨率是R*P，则第t帧产生的2-D神经网络背景图的大小就是n*R列，n*P行的。且一个像素点p=（x，y）中第（i，j）个权值向量在B中的索引就是：

(n*x+i，n*y+j)=，i,j=0,……n-1.

图XXX 视频像素与其对应的神经网络背景模型图

神经模型初始化：

在初始化过程中，作者的核心思想是视频的第一帧非常好的近似于真实背景，所以对于每个像素值p，其对应的背景模型的权值向量M（p）由一下公式进行初始化：

由上公式可以看出，初始化的神经网络背景模型B，可以看成是一张经过n*n扩大后的视频第一帧.

背景减法和模型更新：

(1) 寻找最佳匹配：

在t时刻给定当前的像素p，它的像素值和他的当前的背景模型作比较，找出其中与最匹配的权重向量BM(p),也就是在颜色空间中与距离最近的权重向量：

d(BM(p),)=，

在作者的模型中可以使用RGB颜色空间或者HSV颜色空间，如果是HSV颜色空间的话，其距离公式为：

给定两个像素的值

(2) 模型更新:

自组织模型的更新方法与众不同，在再找最佳匹配的权重向量BM(p)后，如果与像素p的当前像素值在颜色空间的距离小于阈值时，判定其当前像素值是背景，在此BM(p)和其在中相对应的位置的邻居的权值向量都将进行更新。具体的说，假如BM(p)在中的位置是，则的权值向量的更新根据以下公式：

，

其中指在2-D空间中的邻居的权值向量.k在实验过程中取值为1.

; 是学习速率，G()=是一个2-D高斯低通滤波器。是对像素点p的背景减法掩模值。

Algorithm SOBS (Self-Organization Background Subtraction)

Input: pixel value p_t in frame I_t, t=0, … , LastFrame

Output: background/foreground binary mask value B(p_t)

1. Initialize mode C for pixel p₀ and store it into A

2. for t = 1, LastFrame

3. Find best match c_m in C to current sampe p_t

4. if (c_m found) then

5. B(p_t) = 0 //background

6. update A in the neighborhood of c_m

7. else if (p_t shadow) then

8. B(p_t) = 0 //background

9. else

10. B(p_t) = 1 //foreground

来自为知笔记(Wiz)

转载于:https://www.cnblogs.com/zhuangwy-cv/p/3861294.html

背景减法——自组织算法相关推荐

python加减法视频教程免费_一起学opencv-python三十八（视频分析：背景减法）
首先要纠正一下上一讲的一些地方. 这里的移动其实并不仅仅是一个点的移动,那个中心线其实是不动的,动的是那些亮度值. 左边图是在(x,y)附近的像素点亮度值分布和二次曲线拟合情况,这是一维情况,二维应该 ...
背景扣除matlab_基于背景减法的目标检测在Matlab中的实现方法
云南大学学报 ( 自然科学版 ) , 2009, 31 ( S2) : 59 - 61 CN 53 - 1045 /N I SSN 0258 - 7971 Journa l of Y ...
视频分析（三）：背景减法
开发十年,就只剩下这套Java开发体系了 >>> 目标在这一章当中, 我们将熟悉OpenCV中的背景减法方法. 基础背景扣除是许多基于视觉的应用程序中的主要预处理步骤.例如 ...
前景背景分割——ostu算法的原理及实现 OpenCV (八）
OpenCV [八]--前景背景分割--ostu算法的原理及实现实验结果代码实现实现原理参考资料实验结果代码实现 #include<opencv2/opencv.hpp> #i ...
背景建模--Vibe 算法改进
背景建模--Vibe 算法改进一.概述针对鬼影问题,提出一种了基于前景区域与邻域背景区域直方图相似性度量的判别方法,检测并消除鬼影:针对静止目标问题,改进了Vibe背景模型的更新策略,有效抑制静止 ...
背景建模--Vibe 算法优缺点分析
背景建模--Vibe 算法优缺点分析一.Vibe 算法的优点 Vibe背景建模为运动目标检测研究邻域开拓了新思路,是一种新颖.快速及有效的运动目标检测算法.其优点有以下两点: 1.思想简单,易于实现 ...
OpenCV背景减法Background Subtraction Methods
OpenCV背景减法Background Subtraction Methods 背景减法Background Subtraction Methods 目标代码解释结果背景减法Backgrou ...
运动目标检测--背景减法
转载自:https://blog.csdn.net/tiemaxiaosu/article/details/51583682 一.原理对于一个稳定的监控场景而言,在没有运动目标,光照没有变化的情况下 ...
调取python背景减法库:MOG2和KNN，非常好用
1.运行环境操作系统:win10 64位 python3.6 opencv3.4.5 2.方法 cv2.createBackgroundSubtractorMOG2() cv2.createBack ...
[Python从零到壹] 六十一.图像识别及经典案例篇之基于纹理背景和聚类算法的图像分割
祝大家新年快乐,阖家幸福,健康快乐! 欢迎大家来到"Python从零到壹",在这里我将分享约200篇Python系列文章,带大家一起去学习和玩耍,看看Python这个有趣的世界.所 ...

背景减法——自组织算法

背景减法——自组织算法相关推荐

最新文章

热门文章