摘要：SACON（SAmple CONsensus）算法是基于样本一致性的运动目标检测算法。该算法通过对每个像素进行样本一致性判断来判定像素是否为背景。算法框架图 由上图可知，该算法主要分为四个主要部分，分别是邻域差分、SACON算法核心处理、空洞填充后处理、TOM(Time Out Map)，其中TOM(Time Out Map)主要用于背景模型更新，其他部分属于前景目标检测。背景模型建立 SACON算法建立背景模型的方法是直接取视频序列的前N帧作为背景模型。 对于每个像素而言，其背景模型可以表示为：C(c1,c2,...,cN)，对于彩色图像，ci=(r,g,b)，对于灰度图像，则... 阅读全文

摘要：SOBS（self-Organizing through artificial neural networks）是一种基于自组织神经网络的背景差分算法，主要是借鉴神经网络的特性，一个网络输入节点，对应多个中间节点，将背景模型中的一个像素映射到模型的多个位置，并采用了像素邻域空间相关的更新方式，使邻域的信息进一步融入模型中，使得算法具有邻域空间相关性。算法伪代码 背景模型建立 选择背景模型的映射大小，一般选取n = 3，即一个像素点对应于模型中的3*3块，背景模型相比于原始图像扩大了9倍。 选择HSV颜色空间，选取第一帧数据作为背景模型的初始化数据。如上图示例所示，ai(h,s,v... 阅读全文

摘要：PbModel是基于概率模型的背景差分算法，其基本思想是像素点会因光照变化、运动物体经过产生多种颜色值，但是一段时间内，像素点处于静止状态的时间会比处于运动状态的时间长。因而一段时间内，像素点某个颜色值出现的概率会高于其他颜色值，高概率的颜色值即为该像素点的背景值。创新点1.关注基于概率的背景模型的内存占用率和计算复杂度 基于概率的背景模型是常用的背景建模方法，但是现有一些算法，其内存占用率高，计算复杂度大。 该算法利用聚类减少内存占用率，将像素点可能出现的颜色值，按距离聚类，以聚类中心代替颜色值，从而减少内存占用率。 利用不固定长度的帧序列建立背景模型，由于许多像素点一般都处于静止... 阅读全文

摘要：一、利用OpenCV中提供的GPU模块 目前，OpenCV中已提供了许多GPU函数，直接使用OpenCV提供的GPU模块，可以完成大部分图像处理的加速操作。 基本使用方法，请参考：http://www.cnblogs.com/dwdxdy/p/3244508.html 该方法的优点是使用简单，利用GpuMat管理CPU与GPU之间的数据传输，而且不需要关注内核函数调用参数的设置，使用过程中，只需要关注处理的逻辑操作。 缺点是受限于OpenCV库的发展和更新，当需要完成一些自定义的操作时（OpenCV中没有提供相应的库），难以满足应用的需求，需要自己实现自定义操作的并行实现。此外，针对一... 阅读全文

摘要：ViBe是一种像素级的背景建模、前景检测算法，该算法主要不同之处是背景模型的更新策略，随机选择需要替换的像素的样本，随机选择邻域像素进行更新。在无法确定像素变化的模型时，随机的更新策略，在一定程度上可以模拟像素变化的不确定性。背景模型的初始化 初始化是建立背景模型的过程，一般的检测算法需要一定长度的视频序列学习完成，影响了检测的实时性，而且当视频画面突然变化时，重新学习背景模型需要较长时间。 ViBe算法主要是利用单帧视频序列初始化背景模型，对于一个像素点，结合相邻像素点拥有相近像素值的空间分布特性，随机的选择它的邻域点的像素值作为它的模型样本值。 优点：不仅减少了背景模型建立的过程... 阅读全文

摘要：Pixel-Based Adaptive Segmenter（PBAS）检测算法，是基于像素的无参数模型，该算法结合了SACON和VIBE两个算法的优势，并在这两个算法的基础上改进而来，SACON和VIBE算法的介绍，请参考：【背景建模】SACONhttp://www.cnblogs.com/dwdxdy/p/3530862.html【背景建模】VIBEhttp://www.cnblogs.com/dwdxdy/p/3527891.html创新点：1).引入控制论的思想，使前景判断阈值和背景模型更新率自适应变化，随背景的复杂程度变化。2).引入背景复杂程度的度量方法，根据背景复杂程度调整前.. 阅读全文