【数据集+评测】视频序列中的运动检测算法

最新推荐文章于 2024-05-28 09:56:57 发布

SigNaL_Yu

最新推荐文章于 2024-05-28 09:56:57 发布

阅读量1w

点赞数 2

分类专栏：计算机视觉 | Computer Vision 数据集 | Dataset 文章标签：背景减除运动检测计算机视觉

本文链接：https://blog.csdn.net/signal926/article/details/79092376

版权

本文介绍了视频序列中的运动检测，涵盖评测指标、经典算法（如SOBS、ViBe、KNN）和深度学习方法（FgSegNet、Cascade CNN）。讨论了各种算法在光照变化、阴影等问题上的挑战，并提供了CDW-2014数据集作为评测基准。

摘要由CSDN通过智能技术生成

0. 运动检测

通俗来说，运动检测是指从视频中识别发生变化或移动的区域（感兴趣的区域），是计算机视觉和视频处理中常用的预处理步骤。

与静态图像的通用目标检测不同，运动检测通常会利用视频连续帧间的上下文来对感兴趣区域进行定位。常应用于人员计数，动作识别，异常检测，跌倒检测，停车检测，目标定位和跟踪等任务中。尽管每种任务的后处理方法可能不同，但是通常都从识别感兴趣区域开始。

详细参考：https://en.wikipedia.org/wiki/Precision_and_recall

类别平均排名（Average ranking accross categories） : (rank:Baseline + rank:Dynamic Background + rank:Camera Jitter + rank:Intermittent Object Motion + rank:Shadow + rank:Thermal) / 6
平均排名（Average ranking） : (rank:Recall + rank:Spec + rank:FPR + rank:FNR + rank:PWC + rank:FMeasure + rank:Precision) / 7
精确度 Precision : TP / (TP + FP) 反映了被分类器判定的正例中真正的正例样本的比重
召回率 Re (Recall) : TP / (TP + FN) 反映了被正确判定的正例占总的正例的比重
TP : True Positive
FP : False Positive
FN : False Negative
TN : True Negative
Sp (Specficity) : TN / (TN + FP)
FPR (False Positive Rate) : FP / (FP + TN)
FNR (False Negative Rate) : FN / (TP + FN)
PWC (Percentage of Wrong Classifications) : 100 * (FN + FP) / (TP + FN + FP + TN)
F-Measure : (2 * Precision * Recall) / (Precision + Re

关注