最近导师没给什么项目做,所以有那么一点点小时间,于是就研究起了前景检测,既然前景检测有很多种算法,那干脆就把这些模型都学起来吧,以后用到前景检测时至少还有那么几种方法可以选择,上次介绍的是GMM模型,其实GMM模型本身就是一个很不错的模型,现在也很多人在研究,并且做改进,主要是OpenCV有函数调用,用起来非常方便,当我们都在兴高采烈的讨论GMM各种好的时候,B哥不爽了,他说老子是搞前景检测的,怎么可能让你们这么嚣张,而且老子就不按照你那套路来,什么高斯模型,混合高斯模型,我统统不用,就来个简单的,气死你们,于是一挥笔,一篇著作就出来了ViBe: A Universal Background Subtraction Algorithm for Video Sequences,顿时震惊了所有人,现在就让我们一起来领略一下ViBe算法到底有什么过人之处吧。
1、原理
一讲到原理,本人就喜欢推荐其他博主的博客,因为我觉得他们都已经写得非常好了,好资源就是要被传播,被共享的,所以对于原理的问题,我一样推荐一个博客给大家。
①、背景建模或前景检测(Background Generation And Foreground Detection) 五 ViBe
这篇文章可以说是ViBe原文的精华版,对这个算法的理论基础和精髓理解的非常透彻,甚至连实验对比结果和效果图都给大家贴出来了,都是原文的图片。
也希望大家看完这篇精华版之后,有初步了解之后可以去看一下原文,原文第一部分概述了各种各样的前景检测算法,第二部分开始讲ViBe,其中作者说了一句,背景减法技术一般都要解决三个问题:1、用到什么模型,并且它的工作原理,2、如何初始化这个模型,3、随着时间的推移,如何更新这个模型,于是作者也就从这三个方面介绍了ViBe算法,最后一部分就是各种实验结果和对比。
接下来给大家推荐一个代码版本,现在的OpenCV也有ViBe库函数提供,但是是在CUDA平台下的。
这位博主主要的代码都是用到OpenCV的Mat格式存储数据和调用数据,所以速度有点慢,于是本人做了小小的修改,快了些许,代码会在下面贴出。
同样也贴出另外一位博主的代码,没仔细看,希望有空可以研究一下
③、