基于局部二值相似性模式(LBSP)的运动目标检测算法
本文根据论文:Improving background subtraction using local binary similarity patternsWACV2014的内容及自己的理解而成,如果想了解更多细节,请参考原文。该文章思想借鉴了VIBE,其实可以理解成是VIBE+LBP算子变种(LBSP)运动目标检测算法的组合。在VIBE中,算法主要是基于像素之间的比较,而没有考虑到领域空间的相关信息。在这篇文章里作者采用具有空间信息LBSP描述子进行背景建模,提高了算法的检测性能和稳定性,通过CDnet的数据集的测试表明该算法优于大多数算法,下面对该文章进行具体介绍。
本文算法作者又简称为LOBSTER(LOcal BinarySimlilarity segmenTER)。首先介绍下LBP算子,LBP算子的计算公式如下,
而LBSP该算子与LBP的唯一不同点就是中间像素与周围像素进行比较时采用的是绝对值,当该绝对值小于某一值时,则为0,否则为1,计算公式如下:
算法的其他处理与VIBE算法的处理一致。作者也给出了伪代码:
源代码可以在这里下载:https://bitbucket.org/pierre_luc_st_charles/lobster
更多内容请参考:
1、mproving background subtraction using local binary similarity patternsWACV2014
2、Change Detection in feature space using local binary similarity patternsBilodeauetalCRV2013
作者:kezunhai 出处:http://blog.csdn.net/kezunhai 欢迎转载或分享,但请务必声明文章出处。