背景建模与前景检测(Background Generation And Foreground Detection)
http://www.cnblogs.com/xrwang/archive/2010/02/21/ForegroundDetection.html
作者：王先荣
前言
在很多情况下，我们需要从一段视频或者一系列图片中找到感兴趣的目标，比如说当人进入已经打烊的超市时发出警报。为了达到这个目的，我们首先需要“学习”背景模型，然后将背景模型和当前图像进行比较，从而得到前景目标。
背景建模
背景与前景都是相对的概念，以高速公路为例：有时我们对高速公路上来来往往的汽车感兴趣，这时汽车是前景，而路面以及周围的环境是背景；有时我们仅仅对闯入高速公路的行人感兴趣，这时闯入者是前景，而包括汽车之类的其他东西又成了背景。背景建模的方式很多，或高级或简单。不过各种背景模型都有自己适用的场合，即使是高级的背景模型也不能适用于任何场合。下面我将逐一介绍OpenCv中已经实现，或者在《学习OpenCv》这本书中介绍的背景建模方法。
1.帧差
帧差可说是最简单的一种背景模型，指定视频中的一幅图像为背景，用当前帧与背景进行比较，根据需要过滤较小的差异，得到的结果就是前景了。OpenCv中为我们提供了一种动态计算阀值，然后用帧差进行前景检测的函数——cvChangeDetection（注：EmguCv中没有封装cvChangeDetection，我将其声明到OpenCvInvoke类中，具体实现见文末代码）。而通过对两幅图像使用减法运算，然后再用指定阀值过滤的方法在《学习OpenCv》一书中有详细的介绍。它们的实现代码如下：
帧差
对于类似无人值守的仓库防盗之类的场合，使用帧差效果估计很好。
2.背景统计模型
背景统计模型是：对一段时间的背景进行统计，然后计算其统计数据（例如平均值、平均差分、标准差、均值漂移值等等），将统计数据作为背景的方法。OpenCv中并未实现简单的背景统计模型，不过在《学习OpenCv》中对其中的平均背景统计模型有很详细的介绍。在模仿该算法的基础上，我实现了一系列的背景统计模型，包括：平均背景、均值漂移、标准差和标准协方差。对这些统计概念我其实不明白，在维基百科上看了好半天 -_-
调用背景统计模型很简单，只需4步而已：
//
(1)初始化对象
BackgroundStatModelBase
<
Bgr
>
bgModel
=
new
BackgroundStatModelBase
<
Bgr
>
(BackgroundStatModelType.AccAvg);
//
(2)更新一段时间的背景图像，视情况反复调用(2)
bgModel.Update(image);
//
(3)设置当前帧
bgModel.CurrentFrame
=
currentFrame;
//
(4)得到背景或者前景
Image
<
Gray,Byte
>
imageForeground
=
bgModel.ForegroundMask;
背景统计模型的实现代码如下：
实现背景统计模型
3.编码本背景模型
编码本的基本思路是这样的：针对每个像素在时间轴上的变动，建立多个（或者一个）包容近期所有变化的Box（变动范围）；在检测时，用当前像素与Box去比较，如果当前像素落在任何Box的范围内，则为背景。
在OpenCv中已经实现了编码本背景模型，不过实现方式与《学习OpenCv》中提到的方式略有不同，主要有：（1）使用单向链表来容纳Code Element；（2）清除消极的Code Element时，并未重置t。OpenCv中的以下函数与编码本背景模型相关：
cvCreateBGCodeBookModel 建立背景模型
cvBGCodeBookUpdate 更新背景模型
cvBGCodeBookClearStale 清除消极的Code Element
cvBGCodeBookDiff 计算得到背景与前景（注意：该函数仅仅设置背景像素为0，而对前景像素未处理，因此在调用前需要将所有的像素先置为前景）
cvReleaseBGCodeBookModel 释放资源
在EmguCv中只实现了一部分编码本背景模型，在类BGCodeBookModel<TColor>中，可惜它把cvBGCodeBookDiff给搞忘记了 -_-
下面的代码演示了如果使用编码本背景模型：
编码本模型
4.高级背景统计模型
在OpenCv还实现了两种高级的背景统计模型，它们为别是：（1）FGD——复杂背景下的前景物体检测(Foreground object detection from videos containing complex background)；（2）MOG——高斯混合模型(Mixture Of Gauss)。包括以下函数：
CvCreateFGDetectorBase 建立前景检测对象
CvFGDetectorProcess 更新前景检测对象
CvFGDetectorGetMask 获取前景
CvFGDetectorRelease 释放资源
EmguCv将其封装到类FGDetector<TColor>中。我个人觉得OpenCv在实现这个模型的时候做得不太好，因为它将背景建模和前景检测糅合到一起了，无论你是否愿意，在建模的过程中也会检测前景，而只希望前景检测的时候，同时也会建模。我比较喜欢将背景建模和前景检测进行分离的设计。
调用的过程很简单，代码如下：
高级背景统计模型
前景检测
在建立好背景模型之后，通过对当前图像及背景的某种比较，我们可以得出前景。在上面的介绍中，已经包含了对前景的代码，在此不再重复。一般情况下，得到的前景包含了很多噪声，为了消除噪声，我们可以对前景图像进行开运算及闭运算，然后再丢弃比较小的轮廓。
本文的代码
using
System;
using
System.Collections.Generic;
using
System.ComponentModel;
using
System.Data;
using
System.Drawing;
using
System.Linq;
using
System.Text;
using
System.Windows.Forms;
using
System.Diagnostics;
using
System.Runtime.InteropServices;
using
System.Threading;
using
Emgu.CV;
using
Emgu.CV.CvEnum;
using
Emgu.CV.Structure;
using
Emgu.CV.UI;
using
Emgu.CV.VideoSurveillance;
namespace
ImageProcessLearn
{
public
partial
class
FormForegroundDetect : Form
{
//
成员变量
Capture capture
=
null
;
//
视频捕获对象
Thread captureThread
=
null
;
//
视频捕获线程
private
bool
isVideoCapturing
=
true
;
//
是否正在捕获视频
private
bool
isBackgroundModeling
=
false
;
//
是否正在背景建模
private
int
backgroundModelFrameCount
=
0
;
//
已经建模的视频帧数
private
bool
isForegroundDetecting
=
false
;
//
是否正在进行前景检测
private
object
lockObject
=
new
object
();
//
用于锁定的对象
//
各种前景检测方法对应的对象
BGCodeBookModel
<
Bgr
>
bgCodeBookModel
=
null
;
//
编码本前景检测
private
const
int
CodeBookClearPeriod
=
40
;
//
编码本的清理周期，更新这么多次背景之后，清理掉很少使用的陈旧条目
private
const
int
CodeBookStaleThresh
=
20
;
//
在清理编码本时，使用的阀值（stale大于该阀值的条目将被删除）
FGDetector
<
Bgr
>
fgDetector
=
null
;
//
Mog或者Fgd检测
BackgroundStatModelFrameDiff
<
Bgr
>
bgModelFrameDiff
=
null
;
//
帧差
BackgroundStatModelAccAvg
<
Bgr
>
bgModelAccAvg
=
null
;
//
平均背景
BackgroundStatModelRunningAvg
<
Bgr
>
bgModelRunningAvg
=
null
;
//
均值漂移
BackgroundStatModelSquareAcc
<
Bgr
>
bgModelSquareAcc
=
null
;
//
标准方差
BackgroundStatModelMultiplyAcc
<
Bgr
>
bgModelMultiplyAcc
=
null
;
//
标准协方差
public
FormForegroundDetect()
{
InitializeComponent();
}
//
窗体加载时
private
void
FormForegroundDetect_Load(
object
sender, EventArgs e)
{
//
设置Tooltip
toolTip.Active
=
true
;
toolTip.SetToolTip(rbMog,
"
高斯混合模型(Mixture Of Gauss)
"
);
toolTip.SetToolTip(rbFgd,
"
复杂背景下的前景物体检测(Foreground object detection from videos containing complex background)
"
);
toolTip.SetToolTip(txtMaxBackgroundModelFrameCount,
"
在背景建模时，使用的最大帧数，超出该值之后，将自动停止背景建模。\r\n对于帧差，总是只捕捉当前帧作为背景。\r\n如果设为零，背景检测将不会自动停止。
"
);
//
打开摄像头视频捕获线程
capture
=
new
Capture(
0
);
captureThread
=
new
Thread(
new
ParameterizedThreadStart(CaptureWithEmguCv));
captureThread.Start(
null
);
}
//
窗体关闭前
private
void
FormForegroundDetect_FormClosing(
object
sender, FormClosingEventArgs e)
{
//
终止视频捕获
isVideoCapturing
=
false
;
if
(captureThread
!=
null
)
captureThread.Abort();
if
(capture
!=
null
)
capture.Dispose();
//
释放对象
if
(bgCodeBookModel
!=
null
)
{
try
{
bgCodeBookModel.Dispose();
}
catch
{ }
}
if
(fgDetector
!=
null
)
{
try
{
fgDetector.Dispose();
}
catch
{ }
}
if
(bgModelFrameDiff
!=
null
)
bgModelFrameDiff.Dispose();
if
(bgModelAccAvg
!=
null
)
bgModelAccAvg.Dispose();
if
(bgModelRunningAvg
!=
null
)
bgModelRunningAvg.Dispose();
if
(bgModelSquareAcc
!=
null
)
bgModelSquareAcc.Dispose();
if
(bgModelMultiplyAcc
!=
null
)
bgModelMultiplyAcc.Dispose();
}
//
EmguCv视频捕获
private
void
CaptureWithEmguCv(
object
objParam)
{
if
(capture
==
null
)
return
;
bool
stop
=
false
;
while
(
!
stop)
{
Image
<
Bgr, Byte
>
image
=
capture.QueryFrame().Clone();
//
当前帧
bool
isBgModeling, isFgDetecting;
//
是否正在建模，是否正在前景检测
lock
(lockObject)
{
stop
=
!
isVideoCapturing;
isBgModeling
=
isBackgroundModeling;
isFgDetecting
=
isForegroundDetecting;
}
//
得到设置的参数
SettingParam param
=
(SettingParam)
this
.Invoke(
new
GetSettingParamDelegate(GetSettingParam));
//
code book
if
(param.ForegroundDetectType
==
ForegroundDetectType.CodeBook)
{
if
(bgCodeBookModel
!=
null
&&
(isBgModeling
||
isFgDetecting))
{
//
背景建模
if
(isBgModeling)
{
bgCodeBookModel.Update(image);
//
背景建模一段时间之后，清理陈旧的条目
if
(backgroundModelFrameCount
%
CodeBookClearPeriod
==
CodeBookClearPeriod
-
1
)
bgCodeBookModel.ClearStale(CodeBookStaleThresh, Rectangle.Empty,
null
);
backgroundModelFrameCount
++
;
pbBackgroundModel.Image
=
bgCodeBookModel.BackgroundMask.Bitmap;
//
如果达到最大背景建模次数，停止背景建模
if
(param.MaxBackgroundModelFrameCount
!=
0
&&
backgroundModelFrameCount
>
param.MaxBackgroundModelFrameCount)
this
.Invoke(
new
NoParamAndReturnDelegate(StopBackgroundModel));
}
//
前景检测
if
(isFgDetecting)
{
Image
<
Gray, Byte
>
imageFg
=
new
Image
<
Gray,
byte
>
(image.Size);
imageFg.SetValue(255d);
//
CodeBook在得出前景时，仅仅将背景像素置零，所以这里需要先将所有的像素都假设为前景
CvInvoke.cvBGCodeBookDiff(bgCodeBookModel.Ptr, image.Ptr, imageFg.Ptr, Rectangle.Empty);
pbBackgroundModel.Image
=
imageFg.Bitmap;
}
}
}
//
fgd or mog
else
if
(param.ForegroundDetectType
==
ForegroundDetectType.Fgd
||
param.ForegroundDetectType
==
ForegroundDetectType.Mog)
{
if
(fgDetector
!=
null
&&
(isBgModeling
||
isFgDetecting))
{
//
背景建模
fgDetector.Update(image);
backgroundModelFrameCount
++
;
pbBackgroundModel.Image
=
fgDetector.BackgroundMask.Bitmap;
//
如果达到最大背景建模次数，停止背景建模
if
(param.MaxBackgroundModelFrameCount
!=
0
&&
backgroundModelFrameCount
>
param.MaxBackgroundModelFrameCount)
this
.Invoke(
new
NoParamAndReturnDelegate(StopBackgroundModel));
//
前景检测
if
(isFgDetecting)
{
pbBackgroundModel.Image
=
fgDetector.ForgroundMask.Bitmap;
}
}
}
//
帧差
else
if
(param.ForegroundDetectType
==
ForegroundDetectType.FrameDiff)
{
if
(bgModelFrameDiff
!=
null
)
{
//
背景建模
if
(isBgModeling)
{
bgModelFrameDiff.Update(image);
backgroundModelFrameCount
++
;
this
.Invoke(
new
NoParamAndReturnDelegate(StopBackgroundModel));
//
对于帧差，只需要捕获当前帧作为背景即可
}
//
前景检测
if
(isFgDetecting)
{
bgModelFrameDiff.Threshold
=
param.Threshold;
bgModelFrameDiff.CurrentFrame
=
image;
pbBackgroundModel.Image
=
bgModelFrameDiff.ForegroundMask.Bitmap;
}
}
}
//
平均背景
else
if
(param.ForegroundDetectType
==
ForegroundDetectType.AccAvg)
{
if
(bgModelAccAvg
!=
null
)
{
//
背景建模
if
(isBgModeling)
{
bgModelAccAvg.Update(image);
backgroundModelFrameCount
++
;
//
如果达到最大背景建模次数，停止背景建模
if
(param.MaxBackgroundModelFrameCount
!=
0
&&
backgroundModelFrameCount
>
param.MaxBackgroundModelFrameCount)
this
.Invoke(
new
NoParamAndReturnDelegate(StopBackgroundModel));
}
//
前景检测
if
(isFgDetecting)
{
bgModelAccAvg.CurrentFrame
=
image;
pbBackgroundModel.Image
=
bgModelAccAvg.ForegroundMask.Bitmap;
}
}
}
//
均值漂移
else
if
(param.ForegroundDetectType
==
ForegroundDetectType.RunningAvg)
{
if
(bgModelRunningAvg
!=
null
)
{
//
背景建模
if
(isBgModeling)
{
bgModelRunningAvg.Update(image);
backgroundModelFrameCount
++
;
//
如果达到最大背景建模次数，停止背景建模
if
(param.MaxBackgroundModelFrameCount
!=
0
&&
backgroundModelFrameCount
>
param.MaxBackgroundModelFrameCount)
this
.Invoke(
new
NoParamAndReturnDelegate(StopBackgroundModel));
}
//
前景检测
if
(isFgDetecting)
{
bgModelRunningAvg.CurrentFrame
=
image;
pbBackgroundModel.Image
=
bgModelRunningAvg.ForegroundMask.Bitmap;
}
}
}
//
计算方差
else
if
(param.ForegroundDetectType
==
ForegroundDetectType.SquareAcc)
{
if
(bgModelSquareAcc
!=
null
)
{
//
背景建模
if
(isBgModeling)
{
bgModelSquareAcc.Update(image);
backgroundModelFrameCount
++
;
//
如果达到最大背景建模次数，停止背景建模
if
(param.MaxBackgroundModelFrameCount
!=
0
&&
backgroundModelFrameCount
>
param.MaxBackgroundModelFrameCount)
this
.Invoke(
new
NoParamAndReturnDelegate(StopBackgroundModel));
}
//
前景检测
if
(isFgDetecting)
{
bgModelSquareAcc.CurrentFrame
=
image;
pbBackgroundModel.Image
=
bgModelSquareAcc.ForegroundMask.Bitmap;
}
}
}
//
协方差
else
if
(param.ForegroundDetectType
==
ForegroundDetectType.MultiplyAcc)
{
if
(bgModelMultiplyAcc
!=
null
)
{
//
背景建模
if
(isBgModeling)
{
bgModelMultiplyAcc.Update(image);
backgroundModelFrameCount
++
;
//
如果达到最大背景建模次数，停止背景建模
if
(param.MaxBackgroundModelFrameCount
!=
0
&&
backgroundModelFrameCount
>
param.MaxBackgroundModelFrameCount)
this
.Invoke(
new
NoParamAndReturnDelegate(StopBackgroundModel));
}
//
前景检测
if
(isFgDetecting)
{
bgModelMultiplyAcc.CurrentFrame
=
image;
pbBackgroundModel.Image
=
bgModelMultiplyAcc.ForegroundMask.Bitmap;
}
}
}
//
更新视频图像
pbVideo.Image
=
image.Bitmap;
}
}
//
用于在工作线程中更新结果的委托及方法
private
delegate
void
AddResultDelegate(
string
result);
private
void
AddResultMethod(
string
result)
{
//
txtResult.Text += result;
}
//
用于在工作线程中获取设置参数的委托及方法
private
delegate
SettingParam GetSettingParamDelegate();
private
SettingParam GetSettingParam()
{
ForegroundDetectType type
=
ForegroundDetectType.FrameDiff;
if
(rbFrameDiff.Checked)
type
=
ForegroundDetectType.FrameDiff;
else
if
(rbAccAvg.Checked)
type
=
ForegroundDetectType.AccAvg;
else
if
(rbRunningAvg.Checked)
type
=
ForegroundDetectType.RunningAvg;
else
if
(rbMultiplyAcc.Checked)
type
=
ForegroundDetectType.MultiplyAcc;
else
if
(rbSquareAcc.Checked)
type
=
ForegroundDetectType.SquareAcc;
else
if
(rbCodeBook.Checked)
type
=
ForegroundDetectType.CodeBook;
else
if
(rbMog.Checked)
type
=
ForegroundDetectType.Mog;
else
type
=
ForegroundDetectType.Fgd;
int
maxFrameCount
=
0
;
int
.TryParse(txtMaxBackgroundModelFrameCount.Text,
out
maxFrameCount);
double
threshold
=
15d;
double
.TryParse(txtThreshold.Text,
out
threshold);
if
(threshold
<=
0
)
threshold
=
15d;
return
new
SettingParam(type, maxFrameCount, threshold);
}
//
没有参数及返回值的委托
private
delegate
void
NoParamAndReturnDelegate();
//
开始背景建模
private
void
btnStartBackgroundModel_Click(
object
sender, EventArgs e)
{
if
(rbCodeBook.Checked)
{
if
(bgCodeBookModel
!=
null
)
{
bgCodeBookModel.Dispose();
bgCodeBookModel
=
null
;
}
bgCodeBookModel
=
new
BGCodeBookModel
<
Bgr
>
();
}
else
if
(rbMog.Checked)
{
if
(fgDetector
!=
null
)
{
fgDetector.Dispose();
fgDetector
=
null
;
}
fgDetector
=
new
FGDetector
<
Bgr
>
(FORGROUND_DETECTOR_TYPE.FGD);
}
else
if
(rbFgd.Checked)
{
if
(fgDetector
!=
null
)
{
fgDetector.Dispose();
fgDetector
=
null
;
}
fgDetector
=
new
FGDetector
<
Bgr
>
(FORGROUND_DETECTOR_TYPE.MOG);
}
else
if
(rbFrameDiff.Checked)
{
if
(bgModelFrameDiff
!=
null
)
{
bgModelFrameDiff.Dispose();
bgModelFrameDiff
=
null
;
}
bgModelFrameDiff
=
new
BackgroundStatModelFrameDiff
<
Bgr
>
();
}
else
if
(rbAccAvg.Checked)
{
if
(bgModelAccAvg
!=
null
)
{
bgModelAccAvg.Dispose();
bgModelAccAvg
=
null
;
}
bgModelAccAvg
=
new
BackgroundStatModelAccAvg
<
Bgr
>
();
}
else
if
(rbRunningAvg.Checked)
{
if
(bgModelRunningAvg
!=
null
)
{
bgModelRunningAvg.Dispose();
bgModelRunningAvg
=
null
;
}
bgModelRunningAvg
=
new
BackgroundStatModelRunningAvg
<
Bgr
>
();
}
else
if
(rbSquareAcc.Checked)
{
if
(bgModelSquareAcc
!=
null
)
{
bgModelSquareAcc.Dispose();
bgModelSquareAcc
=
null
;
}
bgModelSquareAcc
=
new
BackgroundStatModelSquareAcc
<
Bgr
>
();
}
else
if
(rbMultiplyAcc.Checked)
{
if
(bgModelMultiplyAcc
!=
null
)
{
bgModelMultiplyAcc.Dispose();
bgModelMultiplyAcc
=
null
;
}
bgModelMultiplyAcc
=
new
BackgroundStatModelMultiplyAcc
<
Bgr
>
();
}
backgroundModelFrameCount
=
0
;
isBackgroundModeling
=
true
;
btnStartBackgroundModel.Enabled
=
false
;
btnStopBackgroundModel.Enabled
=
true
;
btnStartForegroundDetect.Enabled
=
false
;
btnStopForegroundDetect.Enabled
=
false
;
}
//
停止背景建模
private
void
btnStopBackgroundModel_Click(
object
sender, EventArgs e)
{
StopBackgroundModel();
}
//
停止背景建模
private
void
StopBackgroundModel()
{
lock
(lockObject)
{
isBackgroundModeling
=
false
;
}
btnStartBackgroundModel.Enabled
=
true
;
btnStopBackgroundModel.Enabled
=
false
;
btnStartForegroundDetect.Enabled
=
true
;
btnStopForegroundDetect.Enabled
=
false
;
}
//
开始前景检测
private
void
btnStartForegroundDetect_Click(
object
sender, EventArgs e)
{
isForegroundDetecting
=
true
;
btnStartBackgroundModel.Enabled
=
false
;
btnStopBackgroundModel.Enabled
=
false
;
btnStartForegroundDetect.Enabled
=
false
;
btnStopForegroundDetect.Enabled
=
true
;
}
//
停止前景检测
private
void
btnStopForegroundDetect_Click(
object
sender, EventArgs e)
{
lock
(lockObject)
{
isForegroundDetecting
=
false
;
}
btnStartBackgroundModel.Enabled
=
true
;
btnStopBackgroundModel.Enabled
=
false
;
btnStartForegroundDetect.Enabled
=
true
;
btnStopForegroundDetect.Enabled
=
false
;
}
}
//
前景检测方法枚举
public
enum
ForegroundDetectType
{
FrameDiff,
AccAvg,
RunningAvg,
MultiplyAcc,
SquareAcc,
CodeBook,
Mog,
Fgd
}
//
设置参数
public
struct
SettingParam
{
public
ForegroundDetectType ForegroundDetectType;
public
int
MaxBackgroundModelFrameCount;
public
double
Threshold;
public
SettingParam(ForegroundDetectType foregroundDetectType,
int
maxBackgroundModelFrameCount,
double
threshold)
{
ForegroundDetectType
=
foregroundDetectType;
MaxBackgroundModelFrameCount
=
maxBackgroundModelFrameCount;
Threshold
=
threshold;
}
}
}
另外，细心的读者发现我忘记贴OpenCvInvoke类的实现代码了，这里补上。多谢指正。
using
System;
using
System.Collections.Generic;
using
System.Linq;
using
System.Text;
using
System.Drawing;
using
System.Runtime.InteropServices;
using
Emgu.CV.Structure;
using
Emgu.CV.CvEnum;
namespace
ImageProcessLearn
{
///
<summary>
///
声明一些没有包含在EmguCv中的OpenCv函数
///
</summary>
public
static
class
OpenCvInvoke
{
//
自适应动态背景检测
[DllImport(
"
cvaux200.dll
"
)]
public
static
extern
void
cvChangeDetection(IntPtr prev_frame, IntPtr curr_frame, IntPtr change_mask);
//
均值漂移分割
[DllImport(
"
cv200.dll
"
)]
public
static
extern
void
cvPyrMeanShiftFiltering(IntPtr src, IntPtr dst,
double
spatialRadius,
double
colorRadius,
int
max_level, MCvTermCriteria termcrit);
//
开始查找轮廓
[DllImport(
"
cv200.dll
"
)]
public
static
extern
IntPtr cvStartFindContours(IntPtr image, IntPtr storage,
int
header_size, RETR_TYPE mode, CHAIN_APPROX_METHOD method, Point offset);
//
查找下一个轮廓
[DllImport(
"
cv200.dll
"
)]
public
static
extern
IntPtr cvFindNextContour(IntPtr scanner);
//
用新轮廓替换scanner指向的当前轮廓
[DllImport(
"
cv200.dll
"
)]
public
static
extern
void
cvSubstituteContour(IntPtr scanner, IntPtr new_contour);
//
结束轮廓查找
[DllImport(
"
cv200.dll
"
)]
public
static
extern
IntPtr cvEndFindContour(
ref
IntPtr scanner);
}
}
后记
值得注意的是，本文提到的OpenCv函数目前属于CvAux系列，以后也许会加入到正式的图像处理Cv系列，也许以后会消失。最重要的是它们还没有正式的文档。
其实关于背景模型的方法还有很多，比如《Video-object segmentation using multi-sprite background subtraction》可以在摄像机运动的情况下建立背景，《Nonparametric background generation》利用mean-shift算法处理动态的背景模型，如果我的时间和能力允许，也许会去尝试实现它们。另外，《Wallflower: Principles and practice of background maintenance》比较了各种背景建模方式的差异，我希望能够尝试翻译出来。
感谢您耐心看完本文，希望对您有所帮助。
677
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
