目录
一、视频背景模型的原理
背景建模的原理是通过对一段时间内的图像序列进行分析,提取出图像中的背景信息,并将其建模成一个背景模型。在后续的图像处理中,通过将当前图像与背景模型进行比较,可以判断出当前图像中的前景物体,并将其从背景中分离出来。
二、实现的方法
1.帧差法
由于场景中的目标在运动,目标的影像在不同图像帧中的位置不同。该类算法对时间上连续的两帧图像进行差分运算,不同帧对应的像素点相减,判断灰度差的绝对值,当绝对值超过一定阈值时,即可判断为运动目标,从而实现目标的检测功能。
优点是很简单,缺点是会引入噪音和空洞问题。
2.混合高斯模型
在进行前景检测前,先对背景进行训练,对图像中每个背景采用一个混合高斯模型进行模拟,每个背景的混合高斯的个数可以自适应。然后在测试阶段,对新来的像素进行GMM匹配,如果该像素值能够匹配其中一个高斯,则认为是背景,否则认为是前景。由于整个过程GMM模型在不断更新学习中,所以对动态背景有一定的鲁棒性。最后通过对一个有树枝摇摆的动态背景进行前景检测,取得了较好的效果。(简单来说就是背景中道路、树木、房子等都有自己的高斯分布,后面新来的比如“人、车”等即新的像素高斯分布看它与之前的背景的是否匹配,不匹配就是新的。)
详细代码见opencv视频背景建模代码实现
3、总结
总的来说,背景建模是一种有效的运动目标检测和识别技术,在视频监控、智能交通、人机交互等领域得到了广泛应用。随着计算机视觉技术的不断发展,背景建模技术也将不断得到改进和完善。