平特心水报图
新網絡營銷基礎與實踐

你的位置:首頁 >網絡營銷 >背景差分法

背景差分法

      背景差分法是采用圖像序列中的當前幀和背景參考模型比較來檢測運動物體的一種方法,其性能依賴于所使用的背景建模技術。

     在基于背景差分方法的運動目標檢測中,背景圖像的建模和模擬的準確程度,直接影響到檢測的效果。不論任何運動目標檢測算法,都要盡可能的滿足任何圖像場景的處理要求,但是由于場景的復雜性、不可預知性、以及各種環境干擾和噪聲的存在,如光照的突然變化、實際背景圖像中有些物體的波動、攝像機的抖動、運動物體進出場景對原場景的影響等,使得背景的建模和模擬變得比較困難。

      背景差分法檢測運動目標速度快,檢測準確,易于實現,其關鍵是背景圖像的獲取。在實際應用中,靜止背景是不易直接獲得的,同時,由于背景圖像的動態變化,需要通過視頻序列的幀間信息來估計和恢復背景,即背景重建,所以要選擇性的更新背景。

     (1)中值法背景建模:顧名思義,就是在一段時間內,取連續N幀圖像序列,把這N幀圖像序列中對應位置的像素點灰度值按從小到大排列,然后取中間值作為背景圖像中對應像素點的灰度值;

      (2)均值法背景建模:均值法建模算法非常簡單,就是對一些連續幀取像素平均值。這種算法速度很快,但對環境光照變化和一些動態背景變化比較敏感。其基本思想是,在視頻圖像中取連續N幀,計算這N幀圖像像素灰度值的平均值來作為背景圖像的像素灰度值;

      (3)卡爾曼濾波器模型:該算法把背景認為是一種穩態的系統,把前景圖像認為是一種噪聲,用基于Kalman濾波理論的時域遞歸低通濾波來預測變化緩慢的背景圖像,這樣既可以不斷地用前景圖像更新背景,又可以維持背景的穩定性消除噪聲的干擾;

      (4)多高斯分布模型:將背景圖像的每一個像素點按多個高斯分布的疊加來建模,每種高斯分布可以表示一種背景場景,這樣的話,多個高斯模型混合使用就可以模擬出復雜場景中的多模態情形。

    (5)高級背景模型:得到每個像素或一組像素的時間序列模型。這種模型能很好的處理時間起伏,缺點是需要消耗大量的內存。

網絡營銷詞典內容均由網友提供,僅供參考。

平特心水报图 舟山星空棋牌怎么下载 幸运赛车开奖历史记录 贵州十一选五开奖查询 安徽11选5下期预测号码 澳洲幸运8开奖是什么 股票配资送免费体验金 秒速飞艇最新技巧 广东十一选五走势图下载 天津十一选五遗漏号 杰克棋牌为什么倒闭了