- 针对的对象:背景图像中有物体的运动状态发生改变(一般是速度突变,比如从静止到运动,使得背景变化较大),改进算法前后对比背景图像的更新速度问题。
- 文献举例:比如在文献1中P37图3.5(a)中背景图像黑车从驶入(第1、2、3图)到驶出(第4张图背景中没有黑车了);3.5(b)中只用混合高斯模型算法,更新效果慢,导致第4张图中仍然还有黑车,所以差分图(c)中第4张图中有黑车的检测结果。
3、要求和结果:对比改进前后的算法,可以非常明显地看出改进前后更新背景速度的变化,效果要类似文献1中所给出的结果。
目标跟踪:在上面基础上,通过改进传统Mean Shift算法的内核与参数,对比算法改进前后在遮挡问题上的效果
- 针对的对象:解决前景运动目标在“被遮挡后”至“显露出来”这段时间无法跟踪到的问题
- 文献参考:文献1中P53中,目标车辆被遮挡后(第48帧)到显露出来(第65帧)之间,传统meanshift算法无法跟踪。改进后的算法可以跟踪。
- 要求与结果:对比改进前后的算法,可以非常明显地看出改进前后对遮挡问题的效果,效果要类似文献1中所给出的结果。
-
一、单独的混合高斯模型算法进行目标的检测main1(对比视频:背景更新.AVI)
二、混合高斯模型与帧差法结合的算法main2(对比视频:背景更新.AVI)
三、在二的基础上,传统Mean Shift算法,遮挡问题main3(对比视频:遮挡问题.AVI)
当出现遮挡的时候,则会跟踪失败,如下所示:
由此可见,传统的MS算法,在遮挡之后重新出现,会无法重新进行跟踪。
四、在二的基础上,改进传统Mean Shift算法,遮挡问题main4(对比视频:遮挡问题.AVI)
五、混合高斯模型,光照突变下的目标检测main5(对比视频:光照突变.AVI)
显然,高斯混合模型在光照快速突变的情况下,检测效果较差。
六、BSBC,光照突变下的目标检测main6(对比视频:光照突变.AVI)
开灯前
开灯后(第400.401.402,403帧)
从仿真结果可以看到,当光线细微变化的时候,系统正常工作,不会出现高斯模型下的大面积干扰,但是当光线突变的时候,检测目标会受到瞬间干扰影响。
最后几帧,是突然开灯,检测完全失败。