Adaptive background mixture models for real-time tracking
1.算法介绍:
1.1.单高斯背景建模是混合高斯背景建模的基础,适合较长时间光照变化不明显的情况,也不能处理背景中有运动目标的问题。如果光照变化比较大,可引入混合高斯模型(MOG)为图像中的每个像素建模。
用代表t时刻的某个像素,并用K个高斯函数来为其建模,K的取值一般在3-5之间,这取决于计算机的内存和对算法速度的需求,K 越大,处理波动的能力越强,处理时间也会变长。每个像素的概率密度函数可以用
该式表示了t时刻第i个高斯分布。为该分布所占的权重,
,
分别为该分布的均值和协方差矩阵。
是一个高斯分布函数:
为了计算方便,假设像素的各个通道相互独立且具有同样的方差,协方差矩阵一般可以表示为。这样就为每个像素建立了一个混合高斯模型。
1.2.(背景更新)在获得新的像素值后,将当前帧的像素值与混合高斯模型的K个高斯分布分别匹配。匹配规则为:
S实际中一般取2.5。若匹配成功,则按下列公式更新混合高斯模型中第一个匹配的高斯模型参数和权重,其他模型的参数和权重保持不变。