- CVPR2013的文章
- 项目地址https://sites.google.com/view/kiminyun/profile
- 下载下来的软件有个隐藏的bug,程序能用,但是卡在第一帧,我猜是因为算法对视频分辨率有要求,根据对算法研究,输入图像分辨率必须是4(grid的大小)的倍数,854*480不行但裁剪成852*480就可以。
- 运动目标检测
- 基于单高斯分布
- 那个精度很高,但是召回很低,因为这种方法对于网格大小划分敏感,同时对最后的判别参数敏感,只要前景和背景稍稍相似,就检测不出来,这是基于SGM的通病
- 速度是杠杠的
1方法介绍
1.1single Gaussian model (SGM) with age
随时间变化的单高斯模型
首先把图像按进行网格分割
总共个格子
网格中的像素数目为
像素点的亮度为
网格中的亮度均值为,方差,年龄
更新:
1.2Dual-Mode SGM
原理
算法对每个grid维持两个SGM
Apparent Background Model :,,
Candidate Background Model:,,
更新策略:
如果 则更新 Apparent Background Model
如果 则更新 Candidate Background Model
如果 则用Candidate Background Model 替代 Apparent Background Model,Candidate Background Model重初始化
其它情况则同时重初始化两个SGM
作用
使用单个SGM对背景进行建模,在简单的情况时有不错的效果,但是当使用大的学习率时,背景模型容易受到前景像素的污染。
我们方法中使用了变化的学习率,因此有较大的学习率是很常见的。
比如在初始化时,所有像素年龄设为1,这时意味着在下一帧,这些像素的学习率为0.5。比如在下一帧中,前景和背景的分布分别为均值1,方差0.5 的高斯分布和 均值2.5,方差0.5 的高斯分布。如下图所示,左边是单一SGM的更新结果,整个分布被前景所污染,但是如右图所示,使用Dual-ModeSGM后,由于前景分布不符合Apparent Background Model更新的条件,Apparent Background Model不更新,而Candidate Background Model则更新为前景分布。
1.3基于模型融合的运动补偿
KLT+RANSAC求单应性矩阵,根据单应性矩阵得到一个中心点在下一帧的位置,该位置四周有四个分布,根据位置关系加权融合四个分布得到新分布,如下图所示。
权重计算用∩面积。
2实验
实验的数据集是一篇论文里的,文献[8],自己加了一个,还有一个是YouTube上的