reference
关键思想
- 背景模型的有效性检测,本文同样基于像素(相对于基于区域,基于帧),通过K个背景像素样本进行背景提取,但不同于VIBE类算法(PBAS,VIBE+,Subsense)等的随机更新策略,此方法通过对背景像素样本的有效性进行排序,及时剔除没什么用的像素样本,一般而言,这些被剔除的样本就是一些背景像素边沿点或者前景像素,剔除它们可以提高召回率及精确率。
主要变量
- T: 背景像素样本,它包含着B和C,B即背景像素值,C为对应的有效值。文中含K个背景像素样本 T0,T1,...,TK ,对应着 (B0,C0),(B1,C1),...,(BK,CK) 。
- B: 背景像素值,更新方式: Bj=(1−α)Bj+αI , 这里 I 为当前输入帧。
- C: 有效性,当
C